Partnerskaber

Project Tapestry markerer første milepæl, udvider AI-båndene til Vietnam og Indien

Sophie Denar
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterProjekt Tapestry gør det muligt for nationer at træne fælles modeller, mens følsomme…
Vis mere
  • Projekt Tapestry gør det muligt for nationer at træne fælles modeller, mens følsomme data og suveræne afledte produkter forbliver under deres egen kontrol.
  • Vietnam og Indien styrkede suveræne AI-bånd gennem samtaler på højt niveau og en planlagt workshop i Mumbai om national deltagelse.
  • Den fuldførte milepæl viste, at fødereret træning kan fungere på tværs af fjerntliggende lokaliteter uden at flytte partitionerede træningsdata.

AI Alliance annoncerede den 30. september 2026 under FN’s Generalforsamlingsuge i New York, at Project Tapestry havde gennemført sin første tekniske milepæl og udvidet suveræne AI-samarbejder med Vietnam og Indien.

Project Tapestry bygger et åbent, globalt konsortium, hvor nationer og institutioner samarbejder om grundmodeller, mens de bevarer kontrol over deres data, suveræne modeller og implementeringer. Under den arkitektur, der er beskrevet på projektsiden, holder partnernoder følsomme data lokalt, bruger dem til at beregne vægtopdateringer og deler kun de resulterende modelvægte; enhver partner kan bygge en fuldt ejet suveræn model afledt af den delte grundmodel. Siden lister Yann LeCun som projektets chefvidenskabelige rådgiver og beskriver AI Alliance som en nonprofit AI-forsknings- og open‑source‑teknologikoalition med mere end 200 medlemsorganisationer.

Vietnam bekræfter intentionen om at samarbejde om en suveræn model

Under Generalforsamlingsugen mødtes AI Alliance og Project Tapestry‑ledere i New York med Vietnams generalsekretær og præsident Tô Lâm samt højtstående regeringsministre. Diskussionerne bekræftede en intention om at samarbejde om en suveræn AI‑model, der er i overensstemmelse med Vietnams nationale AI‑strategi og prioriteringer, herunder vietnamesisk sprog, kultur, viden og nationale anvendelsestilfælde. Vietnam har deltaget i Project Tapestry siden de tidlige faser, og alliancen beskrev det udvidede samarbejde som et skridt mod at omdanne konsortiets model til suveræn AI‑udvikling i national skala.

„Project Tapestry giver Viet Nam en mulighed for at omsætte internationalt samarbejde til varig national kapacitet – udvikling af AI, der forstår vores sprog, kultur, viden og prioriteringer, samtidig med at vi uddanner de ingeniører og opbygger de institutioner, der kan drive, tilpasse og videreudvikle teknologien,“ sagde ambassadør Hoang Anh Tuan, generalkonsul for Viet Nam i San Francisco.

Christopher Nguyen, chefarkitekt for Project Tapestry, sagde, at Tô Lâms støtte til retningen understregede projektets bredere vision og pegede på parallelt arbejde i Vietnam, Indien, Japan og Bhutan.

Indiens briefing går forud for workshop i Mumbai

Generalkonsul Binaya Srikanta Pradhan var vært for Project Tapestry‑lederne på Indiens generalkonsulat i New York i løbet af ugen. Ganesh Ramakrishnan, stiftende direktør for BharatGen, Ritwik Banerjee fra Stony Brook University og Kaushik Bhatta, partner og direktør i AI Alliance, orienterede generalkonsulen om konsortiumdrevet AI‑udvikling, Tapestrys tilgang og Stony Brooks nylige tilslutning til konsortiet. Pradhan udtalte, at AI bygget til Indiens sprog og kulturer bevarer handlefrihed.

Indien har været en tidlig bidragyder til projektet. BharatGen, landets regeringsstøttede, open‑source grundmodel‑stack, gennemførte et af milepælens to proof‑of‑concepts under vejledning af Dr. Maneesh Singh, VP for maskinlæring, i fælles træning med Monash University på tværs af Indien og Australien, mens hver institutions data forblev i institutionens hjemland. Gates Foundation udnævnte Ramakrishnan til 2026 Goalkeepers Champion i samme uge, som anerkendelse af hans ledelse af BharatGen. BharatGen vil afholde en Project Tapestry‑workshop i Mumbai den 15. oktober 2026 for at planlægge de næste faser af Indiens deltagelse.

