Tether公司的QVAC Fabric集成了BitNet LoRA技术,能够在消费级GPU和旗舰手机上微调并运行数十亿参数的AI模型,从而将重要的AI工作推向边缘设备。
核心概要
QVAC Fabric将BitNet LoRA的微调与推理能力扩展至AMD和Intel GPU、苹果Metal架构以及高端移动GPU。据称,其速度相比CPU基准提升了2至11倍,同时内存占用降低了高达90%。
Tether表示,其已在Pixel 9、Galaxy S25和iPhone 16等设备上完成了最高达38亿参数模型的微调,并在iPhone 16上实现了高达130亿参数的微调。这将设备端AI的能力远远超越了当前常见的30亿参数以下演示模型的范围。
此次发布符合Tether从纯粹的稳定币发行商向基础设施提供商转型的战略。它是对公司早前QVAC系列计划(如包含410亿token的Genesis I数据集和本地AI Workbench)的补充,旨在挑战大型科技公司在AI领域的壁垒。
技术进展
Tether的AI部门已低调发布了其迄今为止最具雄心的非稳定币项目之一:一个跨平台的BitNet LoRA框架。该框架已集成至其QVAC Fabric技术栈中,能够直接在消费级GPU和旗舰智能手机上训练和运行数十亿参数的语言模型。如果其性能指标在独立测试中得以验证,这势必将设备端AI从“概念演示”阶段,推向对硬件厂商和关注加密基础设施的投资者具有系统重要性的新阶段。
新的QVAC Fabric版本在一个统一的框架内,为AMD和Intel GPU、苹果Metal生态系统以及一系列移动GPU带来了BitNet LoRA微调与推理功能。Tether宣称,在旗舰设备上,基于GPU的推理速度比CPU基准快2到11倍,同时与全精度模型相比,内存占用降低了多达90%。在实践中,这意味着可以在相同的硬件条件下运行更大的模型或支持更多的并发会话——这对于散热和内存限制严格的手机和笔记本电脑至关重要。
公布的数据颇具冲击力:Tether团队称已在Pixel 9、Galaxy S25和iPhone 16等设备上完成了最高38亿参数模型的微调,特别是在iPhone 16上更是实现了高达130亿参数的微调。这显著超越了当前行业常态,目前大多数“设备端AI”仍围绕30亿参数以下的模型展开,或将更重负载的任务交由云端处理。如果这一成果可复现,则预示着未来重要的个性化和领域自适应工作可以在本地完成,无需将用户数据传出设备。
战略意图
从战略上看,这符合Tether从稳定币发行商向更广泛的基础设施运营商转型的持续进程。公司已向能源、挖矿和媒体领域投入数十亿美元;现在,其投资组合中又增加了边缘AI工具。相关的QVAC和BitNet LoRA代码已在GitHub上开源,供开发者审查和构建。开源并非纯粹出于利他主义——它是一种分发策略。如果QVAC能成为独立开发者和小型实验室将模型部署到消费级硬件上的默认路径,Tether便能在远离银行业监管直接影响的领域,获得文化和技术层面的影响力。
对市场而言,当前最直接的影响是叙事层面的,而非财务损益。这里没有代币,也没有明显的“获取收益”的角度。但存在一个清晰的宏观故事:随着更多AI工作负载向边缘迁移,基础设施的主导权将从集中的超大规模云服务商,转向掌控关键工具链和硬件抽象层的参与者。Tether正在释放信号,表明其意欲成为这样的参与者之一,并利用其资产负债表来投资那些能降低对任何单一云或司法管辖区依赖的基础组件。对于日益关注AI相关领域的加密生态系统而言,这是一个提醒:并非所有重要的布局都需要与某种代币挂钩。
待解问题
目前,最明显的问题集中在技术层面:BitNet LoRA所宣称的速度提升和内存减少,与同设备上的llama.cpp、MLC或高通自家SDK等现有方案相比如何;在实际使用中的能耗与散热权衡表现怎样;以及其许可协议对商业部署的友好程度。然而,即使Tether所宣称的优势只有保守的一部分能在独立基准测试中得到证实,QVAC Fabric集成BitNet LoRA也标志着向将高端智能手机转变为可用于中型语言模型训练和推理的可行设备迈出了切实的一步——这将AI向边缘又推进了一步,并为Tether在关键数字基础设施领域赢得了又一个立足点。

交易所
交易所排行榜
24小时成交排行榜
人气排行榜
交易所比特币余额
交易所资产透明度证明
去中心化交易所
资金费率
资金费率热力图
爆仓数据
清算最大痛点
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
ETF追踪
比特币持币公司
加密资产反转
以太坊储备
HyperLiquid钱包分析
Hyperliquid鲸鱼监控
索拉纳ETF
大额转账
链上异动
比特币回报率
稳定币市值
期权分析
新闻
文章
财经日历
专题
钱包
合约计算器
账号安全
资讯收藏
自选币种
我的关注