Project Mosaic 推出了印度首个去中心化 AI 网格的第一版，试图通过使用 AIKosh IndiaAI 数据集分发计算来取代昂贵的大型集中式数据中心。

诺伊达（北方邦）[印度]，8月25日——Project Mosaic 正式推出了其开创性的基于网络的 AI 网络第一版。该平台不依赖大型、资本密集型的云数据中心，而是聚合日常消费级笔记本电脑和手机，协同训练庞大的千亿参数 AI 模型。这种架构将高性能计算能力直接转移至终端用户。

“目前，整个 AI 行业正撞上一堵巨大的墙：建造耗资数十亿美元、消耗城市规模电力和水资源，并将每个人的私人数据暴露于云端的大型数据中心，”Project Mosaic 创始人 Kanishk Anand 表示，“Project Mosaic 通过聚合已闲置在日常笔记本电脑、工作站和手机上的数百万个强大 GPU 和 NPU，取代了对这些集中式数据中心的需求。利用浏览器原生的 WebGPU 和联邦学习技术，我们将 AI 训练分布到边缘节点。零服务器能源账单，100% 零泄露隐私，以及由大众力量驱动的无限可扩展性。”

此次发布与总理纳伦德拉·莫迪（Narendra Modi）在 8 月 15 日独立日讲话中概述的国家目标相一致，该目标旨在未来一年内培养一千万（one crore）青年掌握人工智能技能。Project Mosaic 通过提供免费且高度易用的 AI 培训并开发自己的小型语言模型（Small Language Model），支持这一倡议。历史上，高昂的云服务器成本将学生排除在 AI 开发之外。通过将标准笔记本电脑转化为活跃的 AI 节点，该平台消除了这些经济障碍，为印度城乡数百万学生提供了一条从被动消费者转变为主动技术构建者的草根路径。

通过利用印度 14 亿公民潜在的算力，Project Mosaic 正在培育一个自力更生（Aatmanirbhar）的数字生态系统。虽然许多全球 AI 模型是在西方数据集上训练的，但它们往往忽视印度的语言和文化细微差别。为解决这一问题，Project Mosaic 原生集成了政府的 AIKosh IndiaAI 数据集平台和印度政府存储库。这确保了在去中心化网络上训练的模型能够准确理解印度语言和文化遗产。至关重要的是，由于所有处理都在用户设备上本地进行，敏感的国内数据永远不会离开该国或进入外国云服务器。

传统 AI 数据中心带来了显著的生态挑战，消耗兆瓦级的电力和数百万加仑的水。Project Mosaic 通过更可持续的模式缓解了这种基础设施瓶颈。然而，纯本地 AI 在处理需要实时互联网数据的复杂查询时可能会遇到困难。为了弥合这一差距，该平台配备了 EcoMind，这是一个嵌入生态系统内部的专有、超高效的绿色 AI 搜索引擎。当本地模型遇到高难度查询时，EcoMind 作为可持续的备用方案，安全地从网络上获取经过验证的信息，同时不会损害设备性能。

构建 AI 的未来并不需要软件工程专业知识。Project Mosaic 通过其 Arcade Hub 将参与过程游戏化，用户可以在其中玩复古风格的网页游戏，如 Neural Super-Highway Racer、Sky Shooter 和 Quantum Snakes & Ladders。在游戏过程中，浏览器会静默地利用设备的图形芯片在后台解决微小的 AI 数学任务。无需下载、驱动程序更新或编码知识——用户只需参与游戏，即可为国家计算网格做出贡献。

与其在一台计算机上重写庞大的 AI 大脑，每个设备只处理微观的数据片段，生成关于所学内容的微小数学“便利贴”。在这张“便利贴”离开计算机之前，数学混淆过滤器确保任何人都无法读取原始数据。中央系统安全地同时从数千名用户处收集这些“便利贴”，丢弃任何错误，并将其融合成一个主 AI 升级版本，然后即时广播回网络上的所有人。

作为印度去中心化、浏览器原生 AI 基础设施的先驱，Project Mosaic 致力于消除集中式 AI 系统的成本、环境和隐私限制。该平台使消费级硬件能够在边缘安全地协同开发基础模型。

如果您反对本新闻稿的内容，请通过 [email protected] 通知我们。我们将在 24 小时内回应并纠正情况。