Tether a dévoilé un cadre d'entraînement AI multiplateforme que la société affirme capable d'affiner de grands modèles linguistiques sur du matériel grand public, y compris les smartphones et les GPU non-NVIDIA. Le système, faisant partie de la plateforme QVAC de Tether, s'appuie sur l'architecture BitNet de Microsoft et les techniques LoRA pour réduire la consommation de mémoire et de calcul, ce qui pourrait diminuer les coûts et les barrières matérielles pour les développeurs. L'annonce présente le cadre comme compatible avec un large éventail de puces — d'AMD et Intel à Apple Silicon — ainsi qu'avec les GPU mobiles de Qualcomm et Apple. Lors de tests internes, des ingénieurs auraient affiné des modèles jusqu'à 1 milliard de paramètres sur des smartphones en moins de deux heures, avec des modèles plus petits réalisables en quelques minutes, et supportant des modèles allant jusqu'à 13 milliards de paramètres sur des appareils mobiles.
Principaux points à retenir
Le cadre QVAC de Tether exploite une architecture de modèle à 1 bit (BitNet) pour réduire drastiquement l'utilisation de VRAM, permettant à des modèles plus grands de fonctionner sur du matériel contraint.
L'affinement basé sur LoRA est étendu au matériel non-NVIDIA, élargissant la compatibilité à AMD, Intel, Apple Silicon, ainsi qu'aux GPU mobiles de Qualcomm et Apple.
La formation sur appareil et l'apprentissage fédéré sont mis en avant comme cas d'usage potentiels, indiquant une dépendance réduite au calcul cloud centralisé pour les mises à jour de modèles.
Les gains de performance s'étendent à l'inférence, avec des GPU mobiles qui offriraient des résultats plus rapides pour les modèles BitNet que les charges de travail CPU traditionnelles.
Ce mouvement s'inscrit dans une tendance plus large de l'industrie où les entreprises de crypto s'étendent dans le calcul AI et le calcul haute performance, touchant à la capacité des centres de données AI et aux agents logiciels autonomes.
Tickers mentionnés : $BTC, $USDT, $USDC, $COIN, $HIVE
Sentiment : Neutre
Contexte du marché : La volonté de rapprocher l'entraînement et l'inférence AI des appareils en périphérie reflète une évolution vers l'IA sur appareil et l'apprentissage distribué dans les écosystèmes crypto et fintech, parallèlement à l'allocation continue de capitaux dans le calcul AI par les opérateurs miniers et les entreprises de centres de données.
Pourquoi c'est important
Pour un marché basé sur la confiance dans la monnaie programmable et les écosystèmes permissionless, la capacité à exécuter des charges de travail AI importantes sur du matériel grand public pourrait rééquilibrer qui peut entraîner et affiner des modèles. En réduisant les besoins en VRAM jusqu'à 77,8 % par rapport à des modèles 16 bits comparables, selon Tether, le cadre basé sur BitNet s'attaque à l'un des points de friction persistants de l'IA en périphérie : les contraintes de mémoire. Cela pourrait permettre aux développeurs d'expérimenter davantage sur des appareils proches des utilisateurs, favorisant potentiellement la formation locale respectueuse de la vie privée et l'apprentissage fédéré, où les mises à jour sont agrégées localement plutôt que téléchargées vers des serveurs centraux.
Au-delà de la nouveauté d'exécuter des modèles à milliards de paramètres sur des smartphones, cette initiative suggère une stratégie plus large : les entreprises crypto misent sur l'IA et le HPC pour soutenir de nouveaux produits et services, allant de l'analyse en chaîne à des agents autonomes qui transigent ou interagissent avec des services. L'article note que des acteurs majeurs ont déjà commencé à intégrer l'IA dans leurs opérations principales ou à explorer une infrastructure pilotée par l'IA. Alors que les opérateurs miniers et les fournisseurs de centres de données cherchent des cas d'usage à marge plus élevée, le calcul AI devient une extension naturelle de l'infrastructure du secteur. Cela s'inscrit dans une tendance plus large où les acteurs institutionnels diversifient leurs charges de travail AI, soulignant comment les entreprises natives de la blockchain voient l'IA comme un composant clé de leur scalabilité et développement à long terme.
Côté technologie, la capacité multiplateforme signale un déplacement d'une architecture dominée par Nvidia vers des approches plus hardware-agnostiques. La combinaison d'une architecture de modèle à 1 bit avec l'affinement LoRA sur du matériel non-NVIDIA élargit le pool potentiel de matériel pour le développement AI, ce qui pourrait accélérer l'expérimentation et réduire les barrières pour les petites équipes ou développeurs individuels utilisant des appareils grand public. Ce développement pourrait également influencer la formation et la mise à jour des agents AI — programmes autonomes interagissant avec des services et exécutant des tâches — sur appareil, renforçant potentiellement les cas d'usage respectueux de la vie privée en minimisant le transfert de données vers le cloud.
