تيثر تطلق إطار عمل للذكاء الاصطناعي للهواتف الذكية ووحدات معالجة الرسومات الاستهلاكية

Traders Union
جميع الأخبار
العملات الرقمية
Tether تطلق إطار عمل الذكاء الاصطناعي

جميع الأخبار

أهم الأخبار

الأسهم

العملات الرقمية

الاقتصاد

العملات

السلع

أصوات السوق

Yaroslav Dmytrenko

17.03.2026

تيثر تطلق إطار عمل للذكاء الاصطناعي للهواتف الذكية ووحدات معالجة الرسومات الاستهلاكية — يعزز إطار عمل Tether الجديد الذكاء الاصطناعي اللامركزي والخاص

أطلقت Tether إطار عمل لتدريب الذكاء الاصطناعي على الهواتف الذكية ومعالجات الرسومات الاستهلاكية. وتؤكد الشركة أن النتائج لا تقلل من متطلبات الأجهزة فحسب، بل تقلل أيضاً من عملية التدريب نفسها.

أهم الأخبار

شركة Tether تطلق إطار عمل الذكاء الاصطناعي للهواتف الذكية ووحدات معالجة الرسومات للمستهلكين
يقلل BitNet من احتياجات الذاكرة بنسبة تصل إلى 77.8% للتدريب
يتيح إطار العمل تدريب نموذج الذكاء الاصطناعي على الجهاز ونموذج الذكاء الاصطناعي الموحد

تمت ترجمة هذا المقال من النسخة الأصلية. اقرأ النسخة الأصلية التي أعدها مراسلنا هنا.

لم تعد رقائق إنفيديا الخيار الوحيد بعد الآن

يسمح إطار العمل، وهو جزء من منصة QVAC التابعة لشركة Tether، بضبط النماذج اللغوية الكبيرة على الأجهزة الاستهلاكية، بما في ذلك الهواتف الذكية ومعالجات الرسوميات، مما يوسع نطاق الدعم إلى ما هو أبعد من وحدات معالجة الرسومات المهيمنة Nvidia GPU المستخدمة عادةً في تدريب الذكاء الاصطناعي.

تدعم المنصة التدريب والاستدلال عبر المنصات على مختلف الرقائق، بما في ذلك AMD و Intel و Apple Silicon ووحدات معالجة الرسومات المحمولة من Qualcomm و Apple. يستخدم النظام بنية BitNet من Microsoft وتقنيات LoRA لتقليل متطلبات الذاكرة والحوسبة.

وبفضل بنية نموذج BitNet ذات 1 بت، يمكن للمنصة تقليل متطلبات ذاكرة الفيديو بنسبة تصل إلى 77.8% مقارنةً بنماذج 16 بت المماثلة، مما يتيح تشغيل نماذج أكبر على الأجهزة محدودة الموارد. وقد قام مهندسو Tether بضبط النماذج التي تصل إلى مليار معلمة على الهواتف الذكية في أقل من ساعتين، بينما تستغرق النماذج الأصغر بضع دقائق فقط، مع دعم نماذج تصل إلى 13 مليار معلمة على الأجهزة المحمولة.

يمكن لوحدات معالجة الرسومات على الأجهزة المحمولة معالجة نماذج BitNet أسرع عدة مرات من وحدات المعالجة المركزية. وتشمل حالات الاستخدام المحتملة التدريب على الجهاز والتعلم الموحد، حيث يتم تحديث النماذج عبر الأجهزة الموزعة دون إرسال البيانات إلى خوادم مركزية، مما يقلل من الاعتماد على البنية التحتية السحابية.

تحول كبير في صناعة الذكاء الاصطناعي

يمثل هذا الإطلاق خطوة مهمة نحو تحقيق اللامركزية في صناعة الذكاء الاصطناعي، والتي تعتمد حالياً بشكل كبير على مزودي الخدمات السحابية ومجموعات وحدات معالجة الرسومات باهظة الثمن. تفتح نماذج التدريب مباشرةً على أجهزة المستخدم الباب أمام المزيد من تطبيقات الذكاء الاصطناعي الخاصة والمستقلة، مما يحافظ على البيانات على الجهاز، وهي ميزة رئيسية في ظل تزايد لوائح حماية البيانات.

بالإضافة إلى ذلك، يمكن أن يؤدي تقليل الاعتماد على أجهزة Nvidia إلى إعادة تشكيل المشهد التنافسي، مما يعزز صانعي الرقائق البديلة ويشجع على تطوير حلول أكثر كفاءة في استخدام الطاقة. إذا تم اعتماد هذه التكنولوجيا على نطاق واسع، فقد تسرّع هذه التقنية من نشر الذكاء الاصطناعي على نطاق واسع في المنتجات الاستهلاكية وإنشاء نماذج أعمال جديدة تتمحور حول الحوسبة المتطورة وشبكات التدريب الموزعة.

كما أوردنا في تقريرنا " تيثر كيوفاك" على الهاتف المحمول مع LLAMA 3.2، يلاحظ باولو أردوينو

Ваша пробная версия версия закончилась

قد يحتوي هذا المحتوى على آراء طرف ثالث، ولا تشكل أي من البيانات والمعلومات على هذه الصفحة الإلكترونية نصيحة استثمارية وفقًا لـ إخلاء المسؤولية الخاص بنا. بينما نلتزم بـ النزاهة التحريرية الصارمة، قد يحتوي هذا المنشور على إشارات إلى منتجات من شركائنا.

هل أعجبك المقال؟