Tether представила кроссплатформенную систему обучения ИИ, которая, по словам компании, может донастраивать большие языковые модели на потребительском оборудовании, включая смартфоны и не-NVIDIA GPU. Эта система, часть платформы QVAC от Tether, основана на архитектуре Microsoft BitNet и техниках LoRA для сокращения требований к памяти и вычислительным ресурсам, что потенциально снижает стоимость и барьеры для разработчиков. Объявление позиционирует эту систему как совместимую с широким спектром чипов — от AMD и Intel до Apple Silicon, а также мобильных GPU от Qualcomm и Apple. Внутренние тесты показывают, что инженеры смогли донастроить модели с до 1 миллиарда параметров на смартфонах менее чем за два часа, а меньшие модели — за несколько минут, при этом поддерживаются модели до 13 миллиардов параметров на мобильных устройствах.
Ключевые моменты
QVAC от Tether использует архитектуру модели с 1 битом (BitNet), что значительно сокращает использование VRAM, позволяя запускать более крупные модели на ограниченном оборудовании.
До настройки на базе LoRA расширены возможности работы с не-NVIDIA аппаратным обеспечением, что расширяет совместимость с платформами AMD, Intel и Apple Silicon, а также мобильными GPU от Qualcomm и Apple.
Отмечается возможность обучения непосредственно на устройстве и федеративного обучения, что снижает зависимость от централизованных облачных вычислений для обновления моделей.
Производительность также улучшается при выводе результатов, поскольку мобильные GPU, по сообщениям, обеспечивают более быстрый отклик для моделей BitNet, чем традиционные CPU.
Этот шаг соответствует более широкой тенденции в индустрии, когда криптовалютные компании расширяют свои возможности в области ИИ и высокопроизводительных вычислений, включая развитие дата-центров для ИИ и автономных программных агентов.
Упомянутые тикеры: $BTC, $USDT, $USDC, $COIN, $HIVE
Настроение: нейтральное
Контекст рынка: Стремление приблизить обучение и вывод ИИ к периферийным устройствам отражает более широкий сдвиг в сторону локального ИИ и распределенного обучения в крипто- и финтех-экосистемах, а также продолжающиеся инвестиции майнинговых операторов и дата-центров в ИИ-вычисления.
Почему это важно
Для рынка, основанного на доверии к программируемым деньгам и децентрализованным экосистемам, возможность запускать крупные ИИ-обработки на потребительском оборудовании может изменить правила игры в области обучения и донастройки моделей. По словам Tether, сокращение требований к VRAM до 77,8% по сравнению с аналогичными 16-битными моделями решает одну из самых устойчивых проблем — ограничение памяти на периферийных устройствах. Это может позволить разработчикам проводить больше экспериментов на устройствах, находящихся ближе к пользователю, что потенциально откроет путь к приватности и локальному обучению, а также федеративному обучению, при котором обновления собираются локально, а не загружаются на централизованные серверы.
Помимо возможности запускать модели с миллиардами параметров на смартфонах, инициатива намекает на более широкую стратегию: криптовалютные компании активно используют ИИ и HPC для поддержки новых продуктов и сервисов — от аналитики в блокчейне до автономных агентов, взаимодействующих с сервисами. В статье отмечается, что крупные игроки уже начали интегрировать ИИ в свои основные операции или исследовать инфраструктуру, управляемую ИИ. По мере того как майнинговые и дата-центровые операторы ищут более прибыльные сценарии использования, вычисления на базе ИИ становятся естественным продолжением инфраструктурных решений сектора. Это соответствует тенденции диверсификации институциональных игроков в области ИИ, подчеркивая, что блокчейн-компании рассматривают ИИ как важный компонент долгосрочной масштабируемости и развития продуктов.
С технологической точки зрения, кроссплатформенная совместимость сигнализирует о сдвиге от доминирования Nvidia к более аппаратно-нейтральным подходам. Комбинация архитектуры модели с 1 битом и донастройки LoRA на не-NVIDIA оборудовании расширяет потенциальный пул аппаратных средств для разработки ИИ, что может ускорить эксперименты и снизить барьеры для небольших команд или индивидуальных разработчиков, использующих потребительские устройства. Это также, вероятно, повлияет на обучение и обновление ИИ-агентов — автономных программ, взаимодействующих с сервисами и выполняющих задачи — на устройстве, что может усилить сценарии приватности за счет минимизации передачи данных в облако.
Общий фон индустрии включает расширение криптовалютных компаний в области ИИ-услуг и дата-центров. Например, в последние кварталы сообщалось о стратегических шагах майнеров и поставщиков инфраструктуры по масштабированию ИИ-вычислений, а крупные игроки развивают ИИ-центрированные дата-центры и партнерства. Хотя масштабное влияние системы Tether еще предстоит продемонстрировать, акцент на кроссплатформенной совместимости и возможностях на устройстве предполагает будущее, в котором инструменты ИИ станут более доступными для широкого круга устройств, включая те с ограниченными вычислительными ресурсами.
