70余人用家用GPU完成720亿参数大模型分布式训练，黄仁勋：开源与闭源「不是A或B，是A加B」

据 1M AI News 监测，去中心化 AI 网络 Bittensor 的 Subnet 3（Templar）近期完成迄今规模最大的分布式大模型预训练，代号 Covenant-72B，参数量 720 亿，训练数据约 1.1 万亿 token，由超过 70 名贡献者通过普通消费级硬件跨网络协同完成，无需中心化算力基础设施，基准测试中可与 LLaMA-2-70B 媲美。

这一成果在 All-In 播客专访中被提及后，英伟达 CEO 黄仁勋对开源与闭源的关系给出明确表态：「这不是 A 还是 B，而是 A 加 B，毫无疑问。」他指出，通用模型（如 ChatGPT、Claude、Gemini）适合大多数用户，而「行业专属的领域知识只能通过开源模型来封装和控制，这是开源的根本价值所在」。他还透露，英伟达目前投资的每一家初创公司都「优先采用开源模式，再逐步接入闭源模型」。