分布式AI训练框架DisTrain突破千卡规模：去中心化训练成本降60%

分布式AI训练框架DisTrain于3月1日发布2.0版本，首次实现跨越3个数据中心、共计1024张GPU的协同训练。测试显示，训练一个70B参数模型的成本仅为传统集中式方案的40%。

DisTrain采用异步梯度压缩和局部同步相结合的技术路线，解决了跨数据中心网络延迟导致的训练效率损失问题。其核心创新在于"分层共识"机制，允许不同数据中心以不同频率同步参数。

该项目由柏林工业大学和欧洲HPC联盟联合开发，已在GitHub上获得超过12000个星标。多家欧洲企业表示将采用DisTrain替代昂贵的云端GPU租赁方案。