本文目錄
Toggle在人工智慧（AI）領域，訓練強大模型向來被視為「燒錢」的代名詞，高度依賴昂貴的 NVIDIA 系統或雲端算力。然而，穩定幣巨頭 Tether 正試圖用技術改寫這個規則。Tether 旗下的技術部門「Tether Data」於 3 月 17 日宣布，正式為其 QVAC（QuantumVerse Automatic Computer）平台推出全球首個跨平台 BitNet LoRA 微調框架。
這項技術的核心價值在於：它能讓具備「十億參數規模（Billion-parameter）」的 AI 模型，在每個人口袋裡的手機上直接進行個性化學習。
1-bit 架構魔力：讓手機性能「以小博大」
這項突破性進展建基於微軟（Microsoft）推出的 BitNet 1-bit LLM 架構。透過 QVAC Fabric 的優化，BitNet 模型的內存占用與計算壓力被降至極低水準。根據公告，該框架不僅支持常見的 NVIDIA GPU，更實現了對 Intel、AMD、Apple M 系列晶片以及行動裝置端 Adreno (Android)、Mali、Apple Bionic GPU 的全面兼容。
這意味著，原本只能在數據中心跑的 AI，現在可以在你的手機上進行「Low-Rank Adaptation（LoRA）」微調。Tether 指出，這種技術能讓邊緣設備處理比傳統 Q4 量化模型「大 2 倍」的模型，展現出極致的記憶體優勢。
實測數據曝光：Samsung S25 與 iPhone 16 的驚人速度
Tether 工程團隊在公告中分享了令人振奮的實測數據，展示了該框架在現代手機上的實戰能力：
- 1.25 億參數模型：在 Samsung S25 上微調一個包含 300 份生物醫學文件的資料集，僅需約 10 分鐘。
- 10 億（1B）參數模型：完成同樣的微調任務，在 Samsung S25 上耗時 1 小時 18 分鐘，而在 iPhone 16 上則為 1 小時 45 分鐘。
- 極限挑戰：開發團隊成功在 iPhone 16 上運行高達 130 億（13B）參數 模型進行微調，推向了行動裝置的物理極限。
告別 API 密鑰，打造 100% 隱私的個人 AI
Tether 執行長 Paolo Ardoino 一直強調：「如果你需要 API 密鑰才能使用 AI，那它就不真正屬於你。」QVAC 的核心理念即是「本地優先（Local-first）」。
透過 BitNet LoRA 框架，使用者可以讓 AI 直接學習本地的郵件、筆記與訊息，而無需將任何數據上傳至雲端伺服器。這不僅消除了企業對機敏數據被濫用的疑慮，更打破了 AI 開發僅侷限於少數巨頭壟斷的現狀。目前，QVAC Fabric LLM 已作為開源軟體（Apache 2.0 授權）發布，並在 Hugging Face 提供預選適配器，讓全球開發者能即刻啟動這場邊緣運算的革命。
相關報導
樂天高調發布「日本最大 AI 模型」，社群發現內核是 DeepSeek V3
