做穩定幣的 Tether，怎麼突然搞起 AI 了？
如果你跟我一樣有在關注 AI 跟加密貨幣的交叉領域，最近這則新聞應該有讓你停下來想了一下。
Tether — 對，就是那個 USDT 的 Tether — 推出了一個叫 QVAC Fabric LLM 的東西。簡單一句話講就是：你現在可以在手機上微調大型語言模型了。
不是跑推論而已，是真的訓練。在手機上。
我第一反應也是「蛤？」但看完技術細節之後，覺得這件事比表面看起來的有意思很多。
QVAC Fabric 到底是什麼？
先講它解決了什麼問題。
現在要微調一個 LLM，你通常需要：一張 A100 或 H100 GPU、一個雲端帳號（AWS/Azure/GCP）、然後把你的資料上傳到別人的伺服器上。
對大公司來說這不是問題，但對個人開發者或中小企業？成本高、隱私風險大、而且你完全依賴雲端服務商。
QVAC Fabric 的做法是把整個微調流程搬到本地裝置上。它做了幾件關鍵的事：
1. 把 LoRA 塞進 llama.cpp
LoRA（Low-Rank Adaptation）是目前最流行的高效微調方法 — 不動原始模型的權重，只額外加一小組可訓練參數。QVAC Fabric 是第一個把完整 LoRA 微調直接整合進 llama.cpp 執行環境的框架。
這代表你不需要 PyTorch、不需要 CUDA，只靠 llama.cpp 就能跑微調。
2. 用 Vulkan 取代 CUDA
這是最聰明的設計決策之一。
CUDA 只能跑在 NVIDIA 的 GPU 上。但 Vulkan 是跨平台的 GPU 計算介面，NVIDIA、AMD、Intel、Apple Silicon、Qualcomm Adreno 全部都支援。
一套程式碼，所有硬體都能跑。 手機、筆電、桌機、伺服器，同一個 pipeline。
3. Dynamic Tiling 解決手機記憶體瓶頸
手機 GPU 的記憶體通常只有幾 GB，根本塞不下完整的矩陣運算。QVAC Fabric 的解法是 Dynamic Tiling — 把大型矩陣運算拆成小塊，依序處理再組裝結果。
犧牲一點速度，但換來的是：手機真的能跑起來。
實際跑起來多快？
這是我最關心的數據：
| 裝置 | 微調時間 |
|---|---|
| NVIDIA RTX 4090（桌機 GPU） | 約 45 分鐘 |
| Qualcomm Adreno 830（手機 GPU） | 約 13 小時 |
13 小時聽起來很久？但這是 人類史上第一次在手機等級的 GPU 上完成 LLM 微調。而且是你睡一覺起來就好了。
品質方面，他們的 benchmark 結果跟 PyTorch 在業界標準測試上不相上下，某些指標甚至稍微好一點。
BitNet 1-bit：讓 AI 模型瘦到不可思議
除了 LoRA 微調之外，QVAC 還整合了微軟的 BitNet 架構支援。
傳統 LLM 每個參數用 16-bit 或 32-bit 浮點數儲存。BitNet 把參數壓縮到只剩三個值：-1、0、+1。
效果是什麼？原本動輒幾 GB 甚至幾十 GB 的模型，記憶體用量可以大幅壓縮到一般手機都能負擔的程度。
QVAC 的 BitNet LoRA 框架號稱是全球第一個跨平台的實作 — 支援 Llama3、Qwen3、Gemma3 這些主流模型架構。
為什麼是 Tether？
你可能會問：一個做穩定幣的公司為什麼要做 AI 框架？
其實 Tether 過去一年已經在佈局了。他們有一個叫 QVAC 的生態系，包含：
- QVAC Workbench — 本地 AI 工作站 app
- QVAC Health — 健康數據 AI
- Genesis II — 1480 億 token 的訓練資料集
- 現在加上 QVAC Fabric — 微調框架
Paolo Ardoino（Tether CEO）講得很直白：
「AI 不應該只被大型雲端平台控制。QVAC Fabric 讓個人和企業能在自己的條件下執行推論和微調強大的模型。」
這跟加密貨幣圈的核心精神其實是同一件事：去中心化、自主權、不靠第三方。
只是這次不是金融，是 AI。
這件事為什麼重要？我的觀點
我們團隊每天都在跟各種 AI 模型打交道 — Claude、Gemini、MiniMax，光是在不同模型之間分工配合就是一門學問。所以看到這個消息的時候，我想的不只是「酷」，而是這會怎麼改變整個生態。
三個我覺得值得注意的方向：
第一，隱私。 現在你把文件丟給 ChatGPT 分析，那些資料就上雲了。如果你能在自己的手機上跑一個微調過的模型，資料完全不出裝置 — 這對醫療、法律、金融領域是巨大的突破。
第二，成本。 現在微調一次模型在雲端可能花幾十到幾百美金。如果你的筆電就能做這件事，個人開發者和小團隊的門檻直接降到接近零。
第三，個人化。 每個人都能訓練一個只屬於自己的 AI — 用你自己的資料、你的寫作風格、你的專業知識。不是通用的 GPT，是 你的 GPT。這其實就是我們團隊一直在做的事，只是我們現在用的是 API + prompt engineering + agent 架構。如果未來能在本地做到，很多玩法會完全不一樣。
現在能用了嗎？
可以。QVAC Fabric 已經以 Apache 2.0 開源授權釋出，你可以直接去 GitHub 下載。微調部分在 qvac-rnd-fabric-llm-finetune 這個 repo。Hugging Face 上也有預編譯的二進制檔和 adapter。
支援的模型包括 Llama3、Qwen3、Gemma3，涵蓋 iOS、Android、Windows、macOS、Linux 全平台。
不過說實話，現在這個東西的目標族群還是開發者。你需要對 llama.cpp 和模型微調有基本概念才玩得起來。但以開源社群的速度，我猜很快就會有人包成一鍵安裝的 app。
結論
Tether 做 AI 這件事，聽起來很跳 tone，但仔細想想其實很合邏輯 — 穩定幣要的是去中心化金融，QVAC 要的是去中心化 AI。底層哲學一模一樣。
而且他們不是畫大餅，是真的把東西做出來了、開源了、benchmark 跑出來了。光是「手機上微調 LLM」這一點，就已經是技術里程碑了。
AI 的未來不一定在雲端。可能就在你口袋裡。
延伸閱讀：