Что следить дальше
Темпы внедрения: Будут ли другие крипто-компании и разработчики ИИ публично запускать обучение на базе BitNet на потребительском оборудовании, и какие приложения появятся первыми?
Расширение кроссплатформенности: Как быстро техника LoRA распространится на дополнительные не-NVIDIA GPU и мобильные ускорители?
Пилоты на устройстве: Будем ли видеть реальные внедрения федеративного обучения или пилотные проекты по обучению на устройстве, демонстрирующие преимущества приватности данных?
Конкурентные показатели: Независимые тесты сравнения обучения на базе BitNet с традиционными GPU-ориентированными рабочими процессами на периферийных устройствах и в дата-центрах.
Партнерства в экосистеме: Какие сотрудничества с поставщиками кошельков, ИИ-агентами или платформами аналитики, использующими модели, обученные на периферии, появятся для интеграции в пользовательские продукты.
Источники и проверка
Объявление о запуске QVAC от Tether с описанием кроссплатформенной системы BitNet/LoRA и ее целей. Проверить на официальной странице новостей Tether, указанной в объявлении.
Заявленные сокращения VRAM и параметров в рамках QVAC/BitNet, как описано в релизе Tether.
Отчет о доходах и показателях эффективности HIVE Digital Technologies, основанный на отраслевых публикациях Cointelegraph.
Проверка возможностей AI-агентов и платежных систем World’s AgentKit, как описано в официальных коммуникациях и публикациях.
Инфраструктура кошелька Coinbase для ИИ-агентов и система Alchemy, обеспечивающая доступ к данным блокчейна через USDC, согласно упоминаниям в статье.
Что дальше следить
Следите за обновлениями от Tether по этапам развития QVAC, включая возможные расширения платформы или анонсы совместимости с новым оборудованием. Следите за тем, начнут ли другие крипто- или финтех-компании публиковать показатели эффективности или пилотные проекты, подтверждающие возможности обучения на устройстве. Также важно отслеживать инициативы в области федеративного обучения и приватности, которые могут изменить подходы к обучению и обновлению моделей в распределенных сетях.
Источники и проверка
Запуск QVAC от Tether: https://tether.io/news/tethers-qvac-launches-worlds-first-cross-platform-bitnet-lora-framework-to-enable-billion-parameter-ai-training-and-inference-on-consumer-gpus-and-smartphones/
Рыночный контекст и доходы HIVE: https://cointelegraph.com/news/hive-digital-focus-crypto-mining-ai-data-centers
Проверка AI-агентов World AgentKit: https://cointelegraph.com/news/world-launches-agentkit-coinbase-integration-enable-human-verified-ai-agents-embargo
Инфраструктура кошелька Coinbase для ИИ-агентов: https://cointelegraph.com/news/coinbase-launches-crypto-wallets-built-ai-agents
Доступ к данным AI-агентов через USDC с помощью Alchemy: https://cointelegraph.com/news/alchemy-ai-agents-pay-access-blockchain-data-usdc
Ключевые фигуры и дальнейшие шаги
Позиционируя QVAC как кроссплатформенную вычислительную систему и ссылаясь на значительное снижение требований к памяти, Tether демонстрирует стратегический сдвиг в сторону поддержки ИИ-нагрузок на широко доступном оборудовании. Если эта система получит распространение, разработчики смогут ускорить эксперименты на потребительских устройствах, расширяя возможности аналитики и инструментов на блокчейне. В ближайшие месяцы станет ясно, приведет ли это к более широкому принятию среди разработчиков, практическим пилотам на устройстве и реальному снижению нагрузки на облачные вычисления для задач, связанных с крипто-ИИ.
Что это может означать для пользователей и создателей
Для конечных пользователей — возможность более быстрых и приватных функций на базе ИИ, встроенных в кошельки и сервисы на блокчейне. Для разработчиков — снижение барьеров для прототипирования, тестирования и доработки моделей ИИ без необходимости дорогостоящих дата-центровых GPU. В секторе, где стоимость вычислений может быть ограничивающим фактором, такой сдвиг в сторону периферийных ИИ-решений соответствует долгосрочным целям децентрализации, приватности и эффективности. Также он подчеркивает продолжающуюся интеграцию инфраструктуры криптовалют и передовых вычислений ИИ, что может повлиять на развитие аналитики, автономных агентов и инструментов управления. Как и с любой новой технологией, масштабируемость, безопасность и стандарты совместимости будут определять скорость развития и распространения этих решений в экосистеме.
Эта статья изначально публиковалась под названием Tether Launches AI Training Framework for Phones and Consumer GPUs на Crypto Breaking News — вашем надежном источнике новостей о криптовалютах, Bitcoin и блокчейне.
