Tether的第二項儲備資產是情報
Tether 的 QVAC 項目以一個對於穩定幣公司來說不同尋常的短語開篇。該公司將“QVAC Psy”描述為一系列“植根於心理史學原理”的基礎模型。
心理史學指的是艾薩克·阿西莫夫的《基地》系列小說，其中哈里·謝頓運用數學、統計學和社會動力學來預測龐大人口的行為，並縮短銀河帝國崩潰後的黑暗時代。
《科幻百科全書》將阿西莫夫的心理史學描述為“虛構的科學”，而謝登的作品則是一個預測未來事件並通過系統崩潰來保存知識的計劃。
Tether 的宣傳語就像是用科幻語言包裹的使命宣言。該公司通過將儲備金、流動性和分銷渠道轉化為貨幣基礎設施，打造了加密貨幣領域最大的穩定幣。
QVAC 將同樣的理念應用於智能領域。Tether 的首要儲備資產仍然是USDT的核心——類似美元的負債。其第二項儲備資產正在轉變為計算能力、模型、數據集以及在中心化雲之外運行人工智能的能力。
從美元儲備到情報儲備
USDT進軍人工智能領域的運作機制與其核心業務一脈相承。USDT將對離岸美元的需求轉化為以短期主權債券為主的儲備資產組合。
Tether在其 2026 年第一季度業績更新報告中披露，淨利潤為 10.4 億美元，儲備緩衝為 82.3 億美元，代幣相關負債約為 1830 億美元，直接和間接持有的美國國債約為 1410 億美元。該儲備基礎使其能夠……
利用運營實力，將經常性收入、資產負債表容量和為長期基礎設施投資提供資金的空間Tether。
CryptoSlate 此前已追蹤到這種儲備引擎如何將穩定幣的規模轉化為戰略配置。今年 1 月，Tether 購入 8,888 枚BTC，表明利息收入和運營利潤可以轉化為持續的比特幣需求。QVAC 將同樣的邏輯應用於不同的資產類別。
除了比特幣、黃金、初創企業、能源、挖礦、通信和其他基礎設施投資外， Tether還將資金投入到智能領域本身。此舉拓展了該公司的自我定位，使其從私人美元流動性發行者轉變為私人數字基礎設施的構建者。
“心理史學”這一術語契合了這一方向，因為Tether將人工智能視為文明層面而非軟件垂直領域。QVAC的公開資料描述了一個“無限穩定智能平臺”，這是一個面向“去中心化思維”的本地優先系統，也是對集中式人工智能的一種回應。
QVAC 的願景頁面認為，將所有想法都通過集中式服務器進行路由太慢、太脆弱、太受控制，然後將 QVAC 定位為用戶所擁有的智能的邊緣原生基礎。
這種框架與Tether更廣泛的穩定幣理念相呼應。資金流動無需許可。數據應保留在用戶手中。智能應用應在用戶所在之處運行。
阿西莫夫的引述背後隱藏著一個嚴肅的論點。Tether的意思是，當人工智能像具有彈性的基礎設施一樣運作時，它會變得更加持久耐用。
雲模式功能更強大，但也存在提供商風險、定價風險、策略風險、延遲風險等。
QVAC 是一個基於不同種族構建的邊緣堆棧。
QVAC 的關鍵區別在於架構。OpenAI、Anthropic、Google DeepMind 和 xAI 在最大通用能力、編碼、多模態、長上下文推理、智能體行為和企業雲分發等方面展開競爭。
QVAC 的目標是從不同的角度出發：可部署性、隱私性、延遲性、可組合性以及在單一提供商之外的生存能力。
QVAC 的歡迎文檔將該項目定義為一個開源、跨平臺的生態系統，支持在 Linux、macOS、Windows、Android 和 iOS 等平臺上運行本地優先的 P2P 人工智能應用。該文檔還指出，用戶可以在本地運行邏輯語言模型 (LLM)、執行語音識別和檢索增強生成，以及處理其他人工智能任務，也可以通過內置的 P2P 功能將推理任務委託給其他用戶。
這使得 QVAC 與 Frontier Labs 的基準有所不同。Frontier AI 優化的是集中式服務所能提供的最強通用模型。而 QVAC 則優化推理發生的位置、運行時的控制者、哪些數據會離開設備，以及當集中式服務不可用時應用程序是否能夠繼續運行。