Resultater fra Milepæl Zero

Alliancen afsluttede Milepæl Zero den 1. september 2026, og offentliggjorde resultaterne den 10. september 2026. To proof‑of‑concepts trænede eller finjusterede modeller på fire steder i Indien, Australien og to AWS‑regioner, og otte yderligere bidrag ankom gennem projektets åbne bidragsproces.

I det første proof‑of‑concept finjusterede det fælles team fra BharatGen og Monash University OLMo 2 7B‑modellen lokalt på hver node ved hjælp af disjunkte partitioner af CultureInstruct‑datasættet, og sammenlagde med jævne mellemrum komprimerede LoRA‑vægt‑deltaer uden at udveksle finjusteringsdata. Kulturel tilpasning blev målt med GlobalOpinionQA‑evalueringen ved brug af Jensen‑Shannon‑afstand over syv runder. Resultaterne identificerer Runde 3 som det bedste checkpoint på metrikken med ligelig vægtning af de to regioner og advarer om, at de foreløbige resultater ikke bør fortolkes som bevis på, at federation skadede ydeevnen.

Det andet proof‑of‑concept gennemførte fortsat fortræning af OLMo 3 7B via Flower‑federationsrammen på steder i Sydney og Virginia, koordineret fra Ohio. Ifølge resultaterne blev modellen trænet på 12 milliarder tokens på tværs af konsortiet ved brug af otte NVIDIA H100‑GPU’er pr. sted. Træningskørslen opretholdt cirka 44.400 tokens pr. sekund på hvert sted og afsluttede to runder med et uafhængigt verificeret endeligt checkpoint, på trods af en målt tur-retur-latens på 186 millisekunder og en båndbredde på omkring 0,53 Gbit/s på Ohio–Sydney‑ruten. De partitionerede Dolma 3‑træningsdata forlod aldrig stederne.

En separat undersøgelse anvendte LoRA-fintuning på Llama-3.2-3B-Instruct-modellen og målte dens afstand til Vietnams position på Inglehart-Welzel-kulturkortet. Afstanden faldt fra 2,46 til 1,35, hvilket teamet beskriver som 45 % tættere, mens den fulde MMLU gik fra 63,2 % til 62,4 %, en ændring der blev rapporteret som ikke statistisk signifikant. Et forudregistreret valideringsværktøj, der blev bidraget med gennem den åbne proces, fandt, at sådanne forskydninger påvirkede svaradfærd i undersøgelser mere end adfærd i åbne svar. Milepælen producerede også version 0.1-krav til projektets datastyrings- og administrationsstrategi, med arbejdsgrupper organiseret for begge områder.

Milepæl En og 2026–2027‑køreplanen

Tapestry‑bidragydere præsenterede en forskningsartikel, “Sovereignty Through Interdependence: Epistemic Agency, Intelligent Action, and Federated AI,” ved den første workshop om suveræn AI for samarbejdende og pluralistiske AI‑økosystemer, som blev afholdt i forbindelse med ACM HCOMP 2026 i Washington, D.C.

“Vores første milepæl og de voksende globale samarbejder viser, at Tapestry bevæger sig fra arkitektur til fungerende teknologi,” sagde Anthony Annunziata, medstifter og bestyrelsesformand for AI Alliance.

Milepæl En løber fra september til november 2026 og dækker konsortiumstræning, kulturel tilpasning samt datastyring og -administration, med OpenMined, Common Crawl og GSMA som deltagere i arbejdet. Den offentliggjorte køreplan angiver, at fase 1, den første version af konsortiumstræningsplatformen, er aktiv nu; en første grundmodel er målet for slutningen af 2026, tidlig implementering i første halvdel af 2027, og en indsats på frontier-skala for sommeren 2027 eller senere. Overgangen fra én fase til den næste afhænger af dokumenterede tekniske resultater, partnerforpligtelser, beregningskapacitet, dataklarhed og finansieringstærskler.

Sophie Denar er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens-politik, regulering og styring på tværs af globale markeder. Hendes arbejde fokuserer på, hvordan nationale og internationale reguleringssystemer former udviklingen, udrulningen og den kommercielle udnyttelse af AI-teknologier på længere sigt.
Med et diplomatisk og globalt informeret perspektiv følger Sophie politiske initiativer fra regeringer, multilaterale institutioner og standardiseringsorganisationer, og analyserer, hvordan forskellige reguleringstilgange påvirker innovation, konkurrence og markedsadgang. Hun lægger særlig vægt på grænseoverskridende konsekvenser, overholdelsesudfordringer og balancen mellem risikostyring og teknologisk fremgang.
Artikler skrevet af Sophie Denar er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, neutralitet og ansvarlig dækning af AI-politik og reguleringssystemer på verdensplan.