Tether đã giới thiệu một khung đào tạo AI đa nền tảng mà công ty cho biết có thể tinh chỉnh các mô hình ngôn ngữ lớn trên phần cứng tiêu dùng, bao gồm điện thoại thông minh và GPU không của NVIDIA. Hệ thống này, một phần của nền tảng QVAC của Tether, dựa trên kiến trúc BitNet của Microsoft và kỹ thuật LoRA để giảm thiểu yêu cầu về bộ nhớ và tính toán, có thể giảm chi phí và rào cản phần cứng cho các nhà phát triển. Thông báo này định vị khung làm việc là tương thích với nhiều loại chip—from AMD và Intel đến Apple Silicon—cũng như GPU di động của Qualcomm và Apple. Trong các thử nghiệm nội bộ, các kỹ sư đã tinh chỉnh các mô hình có tới 1 tỷ tham số trên điện thoại thông minh trong chưa đầy hai giờ, với các mô hình nhỏ hơn có thể trong vài phút, và hỗ trợ các mô hình lớn tới 13 tỷ tham số trên thiết bị di động.
Những điểm chính
Khung QVAC của Tether tận dụng kiến trúc mô hình 1-bit (BitNet) để giảm đáng kể việc sử dụng VRAM, cho phép chạy các mô hình lớn hơn trên phần cứng hạn chế.
Việc tinh chỉnh dựa trên LoRA được mở rộng cho phần cứng không của NVIDIA, mở rộng khả năng tương thích trên các nền tảng AMD, Intel và Apple Silicon, cũng như GPU di động của Qualcomm và Apple.
Đào tạo trên thiết bị và học liên kết (federated learning) được nhấn mạnh như các trường hợp sử dụng tiềm năng, nhằm giảm phụ thuộc vào tính toán đám mây trung tâm cho các cập nhật mô hình.
Hiệu suất cũng được cải thiện trong suy luận, với GPU di động được cho là cung cấp kết quả nhanh hơn cho các mô hình BitNet so với các công việc CPU truyền thống.
Chuyển động này phù hợp với xu hướng rộng hơn của ngành công nghiệp crypto mở rộng vào tính toán AI và tính toán hiệu suất cao (HPC), liên quan đến năng lực trung tâm dữ liệu AI và các phần mềm tự hành.
Các mã cổ phiếu đề cập: $BTC, $USDT, $USDC, $COIN, $HIVE
Tâm lý: Trung lập
Bối cảnh thị trường: Xu hướng thúc đẩy đưa đào tạo và suy luận AI gần hơn với các thiết bị biên (edge devices) phản ánh sự chuyển dịch lớn hơn hướng tới AI trên thiết bị và học phân tán trong hệ sinh thái crypto và fintech, cùng với việc phân bổ vốn liên tục cho tính toán AI của các nhà khai thác khai thác và các công ty trung tâm dữ liệu.
Tại sao điều này quan trọng
Đối với một thị trường dựa trên niềm tin vào tiền tệ có thể lập trình và hệ sinh thái không cần phép, khả năng chạy các khối lượng công việc AI lớn trên phần cứng tiêu dùng có thể điều chỉnh lại ai có thể đào tạo và tinh chỉnh các mô hình. Bằng cách giảm yêu cầu VRAM lên tới 77,8% so với các mô hình 16-bit tương đương, theo Tether, khung dựa trên BitNet giải quyết một trong những điểm nghẽn lâu nay của AI biên: giới hạn bộ nhớ. Điều này có thể cho phép các nhà phát triển đẩy mạnh thử nghiệm trên các thiết bị gần người dùng hơn, tiềm năng hỗ trợ đào tạo trên thiết bị và học liên kết bảo vệ quyền riêng tư, nơi các cập nhật được tổng hợp tại chỗ thay vì tải lên máy chủ trung tâm.
