Tether推全球首手機端十億級AI訓練框架 iPhone Samsung皆可運行

Tether旗下數據與AI部門QVAC於2026年3月17日宣佈推出全球首款支援微軟BitNet 1-bit架構的跨平台LoRA微調框架，讓iPhone及Samsung手機直接運行十億級參數AI模型訓練。此技術整合進QVAC Fabric平台，透過記憶體與運算需求的革命性優化，使原本需企業級GPU的AI訓練轉移至個人裝置，實現「本地化、全隱私」的模型微調。核心突破在於BitNet架構將模型參數壓縮至1-bit量化，大幅降低運算負荷，兼容Intel/AMD晶片、Apple M系列及行動裝置GPU，顛覆傳統AI開發高度依賴雲端算力的模式。此舉不僅降低入門門檻，更解決企業數據外洩隱憂，引領邊緣運算AI新趨勢。

1-bit架構突破手機算力極限

BitNet 1-bit LLM架構的關鍵在於將模型參數從傳統32-bit量化至1-bit，記憶體佔用直降8倍，計算複雜度大幅降低。QVAC團隊透過自研優化引擎，使裝置端運算效率提升至前所未見水準。傳統十億級模型需NVIDIA A100 GPU搭配數百GB記憶體，而QVAC框架在手機端僅需4GB記憶體即可處理，這項突破源自微軟BitNet架構的深度改良——透過稀疏矩陣運算與精準量化策略，確保模型精度不因低比特化而顯著下降。技術細節顯示，框架針對行動裝置GPU架構（如Adreno、Mali）進行硬體感知優化，動態調配計算資源，避免常見的過熱降頻問題。此技術不僅支援現有手機晶片，更為未來AI晶片設計開闢新方向，例如Apple Bionic GPU的神經引擎能直接加速1-bit運算，使手機端AI訓練從「不可能」轉為「日常操作」。Tether此舉是跨足AI戰略的關鍵佈局，結合先前投資Axiym擴展支付基礎設施及領投Eight Sleep睡眠科技的經驗，展現其將區塊鏈技術與AI融合的長期願景。

實測數據驗證跨裝置效能

QVAC團隊公開的實測數據震撼業界：在Samsung S25裝置上，微調300份生物醫學文件的1.25億參數模型僅需10分鐘，而10億參數模型完成相同任務耗時1小時18分；iPhone 16雖稍慢（1小時45分），卻成功運行130億參數模型達成技術極限。此結果遠超業界預期——傳統LoRA微調需在雲端GPU集群執行，單次任務成本約50美元且需數小時。關鍵在於BitNet框架的「低秩適應」（LoRA）機制，僅需更新少量權重參數，而非重新訓練全模型，大幅節省運算量。生物醫學數據集測試更具說服力，因該領域模型需高精度處理專有名詞與醫療術語，而手機端完成度達92%以上。更值得注意的是，iPhone 16在130億參數測試中未出現卡頓，顯示Apple M3晶片的AI加速單元已成熟至能處理極端規模任務。此效能提升直接反映行動裝置硬體進步：高通驍龍8 Gen 3的NPU算力達30TOPS，搭配QVAC的記憶體壓縮演算法，使手機端AI訓練速度逼近雲端。業界分析指出，這將加速AI應用從企業端下沈至個人用戶，例如醫師可直接在手機微調專屬診斷模型，無需依賴第三方平台。

隱私優先打造個人AI生態

Tether執行長Paolo Ardoino強調「需API密鑰的AI不真正屬於使用者」，QVAC框架徹底顛覆此模式。所有訓練過程完全在裝置端執行，數據不離開手機，徹底消除企業對機敏資訊外洩的擔憂。實測顯示，用戶可直接用本地郵件、筆記與通訊記錄訓練AI，例如分析個人醫療紀錄生成健康建議，或從私人相簿學習影像識別，全程無需上傳至伺服器。此設計直擊當前AI隱私危機——全球78%企業因數據安全疑慮放緩AI部署，而QVAC的「本地優先」（Local-first）理念提供合法合規解方。框架以Apache 2.0開源授權釋出，並在Hugging Face提供預設適配器，讓開發者無需重寫代碼即可整合。例如，開發者可快速建立手機端醫療診斷工具，訓練數據完全儲存於用戶裝置，符合GDPR與CCPA法規。此舉更打破AI開發壟斷，過去90%的專業模型訓練需仰賴Google、Meta等巨頭平台，現今普通用戶也能透過手機打造專屬AI。Tether計劃擴展生態系，未來將整合區塊鏈技術，讓用戶以USDT支付模型訓練服務，實現「隱私+去中心化」雙重革新，預計2026年第四季開放應用商店專屬開發者工具包。