ตอนนี้คุณสามารถปรับแต่งโมเดล AI บน iPhone ของคุณได้ — Tether ทำให้เป็นไปได้แล้ว

TLDR

• Tether เปิดตัวเฟรมเวิร์กการฝึกอบรม AI ใหม่ชื่อ QVAC Fabric ซึ่งทำงานบนสมาร์ทโฟนและ GPU สำหรับผู้บริโภค
• ระบบนี้ใช้สถาปัตยกรรม BitNet ของ Microsoft และเทคนิค LoRA เพื่อลดการใช้หน่วยความจำได้ถึง 90%
• โมเดลที่มีพารามิเตอร์สูงถึง 13 พันล้านพารามิเตอร์สามารถปรับแต่งได้บน iPhone 16
• เฟรมเวิร์กนี้รองรับชิป AMD, Intel, Apple Silicon และชิปมือถือจาก Qualcomm และ Apple
• นี่เป็นส่วนหนึ่งของการเปลี่ยนแปลงที่กว้างขึ้นของ Tether จากผู้ออก stablecoin ไปสู่บริษัท AI และโครงสร้างพื้นฐาน

---

(SeaPRwire) –   Tether บริษัทผู้อยู่เบื้องหลัง USDT stablecoin ได้เปิดตัวเฟรมเวิร์กการฝึกอบรม AI ใหม่ที่ช่วยให้ผู้ใช้สามารถปรับแต่งโมเดลภาษาขนาดใหญ่บนอุปกรณ์ทั่วไป เช่น สมาร์ทโฟน และ GPU ที่ไม่ใช่ของ Nvidia

JUST IN: Tether’s QVAC unveils BitNet LoRA framework, bringing large-scale AI training to consumer GPUs and smartphones. pic.twitter.com/kiQOZp744L

— SwanDesk (@SwanDesk) March 17, 2026

เฟรมเวิร์กนี้เป็นส่วนหนึ่งของแพลตฟอร์ม QVAC ของ Tether และใช้สถาปัตยกรรม BitNet ของ Microsoft ร่วมกับเทคนิคที่เรียกว่า LoRA การทำงานร่วมกันนี้ช่วยลดหน่วยความจำและพลังการประมวลผลที่จำเป็นในการฝึกอบรมโมเดล AI ทำให้สามารถทำงานบนอุปกรณ์ที่ปกติแล้วจะประสบปัญหาในการทำงานดังกล่าวได้

Tether กล่าวว่าระบบนี้ช่วยลดความต้องการหน่วยความจำได้ถึง 90% เมื่อเทียบกับโมเดล 16 บิตมาตรฐาน ซึ่งหมายความว่าโมเดล AI ที่ใหญ่ขึ้นสามารถทำงานบนโทรศัพท์ แล็ปท็อป และ GPU ราคาประหยัดได้

บริษัทกล่าวว่าวิศวกรของตนได้ปรับแต่งโมเดลที่มีพารามิเตอร์สูงถึง 1 พันล้านพารามิเตอร์บนสมาร์ทโฟนภายในเวลาไม่ถึงสองชั่วโมง โมเดลขนาดเล็กใช้เวลาเพียงไม่กี่นาที

บนโทรศัพท์เรือธง เช่น iPhone 16, Pixel 9 และ Galaxy S25 ทีมงานได้ผลักดันการปรับแต่งโมเดลให้มีขนาดใหญ่ถึง 3.8 พันล้านพารามิเตอร์ บน iPhone 16 โดยเฉพาะ พวกเขาไปถึง 13 พันล้านพารามิเตอร์

เฟรมเวิร์กนี้ทำงานได้กับฮาร์ดแวร์หลากหลายประเภท รองรับชิป AMD, Intel และ Apple Silicon รวมถึง GPU มือถือจาก Qualcomm และ Apple

ตามข้อมูลของ Tether GPU มือถือที่รันโมเดล BitNet สามารถทำงานได้เร็วกว่าการตั้งค่าแบบใช้ CPU เพียงอย่างเดียวถึง 2 ถึง 11 เท่า

AI บนอุปกรณ์โดยไม่ต้องใช้คลาวด์

กรณีการใช้งานหนึ่งที่ Tether เน้นคือ Federated Learning ซึ่งช่วยให้โมเดล AI ได้รับการอัปเดตผ่านอุปกรณ์หลายเครื่องโดยไม่ต้องส่งข้อมูลส่วนบุคคลไปยังเซิร์ฟเวอร์กลาง ลดการพึ่งพาโครงสร้างพื้นฐานคลาวด์

แนวทางนี้หมายความว่าผู้ใช้สามารถปรับแต่งโมเดล AI ได้ในเครื่อง โดยเก็บข้อมูลของตนไว้ในอุปกรณ์แทนที่จะอัปโหลดไปยังบุคคลที่สาม

โค้ดเบื้องหลัง QVAC ได้ถูกเปิดเผยเป็นโอเพนซอร์สบน GitHub ทำให้ผู้พัฒนาและห้องปฏิบัติการขนาดเล็กสามารถต่อยอดได้

บริษัทคริปโตกำลังลงทุนในโครงสร้างพื้นฐาน AI

การเคลื่อนไหวของ Tether สอดคล้องกับแนวโน้มที่กว้างขึ้นในอุตสาหกรรมคริปโต บริษัทจำนวนมากที่เริ่มต้นจากสินทรัพย์ดิจิทัลกำลังลงทุนใน AI และโครงสร้างพื้นฐานคอมพิวเตอร์

ในเดือนกันยายน 2024 Google ได้เข้าถือหุ้น 5.4% ใน Cipher Mining เป็นส่วนหนึ่งของข้อตกลงมูลค่า 3 พันล้านดอลลาร์ที่เกี่ยวข้องกับความจุศูนย์ข้อมูล AI

ผู้ขุด Bitcoin ชื่อ IREN ได้ประกาศแผนการในเดือนธันวาคม 2024 เพื่อระดมทุนประมาณ 3.6 พันล้านดอลลาร์สำหรับโครงสร้างพื้นฐาน AI

ในเดือนกุมภาพันธ์ 2025 HIVE Digital Technologies รายงานรายได้เป็นประวัติการณ์ที่ 93.1 ล้านดอลลาร์ ขับเคลื่อนโดยการเติบโตในด้าน AI และการประมวลผลประสิทธิภาพสูง

Core Scientific ได้รับวงเงินสินเชื่อ 500 ล้านดอลลาร์จาก Morgan Stanley ในเดือนมีนาคม พร้อมทางเลือกในการขยายเป็น 1 พันล้านดอลลาร์

ในวันเดียวกับที่ Tether ประกาศ World เครือข่ายระบุตัวตนที่ร่วมก่อตั้งโดย Sam Altman จาก OpenAI ได้เปิดตัว AgentKit ชุดเครื่องมือนี้ช่วยให้เอเจนต์ AI สามารถยืนยันได้ว่าเชื่อมโยงกับมนุษย์จริงโดยใช้ World ID และทำการชำระเงินผ่านโปรโตคอลการชำระเงินรายย่อย x402

นอกจากนี้ในเดือนกุมภาพันธ์ Alchemy ได้เปิดตัวระบบที่ช่วยให้เอเจนต์ AI สามารถเข้าถึงบริการข้อมูลบล็อกเชนโดยใช้ USDC บน Base