Ngoài việc chạy các mô hình có hàng tỷ tham số trên điện thoại thông minh, sáng kiến này còn gợi ý một chiến lược rộng hơn: các công ty crypto đang đẩy mạnh AI và HPC để hỗ trợ các sản phẩm và dịch vụ mới, từ phân tích trên chuỗi đến các tác nhân tự hành thực hiện giao dịch hoặc tương tác với dịch vụ. Bài viết lưu ý rằng các đối thủ lớn đã bắt đầu tích hợp AI vào hoạt động cốt lõi hoặc khám phá hạ tầng dựa trên AI. Khi các nhà khai thác khai thác và trung tâm dữ liệu tìm kiếm các trường hợp sử dụng có lợi nhuận cao hơn, tính toán AI trở thành phần mở rộng tự nhiên của hạ tầng ngành. Điều này phù hợp với xu hướng các nhà đầu tư tổ chức đa dạng hóa vào các khối lượng công việc AI, nhấn mạnh cách các công ty gốc blockchain xem AI là thành phần quan trọng cho khả năng mở rộng dài hạn và phát triển sản phẩm.
Về mặt công nghệ, khả năng đa nền tảng báo hiệu sự chuyển dịch khỏi các hệ thống AI do Nvidia thống trị sang các phương pháp không phụ thuộc vào phần cứng hơn. Sự kết hợp của kiến trúc mô hình 1-bit với tinh chỉnh LoRA trên phần cứng không của NVIDIA mở rộng khả năng phần cứng cho phát triển AI, một bước có thể thúc đẩy thử nghiệm và giảm rào cản cho các nhóm nhỏ hoặc nhà phát triển cá nhân dựa vào thiết bị tiêu dùng. Phát triển này cũng có khả năng ảnh hưởng đến cách các tác nhân AI—chương trình tự hành tương tác với dịch vụ và thực hiện nhiệm vụ—được đào tạo và cập nhật trên thiết bị, có thể tăng cường các trường hợp sử dụng bảo vệ quyền riêng tư bằng cách giảm thiểu truyền dữ liệu đến các điểm cuối đám mây.
Bối cảnh ngành rộng hơn bao gồm các công ty crypto mở rộng vào dịch vụ dựa trên AI và trung tâm dữ liệu. Ví dụ, các bước đi chiến lược của các nhà khai thác và nhà cung cấp hạ tầng để mở rộng năng lực tính toán AI đã được báo cáo trong các quý gần đây, với nhiều đối thủ lớn theo đuổi các triển khai trung tâm dữ liệu tập trung vào AI và các hợp tác. Trong khi tác động ngay lập tức của khung của Tether còn cần chứng minh quy mô, việc nhấn mạnh khả năng tương tác đa nền tảng và khả năng trên thiết bị cho thấy một tương lai nơi các công cụ AI trở nên dễ tiếp cận hơn đối với nhiều thiết bị, kể cả những thiết bị có ngân sách tính toán hạn chế.
Những điều cần theo dõi tiếp theo
Tốc độ ứng dụng: Liệu các công ty crypto và nhà phát triển AI khác có công khai triển khai đào tạo dựa trên BitNet trên phần cứng tiêu dùng không, và các ứng dụng nào sẽ xuất hiện đầu tiên?
Mở rộng đa nền tảng: Khả năng workflow hỗ trợ LoRA mở rộng đến các GPU không của NVIDIA và bộ tăng tốc di động nhanh đến đâu?
Thử nghiệm AI trên thiết bị: Chúng ta có thể thấy các triển khai thực tế về học liên kết hoặc đào tạo trên thiết bị để chứng minh lợi ích về quyền riêng tư không?
Thước đo cạnh tranh: Các thử nghiệm độc lập so sánh đào tạo dựa trên BitNet với các quy trình dựa trên GPU truyền thống trên các thiết bị biên và trung tâm dữ liệu.
Quan hệ đối tác hệ sinh thái: Các hợp tác với nhà cung cấp ví, tác nhân AI hoặc nền tảng phân tích trên chuỗi tích hợp các mô hình đào tạo trên thiết bị vào các sản phẩm hướng tới người dùng.
Nguồn & xác minh
Thông báo ra mắt QVAC của Tether chi tiết khung BitNet/LoRA đa nền tảng và mục tiêu của nó. Xác minh tại trang tin chính thức của Tether liên kết trong thông báo.
Các tuyên bố về giảm VRAM và độ mạnh của tham số của khung QVAC/BitNet, như mô tả trong phát hành của Tether.
Doanh thu và các chỉ số hiệu suất dựa trên AI/HPC của HIVE Digital Technologies được đề cập trong các bài viết của Cointelegraph.
