Project Tapestry 找到印度錨點，主權 AI 開始從口號走向共同訓練

作者:

AI Alliance 在 6 月 19 日把 Project Tapestry 往前推了一步：印度的 BharatGen 將錨定印度在這個開放主權 AI 聯盟裡的初始角色，並立即共同推進 distributed model training 相關工作流。這則新聞放在 G7 與 VivaTech 都在談 AI sovereignty 的同一週，看起來不只是又一個國家級 AI 口號，而是把「誰能參與訓練 frontier model」這件事，從地緣政治語言拉回工程設計。

Project Tapestry 的核心主張很直接：只把 open weights 丟給世界下載，不等於世界真的參與了模型建造。今天最強的基礎模型仍多半由少數公司、少數地區、少數資料與算力管線決定；其他國家或產業即使能拿到權重，也很難影響訓練資料、評測、目標函數、治理與後續版本。Tapestry 想回答的是另一個問題：如果多個國家、研究機構與產業節點共同訓練一個 shared base model，同時保留自己的資料、compute 與衍生模型控制權，frontier AI 能不能變成比較像公共基礎設施的東西？

AI Alliance 公開頁面對這個架構的描述，重點不在漂亮的合作字眼，而在資料與權重的流向。Tapestry 想讓 partner nodes 保留自己的資料與運算資源，敏感資料留在本地節點，只有 local weight updates 回到核心整合；核心的 shared base model 變強之後，再讓參與者取得改進後的基礎模型，並建立自己完全擁有和控制的 sovereign derivatives。換句話說，它把 sovereignty 的焦點從「我能不能部署模型」往前推到「我有沒有參與模型怎麼被訓練」。

BharatGen 在這裡有代表性。AI Alliance 5 月的巴黎 workshop report 已經把 BharatGen / IIT Bombay 放進 Project Tapestry 的技術與治理對話裡，描述它背後結合公共資金、學術夥伴、工程能力、國家算力與多語資料。對印度來說，主權 AI 不只是把英語模型翻成在地語言，也不只是替政府或企業找一個安全雲端版本；它牽涉印度語言、公共服務、教育、產業資料與國家基礎設施要不要被納入模型訓練本身。BharatGen 成為印度錨點，讓 Tapestry 開始有更清楚的國家級入口。

這也讓 Project Tapestry 和一般開放模型計畫拉出距離。開放權重降低了採用門檻，卻沒有必然降低訓練權力的集中度；一個國家可以微調模型，卻未必能改變 base model 裡的資料偏向、語言覆蓋、科學能力與安全假設。Tapestry 的野心是把多方參與放進 pretraining 和持續改版的流程裡，讓資料、人才與算力的多樣性成為模型能力的一部分。這件事如果做得起來，主權 AI 就不只是各國各自重做一套昂貴模型，而可能變成共享基座上的多國分支。

但這條路最難的地方也在同一點。分散式或 federated model development 聽起來很合理，實作時卻會碰到資料品質、節點信任、權重更新驗證、模型污染、評測一致性、資安、出口管制與資金分攤。只分享權重不分享資料，能降低資料外流風險，卻不會自動解決壞資料、惡意更新或治理責任。shared base model 由誰決定下一版、誰能審核貢獻、誰能取得哪些衍生權利、若模型出錯誰負責，這些問題都會比一場發布會更慢、更硬。

G7 這週談 AI sovereignty 的背景，讓 Tapestry 的時間點更敏感。過去一年，各國陸續把 AI 寫進產業政策、國安政策與算力投資，理由通常是不要被少數雲端與模型供應商鎖死。可是如果每個國家都只追求完全自建，成本很快會超出多數政府與研究機構能承擔的範圍；如果只買閉源服務，又很難談真正的政策自主與文化對齊。Tapestry 試著走第三條路：不是單一中心輸出模型，也不是各國彼此分裂，而是用 consortium 把共同訓練、在地控制與開放技術綁在一起。

這就是 BharatGen 這次加入值得看的原因。它不是保證 Project Tapestry 已經成功，也不是代表印度或 G7 已經押注同一套架構；更精準地說，它讓主權 AI 的討論多了一個可觀察的工程實驗。若接下來 AI Alliance 能公開更清楚的 roadmap、治理章程、模型評測、資料貢獻機制與第一批實驗結果，Tapestry 才會從漂亮概念變成可信基礎設施。若做不到，它也可能只是另一個把 sovereignty 包裝成新聞標題的合作案。

真正的分水嶺會在模型之外。Project Tapestry 需要證明全球共同訓練不是只在簡報裡成立，而能在延遲、成本、資料治理、模型安全與版本控制上跑得動；BharatGen 也需要證明印度多語與公共目標能在共同 base model 裡留下實質影響，而不是只拿到一個國際舞台上的席位。主權 AI 的下一階段，可能不會由誰喊得最大聲決定，而是由誰能把資料留在本地、把權重安全帶回共享模型、再把衍生模型可靠部署到自己的社會與產業裡決定。

參考來源

發表迴響