Project Tapestry 达成首个里程碑，扩大越南和印度的 AI 合作

AI Alliance 于2026年9月30日宣布，在纽约联合国大会周期间，Project Tapestry 已完成首个技术里程碑，并扩大了与越南和印度的主权 AI 合作。

Project Tapestry 正在构建一个开放的全球联盟，国家和机构在其中合作开发基础模型，同时保留对其数据、主权模型和部署的控制权。根据在 项目页面 上描述的架构，合作节点将敏感数据保留在本地，利用这些数据计算权重更新，并仅共享产生的模型权重；任何合作伙伴都可以基于共享的基础模型构建完全拥有的主权衍生模型。页面列出 Yann LeCun 为该项目的首席科学顾问，并将 AI Alliance 描述为一个拥有超过 200 家成员组织的非营利 AI 研究与开源技术联盟。

越南确认合作主权模型的意向

在大会周期间，AI Alliance 与 Project Tapestry 的领导人在纽约会见了越南总书记兼总统 Tô Lâm 以及高级政府部长。会谈确认了在越南国家 AI 战略和重点方向下合作开发主权 AI 模型的意向，涵盖越南语言、文化、知识以及国家级使用案例。越南自项目早期阶段起便参与了 Project Tapestry，联盟将此次扩大合作描述为将联盟模型转化为国家规模主权 AI 发展的关键一步。

“Project Tapestry 为越南提供了将国际合作转化为持久国家能力的机会——开发能够理解我们的语言、文化、知识和优先事项的 AI，同时培养能够运营、适应和推进该技术的工程师和机构，”越南旧金山总领事 Hoang Anh Tuan 大使说道。

Project Tapestry 首席架构师 Christopher Nguyen 表示，Tô Lâm 对该方向的支持凸显了项目的宏大愿景，并指出越南、印度、日本和不丹正在开展的平行工作。

印度简报先于孟买研讨会

本周，印度驻纽约总领事 Binaya Srikanta Pradhan 在印度总领事馆接待了 Project Tapestry 的领导人。BharatGen 创始主任 Ganesh Ramakrishnan、Stony Brook University 的 Ritwik Banerjee 以及 AI Alliance 的合伙人兼董事 Kaushik Bhatta 向总领事简要介绍了联盟驱动的 AI 开发、Tapestry 的方法以及 Stony Brook 最近加入联盟的情况。Pradhan 表示，为印度语言和文化打造的 AI 能够保持主体性。

印度一直是该项目的早期贡献者。BharatGen 作为该国政府支持的开源基础模型堆栈，在机器学习副总裁 Dr. Maneesh Singh 的指导下，开展了里程碑的两项概念验证之一，并与 Monash University 在印度和澳大利亚联合训练，同时各机构的数据均保留在本国。同一周，盖茨基金会将 Ramakrishnan 评为 2026 年 Goalkeepers 冠军，以表彰他对 BharatGen 的领导。BharatGen 将于 2026 年 10 月 15 日在孟买举办 Project Tapestry 研讨会，规划印度参与的下一阶段。

里程碑零成果

联盟于 2026 年 9 月 1 日完成了里程碑零，并 于2026年9月10日发布了研究结果。两项概念验证在印度、澳大利亚以及两个 AWS 区域的四个站点上训练或微调模型，另外还有八项通过项目开放贡献流程提交的贡献。

在首个概念验证中，BharatGen 与 Monash University 的联合团队在每个节点本地使用 CultureInstruct 数据集的非重叠分区对 OLMo 2 7B 模型进行微调，定期合并压缩的 LoRA 权重增量，而不交换任何微调数据。文化对齐通过 GlobalOpinionQA 评估使用 Jensen-Shannon 距离在七轮中进行测量。研究结果显示第 3 轮在两个区域的等值指标上是最佳检查点，并提醒不要将初步结果解读为联邦化对性能产生负面影响的证据。

第二项概念验证通过 Flower 联邦框架在悉尼和弗吉尼亚的站点上继续对 OLMo 3 7B 进行预训练，协调工作在俄亥俄进行。研究结果显示，该运行在整个联盟上使用每站点八块 NVIDIA H100 GPU 训练了 120 亿 token，保持约每秒 44,400 token 的吞吐，并在两轮后完成了经独立验证的最终检查点，尽管在俄亥俄‑悉尼路径上测得往返延迟为 186 毫秒，带宽约为 0.53 Gbit/s。分区的 Dolma 3 训练数据从未离开各站点。

一项独立研究在 Llama-3.2-3B-Instruct 模型上使用 LoRA 微调，并测量其在 Inglehart-Welzel 文化地图上相对于越南位置的距离，从 2.46 降至 1.35，团队称其接近了 45%，而完整的 MMLU 分数则从 63.2% 降至 62.4%，该变化被报告为统计上不显著。预先注册的验证工具通过公开过程贡献的结果显示，这种转变对问卷调查回答行为的影响大于对开放式行为的影响。该里程碑还制定了项目数据治理和管理策略的 0.1 版需求，并为两个领域组织了工作组。

里程碑一及 2026–2027 路线图

Tapestry 贡献者在华盛顿特区的 ACM HCOMP 2026 同期举办的首届主权 AI 协作与多元 AI 生态系统研讨会上，发表了题为《通过相互依赖实现主权：认识论代理、智能行动与联邦 AI》的论文。

“我们的首个里程碑以及日益增长的全球合作表明，Tapestry 正在从架构阶段转向可实际运行的技术，” AI Alliance 联合创始人兼董事会主席 Anthony Annunziata 说。

里程碑一将在 2026 年 9 月至 11 月期间开展，涵盖联盟培训、文化对齐以及数据治理与管理，OpenMined、Common Crawl 和 GSMA 将加入此项工作。已发布的路线图将第一阶段——联盟培训平台的首个版本——列为当前正在进行；首个基础模型的目标是 2026 年底完成，2027 年上半年进行早期部署，2027 年夏季或以后开展前沿规模的工作。阶段之间的推进取决于技术验证点、合作伙伴承诺、计算资源可用性、数据准备情况以及资金门槛。