Google DeepMind Decoupled DiLoCo: trénování AI se začíná chovat víc jako cloud

Google DeepMind 23. dubna 2026 zveřejnil práci Decoupled DiLoCo. V českém prostoru se to objevilo jako „AI se bude trénovat úplně jinak“ a tentokrát to není jen přehnaný titulek.

Nejde o nový chatbot. Jde o infrastrukturu. A právě proto je to zajímavé.

Co je DiLoCo

DiLoCo znamená Distributed Low-Communication training. Zjednodušeně: místo toho, aby se jeden velký model trénoval na jednom těsně propojeném superclusteru, rozdělíte práci mezi více samostatných skupin akcelerátorů.

Tyto skupiny lokálně trénují a jen občas synchronizují váhy. Cílem je snížit komunikační nároky a umožnit trénování přes méně dokonale propojenou infrastrukturu.

Decoupled DiLoCo: lokální trénování na více clusterech a periodická synchronizace

Decoupled DiLoCo posouvá tuhle myšlenku dál: odděluje části trénování tak, aby systém lépe zvládal různé clustery, výpadky a asynchronní práci.

Proč je to důležité

Dnešní frontier modely jsou často závislé na extrémně drahém a úzce propojeném hardwaru. To je problém:

kapacita je omezená,
výpadek části clusteru bolí,
trénování je drahé,
infrastruktura je centralizovaná,
menší hráči se k podobné kapacitě nedostanou.

Pokud se trénování velkých modelů dá lépe rozdělit mezi více clusterů, mění se ekonomika i odolnost.

Co to znamená pro běžné firmy

Většina firem si podle Decoupled DiLoCo nebude trénovat vlastní frontier model. To není pointa.

Pointa je, že AI infrastruktura se bude chovat víc jako cloud: distribuovaně, odolněji a s lepším využitím dostupného hardwaru.

AI stack jako cloud stack: data, inference, training a orchestrace

Dlouhodobě to může znamenat:

levnější trénování a dotrénování modelů,
lepší využití regionálního hardwaru,
větší odolnost proti výpadkům,
snazší kombinaci vlastních a cloudových clusterů,
menší závislost na jednom obřím datacentru.

Praktická lekce pro dnešek

Pro firmy je zajímavá hlavně mentální mapa. AI už není jen „vyber model v API“. Stává se z ní infrastruktura, kterou budete řídit podobně jako cloud.

U malých a středních firem to dnes znamená hlavně:

nemít vendor lock-in jako jedinou strategii,
oddělovat data, inference a orchestrace,
logovat náklady i kvalitu,
počítat s tím, že některé modely poběží lokálně, jiné v cloudu,
navrhovat workflow tak, aby přežilo změnu modelu nebo poskytovatele.

Závěr

Decoupled DiLoCo není novinka, kterou si zítra zapnete v n8n. Je to výzkumný signál, kam míří infrastruktura pro velké modely.

Pro mě je na tom důležité hlavně tohle: AI stack se bude čím dál víc podobat cloudovému stacku. Nebude stačit vědět, který model je nejlepší. Bude potřeba vědět, kde běží, kolik stojí, jak se škáluje a co se stane, když část systému vypadne.

Zdroje: Google DeepMind: Decoupled DiLoCo, Decoupled DiLoCo paper, Marek Bartoš: AI se bude trénovat úplně jinak, AI ta Krajta #48.