PLURALIS RESEARCH
无主权 AI 的赌注

传统去中心化训练有一个结构性缺陷：即便模型在多台机器上分布式训练，最终还是要把完整的模型权重聚合到某个地方——谁聚合权重，谁就控制了模型。Pluralis 的设想更激进：多个参与者共同训练一个大型 AI 模型，但没有任何单一参与者持有完整的模型权重，训练协议在开放、无需许可的网络上运行。

技术核心是把模型权重分片（sharding）分配给不同参与者，梯度聚合在不暴露完整权重的前提下完成，并用经济激励机制保证参与者诚实贡献。一个类比：如果说 BitTorrent 是去中心化的文件分发，Pluralis 想构建的是"去中心化模型训练的 BitTorrent"。

公司由前 FAANG 研究科学家 Alexander Long 于 2024 年初在墨尔本创立，2025 年 3 月由 Union Square Ventures（USV）与 CoinFund 联合领投完成 $7.6M 种子轮，参投方包括 Topology、Variant、Eden Block、Bodhi Ventures，天使投资人包括 Balaji Srinivasan 与 HuggingFace 联合创始人 Clem Delangue。

2024 年成立后，团队用了大半年时间做协议学习的理论框架，把联邦学习、安全多方计算与大模型训练结合起来。2025 年 3 月完成种子轮融资后，团队开始扩张，专门招募了 Protocol Lead 负责协议层设计。截至最近一次调研，公司仍处于持续的基础研究阶段，尚无公开发布的模型。

Melbourne 的选址在 AI 创业地图上颇为罕见——AI 研究中心高度集中在旧金山、伦敦、多伦多，澳大利亚几乎没有 frontier AI 研究团队。这既可能是团队刻意与硅谷 AI 泡沫保持距离，也可能只是创始人的个人地理偏好。

Pluralis 的技术方案是目前最激进的去中心化 AI 路线，也最难实现。同样做去中心化训练的 Prime Intellect，走的是"分布式节点协作训练、权重最终聚合"的路径；Pluralis 的协议学习要求权重永远不聚合。后者需要同时解决通信效率、梯度一致性、恶意节点防御等一整套问题——这是一个真正的研究赌注，不是工程问题，也解释了为什么公司两年后仍未发布公开模型（对比 Prime Intellect 已发布 INTELLECT-1/2/3，EleutherAI 也有 GPT-Neo/GPT-J 等开源成果）。

协议学习的"无主权"特性还带来了非技术障碍：如果没有人持有完整模型权重，出了问题该由谁负责？EU AI Act、美国的 AI 安全法规都默认存在一个可问责的"deployer"，这可能是协议学习面对的最大监管不确定性，甚至比技术难度更棘手。

值得注意的是，USV（互联网时代的 tier-1 VC，也深度参与 Web3）与纯加密投资机构 CoinFund 同时下注，说明 Pluralis 的叙事同时命中了 AI 能力民主化和去中心化所有权两个圈子——但当一个项目同时被两种不同范式的投资者追捧时，有时也意味着它两边都还没有真正落地。