Tether, емітент найбільшого в світі стейблкойна за ринковою капіталізацією, USDT, випустив нову структуру навчання штучного інтелекту, яка, за її словами, дозволяє точно налаштовувати великі мовні моделі на споживчому апаратному забезпеченні, включаючи смартфони та графічні процесори не від Nvidia.
Згідно з оголошенням у вівторок, система, яка є частиною платформи QVAC, використовує архітектуру Microsoft BitNet і методи LoRA для зменшення вимог до пам’яті та обчислень, потенційно знижуючи вартість і апаратні бар’єри для розробки моделей ШІ.
Фреймворк підтримує міжплатформне навчання та висновки для цілого ряду мікросхем, включаючи AMD, Intel і Apple Silicon, а також мобільних графічних процесорів Qualcomm і Apple.
Tether каже, що його інженери змогли точно налаштувати моделі з до 1 мільярда параметрів на смартфонах менш ніж за дві години, а менші моделі – за хвилини, при цьому підтримка поширюється на моделі з розміром до 13 мільярдів параметрів на мобільних пристроях.
За словами компанії, створена на основі BitNet, 1-розрядної архітектури моделі, вона може скоротити вимоги до VRAM на 77,8% порівняно з аналогічними 16-розрядними моделями, дозволяючи більшим моделям працювати на обмеженому обладнанні. Він також забезпечує точне налаштування LoRA на апаратному забезпеченні не від Nvidia для 1-розрядних моделей, розширюючи підтримку за межі графічних процесорів, які зазвичай використовуються для навчання ШІ.
Компанія заявила, що збільшення продуктивності поширюється на логічні висновки, оскільки мобільні графічні процесори працюють з моделями BitNet у кілька разів швидше, ніж центральні процесори. Він також вказав на такі випадки використання, як навчання на пристрої та федеративне навчання, коли моделі можна оновлювати на розподілених пристроях без надсилання даних на централізовані сервери, що потенційно зменшує залежність від хмарної інфраструктури.
Компанії, що займаються криптовалютою, розширюють діяльність штучного інтелекту, від інфраструктури майнінгу до автономних агентів
Перехід Tether до інфраструктури штучного інтелекту стався в той момент, коли криптовалютні компанії розширюють сферу обчислень і машинного навчання, прискорюється активність майнінгу біткойнів і зростає кількість агентів штучного інтелекту.
У вересні Google придбала 5,4% акцій Cipher Mining у рамках 10-річної угоди на суму 3 мільярди доларів, пов’язаної з потужністю центру обробки даних зі штучним інтелектом. У грудні біткойн-майнер IREN заявив, що планує залучити близько 3,6 мільярда доларів для фінансування інфраструктури ШІ.
Ця тенденція збереглася й у 2026 році. У лютому HIVE Digital Technologies повідомила про рекордний дохід у розмірі 93,1 мільйона доларів США завдяки зростанню операцій зі штучним інтелектом і високопродуктивними обчисленнями (HPC), а в березні Core Scientific залучила кредитну лінію на 500 мільйонів доларів від Morgan Stanley з можливістю розширення до 1 мільярда доларів.
Поворот сектору майнінгу до штучного інтелекту та HPC відбувається, коли агенти ШІ, автономні програми, які можуть здійснювати транзакції, взаємодіяти з сервісами та виконувати завдання, набирають обертів у секторі криптовалют.
У жовтні Coinbase представила інфраструктуру гаманця, яка дозволяє агентам штучного інтелекту проводити транзакції в мережі. Минулого місяця Alchemy запустила систему, яка дозволяє агентам отримувати доступ до служб даних блокчейну за допомогою USDC on Base. Також у лютому Pantera та Франклін Темплтон приєдналися до Arena, платформи Sentient для тестування корпоративних агентів ШІ.
У вівторок World, ідентифікаційна мережа, співзасновником якої є Сем Альтман з OpenAI, запустила AgentKit, набір інструментів, який дозволяє агентам штучного інтелекту перевіряти їх зв’язок з унікальною людиною за допомогою можливостей World ID під час здійснення платежів через протокол мікроплатежів x402.
