# Nous Research

> Nous Research 是一家专注于开源开发和人类对齐语言模型的 AI 研究机构。它利用分布式计算进行模型训练，旨在通过透明度和协作实现人工智能开发的民主化。

- Canonical URL: https://iq.wiki/zh/wiki/nous-research
- Categories: Organizations
- Tags: AIPlatform, ResearchLab
- Created: 2026-06-02T10:22:30.097Z
- Last updated: 2026-06-02T10:22:30.097Z
- Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki)

---

**Nous Research** 是一家先驱性的 AI 研究机构，专注于创建开源人工智能系统。该机构成立于 2020 年，旨在通过促进透明度和开源协作来实现 AI 开发的民主化，将其自身定位为 AI 开发与创新领域的领导者[\[1\]](#cite-id-ZDGbhaZ1L0c3wjCn)[\[2\]](#cite-id-CDEAZc4fdHtuAA8b)[\[3\]](#cite-id-silbkRC7v4cf5wKe)。

## 概览

Nous Research 是一家人工智能研究机构，专注于开发开源 AI 系统并促进 AI 开发的透明度。该机构于 2020 年成立于奥斯汀，旨在通过开放协作、去中心化基础设施和公开可用的语言模型，实现先进 AI 技术的准入民主化。

该机构倡导将开源 AI 作为增加可访问性、减少技术集中并鼓励更广泛参与 AI 研究的手段。其工作涵盖大型语言模型、分布式训练系统、AI 对齐研究以及旨在降低 AI 开发门槛的基础设施。[\[1\]](#cite-id-ZDGbhaZ1L0c3wjCn) [\[2\]](#cite-id-CDEAZc4fdHtuAA8b) [\[3\]](#cite-id-silbkRC7v4cf5wKe) [\[4\]](#cite-id-0rcjz82NLlObBu2L) [\[5\]](#cite-id-JjWbRzJKhKPFV75t) [\[7\]](#cite-id-mO53URsuv4gvlNFJ) [\[9\]](#cite-id-R6syCeys2Q0qaVCx) [\[11\]](#cite-id-WsTPizN7tWSy36R6) 

## 历史

Nous Research 于 2020 年在德克萨斯州奥斯汀成立，当时正值人工智能行业内关于透明度、问责制和准入权的争论日益加剧。该机构作为闭源 AI 开发模式的替代方案出现，强调社区参与和开放研究实践。

在发展过程中，Nous Research 通过发布公开可用的语言模型和研究计划，在开源 AI 生态系统中获得了认可。其日益增长的影响力吸引了来自开发者、研究人员和有志于推进开放 AI 技术的贡献者的支持。

该机构发展的一个重要里程碑是完成了由 [Paradigm](https://iq.wiki/wiki/paradigm) 领投的 5000 万美元 A 轮融资。这笔资金支持了其去中心化 AI 基础设施的扩展和研究计划。[\[4\]](#cite-id-0rcjz82NLlObBu2L) [\[1\]](#cite-id-ZDGbhaZ1L0c3wjCn) [\[5\]](#cite-id-JjWbRzJKhKPFV75t) [\[11\]](#cite-id-WsTPizN7tWSy36R6) 

## 技术

Nous Research 开发了一系列专注于开源人工智能、分布式计算和语言模型训练的技术。

### Hermes 模型

该机构最著名的产品是 [Hermes](https://iq.wiki/wiki/hermes-agent) 语言模型。Hermes 系列旨在为开发者和研究人员提供先进的推理、指令遵循能力和广泛的可访问性。后续版本的发布重点在于提高性能、可扩展性以及与本地部署环境的兼容性。

### Psyche 网络

Psyche 网络是由 Nous Research 开发的去中心化训练系统。它能够在地理分布的硬件资源上进行 AI 模型训练，从而降低基础设施成本，并允许参与者为模型开发贡献计算能力。

该项目代表了对中心化 AI 训练的一种替代方案，而传统训练通常依赖于大规模的专有数据中心。

### Lighthouse Attention

Nous Research 还开发了 Lighthouse Attention 机制，这是一种旨在提高语言模型训练和推理过程中计算效率的优化技术。该方法寻求在保持模型性能的同时提高处理速度，使大规模 AI 训练更具资源效率。[\[1\]](#cite-id-ZDGbhaZ1L0c3wjCn) [\[3\]](#cite-id-silbkRC7v4cf5wKe) [\[5\]](#cite-id-JjWbRzJKhKPFV75t) [\[7\]](#cite-id-mO53URsuv4gvlNFJ) [\[9\]](#cite-id-R6syCeys2Q0qaVCx) [\[11\]](#cite-id-WsTPizN7tWSy36R6) 

## 治理与协作

Nous Research 采用协作治理模式，鼓励独立研究人员、开发者和外部贡献者的参与。该机构强调研究过程的透明度，并支持社区驱动的开发。

其协作结构与其更广泛的目标相一致，即维护一个开放的 AI 生态系统，使研究成果、模型和基础设施能够被更广泛的社区公开访问和改进。[\[9\]](#cite-id-R6syCeys2Q0qaVCx) 

## 合作伙伴与生态系统

该机构与技术公司、研究小组和学术机构合作，以扩大开源 AI 技术的采用。这些合作伙伴关系有助于模型开发、基础设施研究以及 AI 系统在各种应用中的部署。

通过将开源模型开发与去中心化基础设施计划相结合，Nous Research 已成为推动透明且可访问的人工智能这一更广泛运动中的重要参与者。[\[1\]](#cite-id-ZDGbhaZ1L0c3wjCn) [\[11\]](#cite-id-WsTPizN7tWSy36R6) [\[10\]](#cite-id-Hw9TX70DfphjzEXn)