AI Alliance「Project Tapestry」が狙うもの

公開モデルの次に来る、「共同訓練の主権」

2026年4月7日、AI Allianceは「Project Tapestry」を発表した。これは、最先端級の公開基盤モデルを、分散・連合型のかたちで共同訓練するためのオープンソース基盤をつくる構想だ。同時に、ヤン・ルカンがAI AllianceおよびProject TapestryのChief Science Advisorに就任し、構想段階から技術実装、さらに国際的な協調までの科学面を主導する役割を担う。2023年12月にIBMとMetaを中心に発足したAI Allianceは、2026年4月時点で29カ国・200超の組織が参加する非営利連合へ拡大しており、Tapestryはその集積を「モデル公開」ではなく「モデルをどう作るか」の側へ振り向ける試みだといえる。 (prnewswire.com)

今回の発表で印象的なのは、AI Allianceが問題設定をかなり明確にしている点である。いまや“open-weight”のモデルは珍しくないが、それだけでは事前学習のプロセスが開かれたことにはならない。訓練インフラ、データ・パイプライン、モデル設計や評価の意思決定は、なお少数の企業や地域に集中している――これがTapestryの出発点だ。そこで同プロジェクトは、各参加者が自前のデータや計算資源を保持したまま、共有のオープン基盤モデルを共同で育て、その上に各自の事情に合う派生モデルを築ける枠組みを目指す。AI Allianceはその最初の具体的な場として、2026年5月7日〜8日にパリで創設ワークショップを開き、アーキテクチャ、ロードマップ、モデル開発の優先順位を詰めるとしている。 (events.thealliance.ai)

この構想の要は、「主権AI」を単なるローカル運用やAPI切り替えの話にとどめず、事前学習そのもののレイヤーまで下ろしてきたことにある。Tapestryは主権を三層で定義する。第一に国家主権として、生データをローカルノードの外へ出さない。第二に文化的主権として、微調整やRLHF、constitutional AI、DPOなどによる整合化・方針づけを各参加者が自分で持つ。第三に産業主権として、医療・法務・製造・科学などの領域向けアダプタや派生モデルをローカルに構築する。Brookingsの2026年報告書は、アプリケーション層だけの「主権」では、外国モデルのAPI、更新、価格、法域に依存が残りやすいと指摘している。そこから逆算すると、Tapestryは主権AIを“利用の主権”から“訓練の主権”へ押し広げようとする試み、と読むのが自然だ。 (events.thealliance.ai)

技術的背景も、完全な絵空事ではない。連合学習の古典であるMcMahanらの研究は、データを中央に集めずにローカル更新を集約する枠組みを示し、通信効率が核心的課題であることを早くから明らかにした。そこから先の研究では、DiLoCoが「疎結合な計算島」同士での低通信訓練を提案し、C4上で8ワーカー・500倍少ない通信量でも完全同期型と同等の性能を報告している。FDAPTはドメイン適応事前学習を連合的に進めても中央集約型に競争力を保てることを示し、FlexOlmoはMoEを用いて、閉じたデータセット上で別々に訓練した専門家モジュールを後から統合し、推論時に利用データを柔軟に含めたり外したりできる設計を提示した。Tapestryはまだ完成品ではないが、その背後にある要素技術は確かに育ってきている。 (arxiv.org)

では、なぜ今なのか。Linux Foundationの2025年調査は、主権AIを「価値があり戦略的に重要」とみなす回答が79%に達し、主な動機としてデータ統制72%、国家安全保障69%を挙げる。さらに、主権AIの主要アプローチとして81%がオープンソース・ソフトウェアを重視し、94%がグローバル協調を不可欠とみなしている。重要なのは、ここでいう主権が孤立を意味していないことだ。むしろ、オープンな基盤と中立的な協働の上で、各国・各組織が自律性を確保する――Tapestryはまさにその方向に合流している。 (linuxfoundation.org)

もっとも、Tapestryの本当の難所はアルゴリズム単体ではなく、制度設計とインセンティブ設計にある。公式資料でも、Tapestryは「完成したシステムではない」と明記され、まずは参加組織を集めて最初の主権連合学習ランを形にする段階にある。運営面では、AI Allianceの501(c)(3)非営利研究組織がコミュニティの受け皿となり、主要貢献組織の代表から成るボードが統治する計画だ。加えて、AI Alliance全体のガバナンス文書では、プロジェクトに対して意思決定過程、リーダー、コード・データ・資金の由来、貢献方法、ライセンスの透明性を求めている。Tapestryは単なる学習フレームワークではなく、国際共同研究を成立させる制度的な土台づくりでもある。 (prnewswire.com)

その前途は平坦ではない。Linux Foundationの同調査では、オープンソースAI活用の障害としてデータ品質44%、技術人材不足35%、国際協調の障害として資源制約35%、知財懸念34%、地政学的緊張28%が挙がった。Tapestryが研究者だけでなく、GPUクラスタ運用に通じたシステムエンジニア、主権クラウドや国立HPCセンター、政府、大学、データ保有機関を広く募っているのは、まさにこの複合課題を反映している。通信効率のよい分散最適化があっても、評価基準、貢献の公正性、法令順守、継続的な計算資源拠出が揃わなければ、共同訓練は持続しない。 (linuxfoundation.org)

現時点、2026年4月8日のTapestryは、まだ「新しい公開基盤モデル」を即座に届けるプロジェクトではない。むしろその価値は、公開AIの論点を“重みが開いているか”から、“訓練に誰が参加できるか”へ一段深く移したことにある。もしこれが成功すれば、各国政府、大学、産業機関は、共有ベースモデルの形成に参加しながら、自国の法制度・言語・価値観・産業要件に沿った派生モデルを持てるようになるだろう。逆に、もし頓挫するとすれば、それは計算資源やガバナンスや信頼形成を国際的に編み合わせることの難しさを示すはずだ。どちらに転んでも、Project Tapestryは「オープンモデルの次」を占う重要な実験として見る価値がある。 (events.thealliance.ai)

主な出典: AI Alliance公式発表・Project Tapestry紹介ページ、AI Allianceのガバナンス文書、Linux Foundation Research「The State of Sovereign AI」、McMahanらの連合学習論文、DiLoCo、FDAPT、FlexOlmo。 (prnewswire.com)