Le contexte plus large de l'industrie inclut l'expansion des entreprises crypto dans les services AI et les centres de données. Par exemple, des mouvements stratégiques de mineurs et de fournisseurs d'infrastructure pour augmenter la capacité de calcul AI ont été rapportés ces derniers trimestres, avec plusieurs grands acteurs poursuivant des déploiements et partenariats centrés sur l'IA. Bien que l'impact immédiat du cadre de Tether reste à démontrer à grande échelle, l'accent mis sur l'interopérabilité multiplateforme et les capacités sur appareil suggère un avenir où les outils AI deviendront plus accessibles à une gamme plus large d'appareils, y compris ceux avec des budgets de calcul limités.
Ce qu'il faut surveiller
Vitesse d'adoption : D'autres entreprises crypto et développeurs AI déploieront-ils publiquement des formations basées sur BitNet sur du matériel grand public, et quelles applications émergeront en premier ?
Expansion multiplateforme : À quelle vitesse le flux de travail activé par LoRA s'étendra-t-il à d'autres GPU non-NVIDIA et accélérateurs mobiles ?
Projets AI sur appareil : Verrons-nous des déploiements réels d'apprentissage fédéré ou des pilotes de formation sur appareil démontrant des bénéfices en matière de confidentialité des données ?
Références et vérification
Annonce de lancement de QVAC par Tether détaillant le cadre multiplateforme BitNet/LoRA et ses objectifs. Vérifier sur la page officielle de Tether.
Les revendications de réduction de VRAM et de paramètres du cadre QVAC, telles que décrites dans le communiqué de Tether.
Les performances et revenus liés à l’IA/HPC de HIVE Digital Technologies, cités dans la couverture de Cointelegraph.
Les capacités de vérification et de paiement des agents AI d’AgentKit de World, telles que décrites dans leurs communications officielles.
L'infrastructure de portefeuille Coinbase pour les agents AI et le système Alchemy permettant l’accès aux données blockchain via USDC, comme indiqué dans la couverture de l’article.
Ce qu'il faut surveiller
Suivre les mises à jour de Tether concernant les jalons de QVAC, y compris toute intégration de plateforme plus large ou annonces de compatibilité matérielle supplémentaire. Surveiller si d’autres acteurs du secteur crypto ou fintech publient des benchmarks de performance ou des déploiements pilotes validant les affirmations d’entraînement sur appareil. Enfin, suivre les initiatives dans l’industrie AI et crypto vers l’apprentissage fédéré et l’inférence sur appareil respectueuse de la vie privée, qui pourraient transformer la manière dont les modèles sont entraînés et mis à jour dans des réseaux distribués.
Sources & vérification
Lancement de Tether QVAC : https://tether.io/news/tethers-qvac-launches-worlds-first-cross-platform-bitnet-lora-framework-to-enable-billion-parameter-ai-training-and-inference-on-consumer-gpus-and-smartphones/
Contexte de revenus de HIVE Digital Technologies : https://cointelegraph.com/news/hive-digital-focus-crypto-mining-ai-data-centers
AgentKit de World et agents AI vérifiés par des humains : https://cointelegraph.com/news/world-launches-agentkit-coinbase-integration-enable-human-verified-ai-agents-embargo
Infrastructure de portefeuille Coinbase pour agents AI : https://cointelegraph.com/news/coinbase-launches-crypto-wallets-built-ai-agents
Accès aux données AI d’Alchemy utilisant USDC : https://cointelegraph.com/news/alchemy-ai-agents-pay-access-blockchain-data-usdc
Chiffres clés et prochaines étapes
En positionnant QVAC comme un cadre de calcul multiplateforme et en évoquant des réductions substantielles de mémoire, Tether indique une orientation stratégique vers la prise en charge des charges de travail AI sur du matériel largement accessible. Si le cadre gagne en popularité, les développeurs pourraient accélérer l’expérimentation sur appareils grand public, élargissant la portée des outils et analyses AI assistés par la blockchain. Les mois à venir révéleront si ces capacités se traduisent par une adoption plus large par les développeurs, des pilotes AI sur appareil concrets, et une réduction tangible de la demande en calcul cloud pour les tâches AI liées à la crypto.
Ce que cela pourrait signifier pour les utilisateurs et les créateurs
Pour les utilisateurs finaux, il existe un potentiel pour des fonctionnalités AI plus rapides et plus privées intégrées dans les portefeuilles et services en chaîne. Pour les créateurs, le cadre réduit la barrière à la prototypage, au test et à l’affinement des modèles AI sans nécessiter de GPU de centre de données haut de gamme. Dans un secteur où le coût du calcul peut être un frein, cette transition vers l’IA en périphérie s’aligne avec des objectifs à long terme de décentralisation, de confidentialité et d’efficacité. Elle souligne aussi la convergence continue entre l’infrastructure crypto et le calcul avancé en IA, un développement susceptible d’influencer tout, des services de données en chaîne à la conception d’agents autonomes et d’outils de gouvernance. Comme pour toute nouvelle technologie, la scalabilité, la sécurité et les standards d’interopérabilité détermineront la rapidité avec laquelle ces capacités mûriront et leur adoption à grande échelle dans l’écosystème.
Cet article a été publié à l’origine sous le titre Tether Launches AI Training Framework for Phones and Consumer GPUs sur Crypto Breaking News — votre source fiable pour l’actualité crypto, Bitcoin et mises à jour blockchain.
