Tether 推出全球首个手机端「十亿级 AI 训练框架」，iPhone、Samsung 都能跑 LoRA

Tether 旗下数据与 AI 部门 QVAC 于 3 月 17 日发布重大技术突破，推出全球首款支持微软 BitNet（1-bit LLM）架构的跨平台 LoRA 微调框架。这项整合进 QVAC Fabric 的技术大幅降低了内存与运算需求，让亿级参数模型不再是企业级 GPU 的专利，实现了在普通手机与笔记本电脑上的“本地化、全隐私”训练。
（前情提要：Tether 投资 Axiym 扩大支付基础设施布局：推动 USDT 融入全球合规支付网络）
（背景补充：Tether 跨界投资 AI 睡眠科技！领投 Eight Sleep 5000 万美元，估值冲上 15 亿美元）

本文目录

Toggle

• 1-bit 架构魔力：让手机性能“以小博大”
• 实测数据曝光：Samsung S25 与 iPhone 16 的惊人速度
• 告别 API 密钥，打造 100% 隐私的个人 AI

在人工智能（AI）领域，训练强大模型一直被视为“烧钱”的代名词，高度依赖昂贵的 NVIDIA 系统或云端算力。然而，稳定币巨头 Tether 正试图用技术改写这个规则。Tether 旗下的技术部门“Tether Data”于 3 月 17 日宣布，正式为其 QVAC（QuantumVerse Automatic Computer）平台推出全球首个跨平台 BitNet LoRA 微调框架。

这项技术的核心价值在于：它能让具备“亿级参数规模（Billion-parameter）”的 AI 模型，在每个口袋里的手机上直接进行个性化学习。

1-bit 架构魔力：让手机性能“以小博大”

这项突破性进展建基于微软（Microsoft）推出的 BitNet 1-bit LLM 架构。通过 QVAC Fabric 的优化，BitNet 模型的内存占用与计算压力被降至极低水平。根据公告，该框架不仅支持常见的 NVIDIA GPU，更实现了对 Intel、AMD、Apple M 系列芯片以及移动端 Adreno（Android）、Mali、Apple Bionic GPU 的全面兼容。

这意味着，原本只能在数据中心运行的 AI，现在可以在你的手机上进行“Low-Rank Adaptation（LoRA）”微调。Tether 指出，这项技术能让边缘设备处理比传统 Q4 量化模型“更大 2 倍”的模型，展现出极致的内存优势。

实测数据曝光：Samsung S25 与 iPhone 16 的惊人速度

Tether 工程团队在公告中分享了令人振奋的实测数据，展示了该框架在现代手机上的实战能力：

• **1.25 亿参数模型：**在 Samsung S25 上微调一个包含 300 份生物医学文件的数据集，仅需约 10 分钟。
• **10 亿（1B）参数模型：**完成同样的微调任务，在 Samsung S25 上耗时 1 小时 18 分钟，而在 iPhone 16 上则为 1 小时 45 分钟。
• **极限挑战：**开发团队成功在 iPhone 16 上运行高达 130 亿（13B）参数 模型进行微调，推向了移动设备的物理极限。

告别 API 密钥，打造 100% 隐私的个人 AI

Tether 执行长 Paolo Ardoino 一直强调：“如果你需要 API 密钥才能使用 AI，那它就不真正属于你。”QVAC 的核心理念即是“本地优先（Local-first）”。

通过 BitNet LoRA 框架，用户可以让 AI 直接学习本地的邮件、笔记与信息，而无需将任何数据上传至云端服务器。这不仅消除了企业对敏感数据被滥用的疑虑，更打破了 AI 开发仅由少数巨头垄断的现状。目前，QVAC Fabric LLM 已作为开源软件（Apache 2.0 授权）发布，并在 Hugging Face 提供预设适配器，让全球开发者能够立即启动这场边缘计算的革命。