2023 年，Gensyn 对其愿景进行了进一步拓展：构建一个全球连接、开源自治、无许可门槛的 AI 网络——任何具备基本计算能力的设备，都可成为这个网络中的一份子。其底层协议基于区块链架构设计，不仅具备激励机制与验证机制的可组合性。
Gensyn 自创立以来，累计获得 5060 万美元支持，投资方涵盖 a16z、CoinFund、Canonical、
Protocol Labs、Distributed Global 等共计 17 家机构。其中，2023 年 6 月由 a16z 领投的 A 轮融资被广泛关注，标志着去中心化 AI 领域开始进入主流Web3风投的视野。
团队核心成员背景也颇具分量：联合创始人 Ben Fielding 曾在牛津大学攻读理论计算机科学，具备深厚的技术研究背景；另一位联合创始人 Harry Grieve 则长期参与去中心化协议的系统设计与经济建模，为 Gensyn 的架构设计与激励机制提供了坚实支撑。
设计架构当前去中心化人工智能系统的发展正面临三大核心技术瓶颈：执行（Execution）、验证（Verification）与通信（Communication）。这些瓶颈不仅限制了大模型训练能力的释放，也制约了全球算力资源的公平整合与高效利用。Gensyn 团队在系统性研究基础上，提出了三项具有代表性的创新机制——RL Swarm、Verde 以及 SkipPipe，针对上述问题分别构建了解决路径，推动了去中心化 AI 基础设施从概念走向落地。
一、执行挑战：如何让碎片化设备协同高效训练大模型？当前，大语言模型的性能提升主要依赖于“堆规模”策略：更大的参数量、更广的数据集以及更长的训练周期。但这也显著推高了计算成本——超大模型的训练往往需要被拆分至成千上万个 GPU 节点，这些节点之间还需进行高频的数据通信与梯度同步。在去中心化场景下，节点分布地域广泛、硬件异构、状态波动性高，传统的中心化调度策略难以奏效。
为应对这一挑战，Gensyn 提出 RL Swarm，一种点对点的强化学习后训练系统。其核心思路是将训练过程转化为一个分布式协作博弈。该机制分为“共享—批判—决策”三阶段：首先，节点独立完成问题推理并公开共享结果；随后，各节点对同伴答案进行评价，从逻辑性与策略合理性等角度提出反馈；最后，节点基于群体意见修正自身输出，生成更稳健的答案。该机制有效融合个体计算与群体协同，尤其适用于数学与逻辑推理等需要高精度和可验证性的任务。实验显示，RL Swarm 不仅提升了效率，也显著降低了参与门槛，具备良好的扩展性和容错性。
RL Swarm的“共享—批判—决策”三阶段强化学习训练系统