CoinFubi

在边缘AI前沿，Tether 的 QVAC Fabric 与 BitNet LoRA 集成，能够直接在消费级 GPU 与旗舰智能手机上对多亿参数的语言模型进行微调与运行，将显著的工作负载推向边缘设备。该平台声称，在旗舰设备上的基于GPU的推理比 CPU 基线快 2 到 11 倍，且与全精度模型相比，内存使用量可降低高达 90%。从实际角度看，这一设置使在移动设备和笔记本电脑上，在相同硬件约束内可以运行更大规模的模型或更多并发会话。这一版本与 Tether 从纯稳定币发行商向基础设施玩家的转型目标保持一致，补充了先前的 QVAC 项目，如 Genesis I dataset 和 AI Workbench，以挑战大型科技公司的 AI 壁垒。

其 AI 部门已悄然在 QVAC Fabric 内推出跨平台的 BitNet LoRA 框架，能够在消费级硬件上训练并运行多亿参数模型。如果这些数字在 Tether 自身基准之外仍然成立，这将把设备端 AI 从“可爱演示”领域推向对硬件厂商和与加密相关基础设施投资者都具有系统性意义的层级。头部数字令人瞩目：Tether 团队称，已在 Pixel 9、Galaxy S25 和 iPhone 16 等设备上完成多达 38 亿参数模型的微调，并且在 iPhone 16 上的微调规模已推进至高达 130 亿参数。这与当前普遍的“设备端 AI”营销多围绕低于 3B 参数模型，或将更重的工作负载转移到云端的情况形成鲜明对比。

若可复现，这意味着未来可以在本地实现严肃的个性化与领域特定的适应，而无需将用户数据发送出设备。从战略层面看，这与 Tether 正在进行的从纯稳定币发行商向更广泛基础设施运营商转型的步伐相符。公司已在能源、矿业和媒体等领域投入数十亿美元；如今它又将边缘AI工具纳入其产品组合，并将相关的 QVAC 与 BitNet LoRA 代码开源至 GitHub，供开发者检视并在此基础上进行开发。开源并非出于慈善——而是为了分发。

如果 QVAC 成为独立开发者和小型实验室将模型推向消费级硬件的默认路径，Tether 就在一个远离银行监管直接线的技术栈中获得了文化和技术相关性。对市场而言，直接影响是叙事性的，而非利润与损失。这里没有代币，也没有“通过此获得收益”的明显角度。但存在一个明确的宏观故事：随着越来越多的 AI 工作迁移到边缘，基础设施的权力从集中式超大云厂商转移到掌控关键工具链和硬件抽象层的那一方。

Tether 正在发出信号，表示其希望成为这些玩家之一，利用自身的资产负债表来培育原语，降低对任何单一云端或司法辖区的依赖。对于加密领域而言，日益痴迷于 AI 相关玩法的生态系统，这一事实提示并非所有重要投资都需要一个交易代码。若对 Tether 的主张有保守部分在独立基准测试中得到证实，QVAC Fabric 的 BitNet LoRA 集成将成为一个切实步骤，将高端智能手机变成可用于中等规模语言模型训练与推理的装置——让 AI 在边缘更进一步，同时为 Tether 在关键数字基础设施领域再增一处据点。Tether AI 团队刚发布了 QVAC Fabric 的新版本，纳入世界首个跨平台 BitNet LoRA 框架，以实现对消费级 GPU 与智能手机上的十亿参数 AI 的训练与推理。