本文目录
Toggle在人工智慧（AI）领域，训练强大模型向来被视为「烧钱」的代名词，高度依赖昂贵的 NVIDIA 系统或云端算力。然而，稳定币巨头 Tether 正试图用技术改写这个规则。Tether 旗下的技术部门「Tether Data」于 3 月 17 日宣布，正式为其 QVAC（QuantumVerse Automatic Computer）平台推出全球首个跨平台 BitNet LoRA 微调框架。
这项技术的核心价值在于：它能让具备「十亿参数规模（Billion-parameter）」的 AI 模型，在每个人口袋里的手机上直接进行个性化学习。
1-bit 架构魔力：让手机性能「以小博大」
这项突破性进展建基于微软（Microsoft）推出的 BitNet 1-bit LLM 架构。透过 QVAC Fabric 的优化，BitNet 模型的内存占用与计算压力被降至极低水准。根据公告，该框架不仅支持常见的 NVIDIA GPU，更实现了对 Intel、AMD、Apple M 系列晶片以及行动装置端 Adreno (Android)、Mali、Apple Bionic GPU 的全面兼容。
这意味著，原本只能在数据中心跑的 AI，现在可以在你的手机上进行「Low-Rank Adaptation（LoRA）」微调。Tether 指出，这种技术能让边缘设备处理比传统 Q4 量化模型「大 2 倍」的模型，展现出极致的记忆体优势。
实测数据曝光：Samsung S25 与 iPhone 16 的惊人速度
Tether 工程团队在公告中分享了令人振奋的实测数据，展示了该框架在现代手机上的实战能力：
- 1.25 亿参数模型：在 Samsung S25 上微调一个包含 300 份生物医学文件的资料集，仅需约 10 分钟。
- 10 亿（1B）参数模型：完成同样的微调任务，在 Samsung S25 上耗时 1 小时 18 分钟，而在 iPhone 16 上则为 1 小时 45 分钟。
- 极限挑战：开发团队成功在 iPhone 16 上运行高达 130 亿（13B）参数 模型进行微调，推向了行动装置的物理极限。
告别 API 密钥，打造 100% 隐私的个人 AI
Tether 执行长 Paolo Ardoino 一直强调：「如果你需要 API 密钥才能使用 AI，那它就不真正属于你。」QVAC 的核心理念即是「本地优先（Local-first）」。
透过 BitNet LoRA 框架，使用者可以让 AI 直接学习本地的邮件、笔记与讯息，而无需将任何数据上传至云端伺服器。这不仅消除了企业对机敏数据被滥用的疑虑，更打破了 AI 开发仅局限于少数巨头垄断的现状。目前，QVAC Fabric LLM 已作为开源软体（Apache 2.0 授权）发布，并在 Hugging Face 提供预选适配器，让全球开发者能即刻启动这场边缘运算的革命。
相关报导
乐天高调发布「日本最大 AI 模型」，社群发现内核是 DeepSeek V3