Tether 於 2026 年 4 月推出的 SDK 描述了一個統一的開發工具包，該工具包允許開發人員在任何設備上構建、運行和微調 AI，應用程序旨在跨 iOS、Android、Windows、macOS 和 Linux 不變地運行。
它還表示，QVAC SDK 使用統一的抽象層來處理本地推理引擎，包括 QVAC Fabric（llama.cpp 的一個分支），以及與 whisper.cpp、Parakeet 和 Bergamot 的集成，用於語音和翻譯。
這更接近於一個操作層，而非單一模型的發佈。開源人工智能生態系統已經擁有許多強大的組件：Llama、Qwen、Mistral、Gemma、DeepSeek、Hugging Face、llama.cpp、Ollama、vLLM、LM Studio，以及大量本地推理項目。
QVAC 認為，開發者需要一個連貫的邊緣框架，通過一個接口將模型加載、推理、語音、OCR、翻譯、圖像生成、RAG、P2P 模型分發、委託推理和本地微調連接起來。
QVAC 將自身定位為情報分發層，並假設足夠好的本地模型將繼續改進。
QVAC Fabric 是這一論斷的技術核心。TetherTether，Fabric 通過 Vulkan 和 Metal 後端支持對現代消費級硬件進行微調，包括搭載高通 Adreno 或 ARM Mali GPU 的 Android 設備、Apple Silicon 設備以及配備 AMD、Intel 或 NVIDIA 硬件的標準 Windows 或 Linux 系統。
它還描述了針對移動 GPU 內存限制的動態分塊，以及具有 GPU 加速和掩碼損失指令調整的 LoRA 工作流程。
如果這種工作流程在外部開發人員的使用中也適用，那麼它與典型的開源模型發佈方式之間的區別就變得至關重要了。模型權重是一層，本地化適配則是下一層。
MedPsy是QVAC的第一個硬性測試。
MedPsy 為 QVAC 提供了首個具體的模型級驗證點。5 月 7 日發佈的 Hugging Face 技術報告將 QVAC MedPsy 描述為一系列純文本醫療和保健語言模型，專為邊緣部署而構建，參數量分別為 17 億和 40 億。
該主張簡單明瞭且雄心勃勃：通過嚴格控制的醫學後訓練流程訓練的小型模型，可以超越大型醫學基線，同時保持適用於筆記本電腦、高端移動設備和智能手機級應用程序的實用性。
數據是爭論的核心。QVAC 表示，MedPsy-1.7B 在七項封閉式醫療基準測試中得分 62.62，高於谷歌的 MedGemma-1.5-4B-it（得分 51.20），儘管其規模不到 MedGemma-1.5-4B-it 的一半。
報告還指出，MedPsy-4B 的得分為 70.54，略高於 MedGemma-27B-text-it 的 69.95，而其體積卻小了近七倍。
QVAC 報告稱，在 HealthBench 和 HealthBench Hard 上，差距更大，MedPsy-4B 的得分分別為 74.00 和 58.00，而 MedGemma-27B-text-it 的得分分別為 65.00 和 42.67（根據報告中顯示的 CompassJudger 評估）。
如果這些結果能夠被獨立地重複驗證，將支持 QVAC 的核心論點：特定領域的邊緣尺度模型可以在受限的高價值類別中挑戰更大的系統。
訓練方案還展示了QVAC的競爭策略。報告指出，MedPsy採用Qwen3骨幹網絡，並將多階段監督式微調和強化學習應用於醫療質量保證任務。
實驗過程中，該模型生成了超過3000萬行合成文本，採用了兩階段課程體系，並選擇百川M3-235B作為長篇推理監督的單一教師模型。QVAC還指出，訓練語料庫尚未發佈。這一說明至關重要。
目前最有力的公開基準聲明仍然來自 QVAC 本身，而要全面調查汙染、覆蓋範圍、快速建設和教師影響所需的培訓數據仍然不可用。
量化過程中邊緣角度變得更加銳利。QVAC 表示，他們已發佈了適用於 llama.cpp 和 QVAC SDK 的 GGUF 變體，其中 Q4_K_M 可將文件大小減少 69%，而兩種 MedPsy 尺寸的平均得分損失均不到 1 分。
