GenomeOcean Anywhere：WebGPU 分布式基因组 MoE 推理与隐私保护

该论文提出 GenomeOcean Anywhere 系统，使一个 150 亿参数的基因组混合专家（MoE）模型能在志愿者浏览器中运行，无需将原始 DNA 序列发送至数据中心。系统通过可信协调器处理注意力与路由，利用手写 WebGPU 内核在浏览器中执行专家前馈网络，并采用实值拉格朗日编码计算保护专家输入，确保单个设备无法获取完整序列。 实证数据显示，在 GenomeOcean-MoE（8 个专家、top-2 路由、24 层）上，浏览器路径在各量化级别下与原生性能一致，分布式路径的数值噪声保持在 BF16 底噪水平（KL 散度 0.0036 nat/token）。未拟合的延迟模型在模拟广域网链路下的解码时间预测中位数误差仅为 0.74%。实验表明，明文专家输入存在严重隐私泄露风险，攻击者可通过单向量恢复 token，且仅凭 300 个无序 token 即可以 92% 准确率识别来源基因组；而引入编码专家后，自适应攻击者表现回落至最频繁 token 基线，单 worker 对每个 token 的信息量被限制在每次前向传播低于 1 bit，且 Chrome 环境下的解码耗时为 220 至 376 ms/token。 事实层面，该系统已验证在浏览器端运行大参数基因组模型的可行性与安全性；推断层面，这意味着未来敏感生物数据推理可能不再依赖中心化算力集群，而是转向边缘协同架构；猜测层面，若此类技术扩展至其他垂直领域，可能重塑医疗 AI 的数据合规边界。文中未提及具体商业化时间表或企业落地案例，所有结论均基于 arXiv 预印本中的实验数据。