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 BitNet от Microsoft 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 аппаратурой, что расширяет совместимость с платформами AMD, Intel и Apple Silicon, а также мобильными GPU от Qualcomm и Apple.
Обучение на устройстве и федеративное обучение выделены как потенциальные сценарии использования, что снижает зависимость от централизованных облачных вычислений для обновления моделей.
Производительность также улучшается при выводе, при этом мобильные GPU, по сообщениям, обеспечивают более быстрый результат 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 мощностей дата-центров 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 значительные ИИ-нагрузки 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 периферийного ИИ — ограничения памяти. Это может позволить разработчикам проводить больше экспериментов на устройствах, находящихся ближе к пользователям, что потенциально откроет возможности для приватности и локального обучения, а также федеративного обучения, при котором обновления собираются локально, а не загружаются на централизованные серверы.
Помимо новизны запуска миллиардных моделей 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, совершающих транзакции или 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 более широкой 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.
Общая индустриальная картина включает расширение крипто-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 непосредственный эффект от внедрения системы Tether еще предстоит продемонстрировать в масштабах, акцент на кроссплатформенную совместимость и возможности 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 workflow с 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 сравнивают обучение на базе BitNet с традиционными GPU-ориентированными рабочими процессами на периферийных устройствах и в дата-центрах.
Партнерства в экосистеме: Возможные коллаборации с поставщиками кошельков, ИИ-агентами или платформами аналитики, интегрирующими модели, обученные на периферии, 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 HIVE Digital Technologies о доходах и показателях, связанных с ИИ/HPC, по данным отраслевых источников, таких как Cointelegraph.
Проверка возможностей AI-агентов и платежных систем World’s AgentKit, как описано в официальных коммуникациях и публикациях.
Инфраструктура кошельков Coinbase для ИИ-агентов и система Alchemy, обеспечивающая доступ к данным блокчейна через USDC, согласно источникам.
Что следить дальше
Следите за обновлениями от Tether по ключевым этапам QVAC, включая возможные расширения платформы или анонсы совместимости с новым оборудованием. Следите за публикациями других крипто- или финтех-компаний о тестовых результатах или пилотных проектах, подтверждающих возможности обучения на устройстве. Также отслеживайте развитие федеративного обучения и приватных сценариев вывода ИИ, что может изменить подходы к обучению и обновлению моделей в распределенных сетях.
Источники и проверка
Запуск Tether QVAC: 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/
Реализация HIVE Digital Technologies: https://cointelegraph.com/news/hive-digital-focus-crypto-mining-ai-data-centers
Проверка AI-агентов World AgentKit и человеческая верификация: https://cointelegraph.com/news/world-launches-agentkit-coinbase-integration-enable-human-verified-ai-agents-embargo
Инфраструктура кошельков Coinbase для ИИ-агентов: https://cointelegraph.com/news/coinbase-launches-crypto-wallets-built-ai-agents
Доступ к данным AI-агентов Alchemy через USDC: 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 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 использования дорогостоящих дата-центровых GPU. В секторе, где стоимость вычислений может быть ограничивающим фактором, такой сдвиг в сторону периферийного ИИ соответствует долгосрочным целям децентрализации, приватности и эффективности. Также он подчеркивает продолжающуюся интеграцию инфраструктуры криптовалют с передовыми вычислительными технологиями 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 опубликована как Tether Launches AI Training Framework for Phones and Consumer GPUs на Crypto Breaking News — вашем надежном источнике новостей о криптовалютах, Bitcoin и блокчейне.