該報告建議使用 Q4_K_M 並進行 imatrix 校準，以兼顧大小和質量：4B 型號為 2.72 GB，1.7B 型號為 1.28 GB。QVAC 型號的常見問題解答還警告說，MedPsy 僅支持文本和英語，不適用於緊急情況，容易產生幻覺，並且依賴於開發人員在整個應用程序架構中保護隱私。這為技術中心提供了合適的框架。
MedPsy之所以前景廣闊，是因為醫學界有充分的理由傾向於局部推斷。但只有外部研究人員復現基準測試流程並在真實的臨床工作流程約束下進行測試，才能最終證實其有效性。
這場懸而未決的鬥爭是便利與控制之間的較量。
本地人工智能與雲端人工智能之爭通常被定義為隱私與性能之間的權衡。QVAC 則將其重新定義為便捷性與控制力之間的較量。雲端人工智能的優勢在於便捷性。用戶只需打開應用，發送請求，即可收到答案，無需承擔模型權重、設備內存、量化、嵌入或運行時兼容性等操作負擔。
服務提供商承擔了所有複雜性。這種便利性非常強大，也解釋了為什麼集中式人工智能平臺能夠如此迅速地擴展。用戶只需極少的設置即可獲得前沿功能。
QVAC 要求開發者和用戶承擔更多責任，以換取不同的安全模型。其回報包括本地執行、離線操作、減少數據暴露、降低對 API 訪問的依賴，以及實現點對點推理和模型分發。
Tether 的 SDK 發佈會上表示，基於 QVAC 的應用程序即使在網絡連接不佳的環境下也能繼續運行，“即使網絡中斷，AI 也能繼續工作”。其 2025 年 QVAC 發佈會更進一步，描述了 AI 代理直接在本地設備上運行、用於設備間協作的點對點網絡，以及 WDK 集成，這將使 AI 代理能夠使用比特幣和USDT進行交易。
這就是Tether 的完整論點：金錢、計算和自主代理應該共享相同的主權設計模式。
去中心化的說法需要仔細斟酌。QVAC在推理層真正實現了去中心化，用戶可以下載模型、在本地運行，並將敏感數據保存在設備上。
它比託管式 API 更去中心化，因為提供商不再駐留在每個提示符中。
根據 Tether 的 SDK 資料，它還通過 Holepunch 技術棧添加了點對點原語，包括委託推理和去中心化模型分發。這些都是實質性的設計選擇。
治理是另一個獨立的層面。QVAC 由Tether提供資金、命名、協調和推廣。其旗艦應用、模型系列、SDK 路線圖以及“穩定智能”語言均源自同一家企業贊助商。
這種結構與“本地優先”的價值主張相符。它將去中心化主張的範圍縮小到證據最充分的領域。
QVAC 實現了推理發生的去中心化。但更廣泛的生態系統仍然需要證據來證明其對默認註冊表、發佈渠道、安全規範、模型包含和長期治理的分佈式控制。
複製是下一個Threshold。
QVAC的信譽如今取決於結果的可重複性。如果MedPsy的結果能夠在QVAC自身評估體系之外得到驗證，那麼Tether將擁有一個可信的案例，來驗證其情報儲備理論：小型、開放、可本地部署的模型，能夠在敏感領域與大型雲端系統競爭。
如果獨立測試縮小或逆轉基準差距，QVAC 的基礎設施優勢依然存在，但其模型主張則顯得蒼白無力。更廣泛的爭論最終迴歸到技術領域最古老的權衡：便利性集中權力，而控制則需要付出努力。
阿西莫夫框架在此發揮了作用。 《基地》中的心理史關注的是承受壓力的大型系統，而泰瑟的版本則聚焦於集中化下的基礎設施。語言宏大，技術論證尚不完善，但方向清晰連貫。
Tether正在利用全球最大穩定幣的現金流構建一個專注於本地執行、對等網絡、開源工具和邊緣規模模型的 AI 技術棧。它正在將穩定幣的理念從貨幣擴展到智能領域。
問題不再是穩定幣公司是否有能力開發人工智能。TetherTether有這個能力。
問題是 QVAC 能否建立足夠強大的模型和基礎設施，使用戶能夠接受本地控制帶來的摩擦。
MedPsy是第一個可衡量的Threshold。獨立重複實驗將確定QVAC的心理史語言是否仍然是一種隱喻，還是開始類似於嚴肅的邊緣人工智能堆棧的早期運行邏輯。
