Tether wprowadza platformę AI dla smartfonów i konsumenckich procesorów graficznych

Traders Union
Wszystkie wiadomości
Kryptowaluty
Tether uruchamia platformę AI

Wszystkie wiadomości

Najważniejsze wydarzenia

Wybór redakcji

Akcje

Kryptowaluty

Ekonomia

Waluty

Surowce

Głosy rynku

Yaroslav Dmytrenko

17.03.2026

Tether wprowadza platformę AI dla smartfonów i konsumenckich procesorów graficznych — Nowa struktura Tether promuje zdecentralizowaną i prywatną sztuczną inteligencję

Tether uruchamia framework do szkolenia AI na smartfonach i konsumenckich procesorach graficznych. Firma zapewnia, że wyniki nie tylko znacznie zmniejszają wymagania sprzętowe, ale także sam proces szkolenia.

Najważniejsze

Tether uruchamia platformę AI dla smartfonów i konsumenckich układów GPU
BitNet zmniejsza zapotrzebowanie na pamięć nawet o 77,8% w przypadku szkoleń
Framework umożliwia szkolenie modeli AI na urządzeniu i w federacji

Ten artykuł został przetłumaczony z oryginału. Przeczytaj oryginalną wersję przygotowaną przez naszego korespondenta tutaj.

Układy Nvidii nie są już jedyną opcją

Framework, będący częścią platformy QVAC firmy Tether, umożliwia dostrajanie dużych modeli językowych na sprzęcie konsumenckim, w tym smartfonach i procesorach graficznych, rozszerzając wsparcie poza dominujące procesory graficzne Nvidia, zwykle używane do szkolenia sztucznej inteligencji.

Platforma obsługuje wieloplatformowe szkolenie i wnioskowanie na różnych układach, w tym AMD, Intel, Apple Silicon i mobilnych procesorach graficznych Qualcomm i Apple. System wykorzystuje architekturę BitNet firmy Microsoft i techniki LoRA w celu zmniejszenia wymagań dotyczących pamięci i obliczeń.

Dzięki 1-bitowej architekturze modelu BitNet, platforma może zmniejszyć wymagania dotyczące pamięci wideo nawet o 77,8% w porównaniu do podobnych modeli 16-bitowych, umożliwiając uruchamianie większych modeli na urządzeniach o ograniczonych zasobach. Inżynierowie Tether dostroili modele o rozdzielczości do 1 miliarda parametrów na smartfonach w czasie poniżej dwóch godzin, przy czym mniejsze modele zajęły zaledwie kilka minut, obsługując jednocześnie modele o rozdzielczości do 13 miliardów parametrów na urządzeniach mobilnych.

Mobilne układy GPU mogą przetwarzać modele BitNet kilka razy szybciej niż procesory CPU. Potencjalne przypadki użycia obejmują szkolenie na urządzeniu i uczenie federacyjne, w którym modele są aktualizowane na rozproszonych urządzeniach bez wysyłania danych do scentralizowanych serwerów, potencjalnie zmniejszając zależność od infrastruktury chmury.

Znacząca zmiana w branży sztucznej inteligencji

Premiera stanowi ważny krok w kierunku decentralizacji branży sztucznej inteligencji, która obecnie w dużym stopniu opiera się na dostawcach usług w chmurze i drogich klastrach GPU. Trenowanie modeli bezpośrednio na urządzeniach użytkowników otwiera drzwi do bardziej prywatnych i autonomicznych aplikacji AI, utrzymując dane na urządzeniu - kluczowa zaleta w obliczu rosnących przepisów dotyczących ochrony danych.

Ponadto, zmniejszenie zależności od sprzętu Nvidia może zmienić krajobraz konkurencji, wzmacniając alternatywnych producentów chipów i zachęcając do opracowywania bardziej energooszczędnych rozwiązań. Jeśli technologia ta zostanie powszechnie przyjęta, może przyspieszyć masowe wdrażanie sztucznej inteligencji w produktach konsumenckich i stworzyć nowe modele biznesowe skoncentrowane na przetwarzaniu brzegowym i rozproszonych sieciach szkoleniowych.

Jak informowaliśmy, Tether QVAC trafia na urządzenia mobilne z LLAMA 3.2, zauważa Paolo Ardoino

Ваша пробная версия Premium закончилась

Ten materiał może zawierać opinie osób trzecich, żadne dane ani informacje na tej stronie nie stanowią porady inwestycyjnej zgodnie z naszym Zastrzeżeniem. Chociaż przestrzegamy surowych Zasad Redakcyjnych, ten post może zawierać odniesienia do produktów naszych partnerów.

Czy spodobał Ci się ten artykuł?