Tether 旗下數據與 AI 部門 QVAC 於 3 月 17 日發布重大技術突破，推出全球首款支持微軟 BitNet（1-bit LLM）架構的跨平台 LoRA 微調框架。這項整合進 QVAC Fabric 的技術大幅降低了內存與運算需求，讓十億級參數模型不再是企業級 GPU 的專利，實現了在一般手機與筆電上的「本地化、全隱私」訓練。
（前情提要：Tether 投資 Axiym 擴大支付基礎設施佈局：推動 USDT 融入全球合規支付網路）
（背景補充：Tether 跨界投資 AI 睡眠科技！領投 Eight Sleep 5000 萬美元，估值衝上 15 億鎂）
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