Chứng nhận và khả năng thanh toán của AgentKit của World, như mô tả trong các thông báo chính thức và bài viết của World.
Hạ tầng ví của Coinbase cho các tác nhân AI và hệ thống Alchemy cho phép truy cập dữ liệu blockchain qua USDC, như đã đề cập trong các bài viết liên quan.
Những điều cần theo dõi tiếp theo
Theo dõi các cập nhật từ Tether về các mốc quan trọng của QVAC, bao gồm các tích hợp nền tảng rộng hơn hoặc các thông báo về khả năng tương thích phần cứng bổ sung. Giám sát xem các công ty crypto hoặc fintech khác có bắt đầu công khai các thử nghiệm hiệu suất hoặc các triển khai thử nghiệm xác nhận khả năng đào tạo trên thiết bị không. Cuối cùng, theo dõi các bước đi của các nhà chơi trong ngành AI và crypto hướng tới học liên kết và suy luận trên thiết bị bảo vệ quyền riêng tư, điều có thể định hình lại cách các mô hình được đào tạo và cập nhật trong mạng lưới phân tán.
Nguồn & xác minh
Ra mắt 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/
Bối cảnh doanh thu của HIVE Digital Technologies: https://cointelegraph.com/news/hive-digital-focus-crypto-mining-ai-data-centers
AgentKit của World và các tác nhân AI xác thực bằng con người: https://cointelegraph.com/news/world-launches-agentkit-coinbase-integration-enable-human-verified-ai-agents-embargo
Hạ tầng ví Coinbase cho tác nhân AI: https://cointelegraph.com/news/coinbase-launches-crypto-wallets-built-ai-agents
Truy cập dữ liệu AI của Alchemy qua USDC: https://cointelegraph.com/news/alchemy-ai-agents-pay-access-blockchain-data-usdc
Các số liệu chính và các bước tiếp theo
Với việc Tether định vị QVAC như một khung tính toán đa nền tảng và trích dẫn giảm đáng kể yêu cầu bộ nhớ, công ty gửi tín hiệu về một bước chuyển hướng chiến lược nhằm hỗ trợ các khối lượng công việc AI trên phần cứng phổ biến. Nếu khung này được đón nhận rộng rãi, các nhà phát triển có thể thấy việc thử nghiệm trên thiết bị tiêu dùng được thúc đẩy nhanh hơn, mở rộng phạm vi các công cụ và phân tích trên chuỗi dựa trên AI. Những tháng tới sẽ cho thấy liệu các khả năng này có dẫn đến sự chấp nhận rộng rãi hơn của các nhà phát triển, các thử nghiệm AI trên thiết bị thực tế, và giảm rõ rệt nhu cầu tính toán đám mây cho các tác vụ AI liên quan đến crypto.
Điều này có thể mang lại gì cho người dùng và nhà xây dựng
Đối với người dùng cuối, tiềm năng có thể là các tính năng AI nhanh hơn, riêng tư hơn tích hợp trong ví và dịch vụ trên chuỗi. Đối với nhà xây dựng, khung làm việc này giảm rào cản để thử nghiệm, kiểm tra và hoàn thiện các mô hình AI mà không cần GPU trung tâm dữ liệu cao cấp. Trong một ngành mà chi phí tính toán có thể là hạn chế, sự chuyển dịch này hướng tới AI biên phù hợp với mục tiêu dài hạn về phi tập trung, quyền riêng tư và hiệu quả. Nó cũng nhấn mạnh sự hội tụ liên tục giữa hạ tầng crypto và tính toán AI tiên tiến, một phát triển có thể ảnh hưởng đến mọi thứ từ dịch vụ dữ liệu trên chuỗi đến thiết kế các tác nhân tự hành và công cụ quản trị. Như với bất kỳ công nghệ mới nào, khả năng mở rộng, các cân nhắc về an ninh và tiêu chuẩn khả năng tương tác sẽ định hình tốc độ trưởng thành của các khả năng này và mức độ phổ biến của chúng trong toàn bộ hệ sinh thái.
Bài viết này ban đầu được xuất bản dưới dạng Tether Ra mắt Khung Đào Tạo AI cho Điện Thoại và GPU Tiêu Dùng trên Crypto Breaking News – nguồn tin đáng tin cậy của bạn về tin tức crypto, Bitcoin và cập nhật blockchain.
