Decoupled DiLoCo是一种新型分布式架构，旨在提高大规模AI模型训练的效率和韧性。通过将训练任务分散到多个计算单元，系统能够在硬件故障时继续学习，避免通信延迟。该方法成功训练了120亿参数的模型，速度比传统方法快20倍，并支持不同代硬件的混合使用，提升计算资源利用率。

许多加密项目希望将通用计算引入链上，以实现可验证性和溯源性。AO通过去中心化方式解决这一问题，利用节点数量提供计算能力。AR.IO网关允许运行AO计算单元（CU），减少读取延迟。CU执行AO进程，类似智能合约，提供计算结果但不存储数据。通过Docker容器部署CU，需更新配置文件和脚本以启动服务。