Tether, эмитент USDT, крупнейшего в мире стейблкоина по рыночной капитализации, выпустил новую систему обучения искусственному интеллекту, которая, по его словам, позволяет точно настраивать большие языковые модели на потребительском оборудовании, включая смартфоны и графические процессоры сторонних производителей.
Согласно объявлению во вторник, система, являющаяся частью платформы QVAC, использует архитектуру Microsoft BitNet и методы LoRA для снижения требований к памяти и вычислениям, что потенциально снижает стоимость и аппаратные барьеры для разработки моделей искусственного интеллекта.
Платформа поддерживает кросс-платформенное обучение и логический вывод на различных чипах, включая AMD, Intel и Apple Silicon, а также мобильных графических процессорах от Qualcomm и Apple.
Tether заявила, что ее инженеры смогли точно настроить модели с до 1 миллиарда параметров на смартфонах менее чем за два часа, а модели меньшего размера — за минуты, при этом поддержка распространяется на модели с размером до 13 миллиардов параметров на мобильных устройствах.
По данным компании, построенная на BitNet, 1-битной архитектуре, требования к видеопамяти могут сократиться на 77,8% по сравнению с аналогичными 16-битными моделями, что позволяет более крупным моделям работать на ограниченном оборудовании. Это также обеспечивает точную настройку LoRA на оборудовании сторонних производителей для 1-битных моделей, расширяя поддержку за пределы графических процессоров, обычно используемых для обучения ИИ.
Компания заявила, что прирост производительности распространяется и на логический вывод: мобильные графические процессоры запускают модели BitNet в несколько раз быстрее, чем центральные процессоры. Он также указал на такие варианты использования, как обучение на устройстве и федеративное обучение, когда модели можно обновлять на распределенных устройствах без отправки данных на централизованные серверы, что потенциально снижает зависимость от облачной инфраструктуры.
Криптовалютные компании расширяют свою деятельность в области искусственного интеллекта: от инфраструктуры майнинга до автономных агентов
Переход Tether к инфраструктуре искусственного интеллекта происходит по мере того, как криптовалютные компании расширяют свою деятельность в сфере вычислений и машинного обучения, при этом активность в сфере майнинга Биткоин и роста числа агентов искусственного интеллекта ускоряется.
В сентябре Google приобрела 5,4% акций Cipher Mining в рамках 10-летней сделки на сумму 3 миллиарда долларов, связанной с мощностью центров обработки данных с использованием искусственного интеллекта. В декабре биткоин-майнер IREN заявил, что планирует привлечь около $3,6 млрд для финансирования инфраструктуры искусственного интеллекта.
Эта тенденция сохранится и в 2026 году. В феврале HIVE Digital Technologies сообщила о рекордной выручке в размере 93,1 миллиона долларов, чему способствовал рост ее операций в области искусственного интеллекта и высокопроизводительных вычислений (HPC), а в марте Core Scientific получила кредит на 500 миллионов долларов от Morgan Stanley с возможностью увеличить его до 1 миллиарда долларов.
Переход горнодобывающего сектора к искусственному интеллекту и высокопроизводительным вычислениям происходит по мере того, как агенты искусственного интеллекта, автономные программы, которые могут совершать транзакции, взаимодействовать с сервисами и выполнять задачи, набирают обороты в секторе криптовалют.
В октябре Coinbase представила инфраструктуру кошелька, позволяющую агентам искусственного интеллекта проводить транзакции в сети. В прошлом месяце Alchemy запустила систему, позволяющую агентам получать доступ к сервисам данных блокчейна с использованием USDC on Base. Также в феврале Pantera и Франклин Темплтон присоединились к Arena, платформе от Sentient для тестирования корпоративных ИИ-агентов.
Во вторник World, сеть идентификации, соучредителем которой является Сэм Альтман из OpenAI, запустила AgentKit, набор инструментов, который позволяет агентам ИИ проверять, что они связаны с уникальным человеком, используя возможности World ID при осуществлении платежей через протокол микроплатежей x402.
