Tether เปิดตัวกรอบการฝึก AI ขนาดพันล้านระดับบนมือถือเป็นครั้งแรกในโลก ทั้ง iPhone และ Samsung ก็สามารถใช้งาน LoRA ได้

Tether ภายใต้แผนกข้อมูลและ AI ของ QVAC ได้ประกาศความก้าวหน้าทางเทคนิคครั้งสำคัญเมื่อวันที่ 17 มีนาคม โดยเปิดตัว LoRA สำหรับการปรับแต่งโมเดลแบบข้ามแพลตฟอร์มที่รองรับสถาปัตยกรรม BitNet (1-bit LLM) ซึ่งเป็นโมเดลแรกของโลกที่สนับสนุนเทคโนโลยีนี้ การบูรณาการเทคโนโลยีนี้เข้ากับ QVAC Fabric ช่วยลดความต้องการหน่วยความจำและการคำนวณอย่างมาก ทำให้โมเดลที่มีพารามิเตอร์ระดับพันล้านไม่ใช่สิทธิพิเศษของ GPU สำหรับองค์กรอีกต่อไป สามารถฝึกฝนแบบ “ในเครื่อง” และ “เต็มความเป็นส่วนตัว” บนสมาร์ทโฟนและโน้ตบุ๊กทั่วไปได้สำเร็จ
(ข้อมูลเบื้องต้น: Tether ลงทุนใน Axiym ขยายเครือข่ายโครงสร้างพื้นฐานการชำระเงิน ส่งเสริม USDT ให้เข้าสู่เครือข่ายการชำระเงินที่เป็นไปตามกฎระเบียบทั่วโลก)
(ข้อมูลเสริม: Tether ลงทุนข้ามสายธุรกิจด้าน AI และเทคโนโลยีการนอนหลับ! ลงทุนใน Eight Sleep ด้วยเงิน 50 ล้านดอลลาร์ มูลค่ากิจการพุ่งแตะ 1.5 พันล้านดอลลาร์)

สารบัญบทความ

Toggle

• มหัศจรรย์สถาปัตยกรรม 1-bit: ทำให้สมาร์ทโฟน “ใช้พลังงานน้อยแต่ได้มาก”
• ข้อมูลทดสอบเปิดเผย: ความเร็วที่น่าทึ่งของ Samsung S25 กับ iPhone 16
• ลาก่อนคีย์ API สร้าง AI ส่วนตัวที่ “เต็มความเป็นส่วนตัว” 100%

ในวงการปัญญาประดิษฐ์ (AI) การฝึกโมเดลขนาดใหญ่ถือเป็นคำพ้องกับ “การใช้งบประมาณสูง” ซึ่งต้องพึ่งพาระบบ NVIDIA ราคาสูงหรือคลาวด์คำนวณอย่างมาก อย่างไรก็ตาม ยักษ์ใหญ่ด้าน stablecoin อย่าง Tether กำลังพยายามเปลี่ยนกฎเกณฑ์นี้ด้วยเทคโนโลยี แผนกเทคโนโลยีของ Tether “Tether Data” ได้ประกาศเมื่อวันที่ 17 มีนาคมว่าได้เปิดตัว LoRA สำหรับการปรับแต่งโมเดลบนแพลตฟอร์ม QVAC (QuantumVerse Automatic Computer) ซึ่งเป็นโมเดลแรกของโลกที่สนับสนุนสถาปัตยกรรม BitNet ข้ามแพลตฟอร์ม

จุดเด่นของเทคโนโลยีนี้คือ: มันสามารถให้โมเดล AI ขนาด “พันล้านพารามิเตอร์” ทำการเรียนรู้แบบเฉพาะบุคคลได้โดยตรงบนสมาร์ทโฟนเครื่องเดียว

มหัศจรรย์สถาปัตยกรรม 1-bit: ทำให้สมาร์ทโฟน “ใช้พลังงานน้อยแต่ได้มาก”

ความก้าวหน้าที่สำคัญนี้อิงจากสถาปัตยกรรม BitNet 1-bit LLM ที่พัฒนาโดยไมโครซอฟท์ (Microsoft) ด้วยการปรับแต่งผ่าน QVAC Fabric ทำให้การใช้หน่วยความจำและภาระการคำนวณของโมเดล BitNet ลดลงอย่างมาก จากประกาศ โมเดลนี้ไม่เพียงสนับสนุน GPU ของ NVIDIA เท่านั้น แต่ยังรองรับชิปของ Intel, AMD, Apple M-series รวมถึง GPU บนอุปกรณ์เคลื่อนที่อย่าง Adreno (Android), Mali และ Apple Bionic อีกด้วย

นั่นหมายความว่า AI ที่เคยต้องรันในศูนย์ข้อมูลตอนนี้สามารถปรับแต่งด้วยเทคนิค “Low-Rank Adaptation (LoRA)” บนสมาร์ทโฟนได้แล้ว Tether ชี้ให้เห็นว่าเทคโนโลยีนี้ช่วยให้เครื่องขอบเขตสามารถจัดการโมเดลที่มีขนาด “สองเท่า” ของโมเดล Q4 แบบดั้งเดิม ซึ่งแสดงให้เห็นถึงความได้เปรียบด้านหน่วยความจำอย่างสุดยอด

ข้อมูลทดสอบเปิดเผย: ความเร็วที่น่าทึ่งของ Samsung S25 กับ iPhone 16

ทีมงานวิศวกรของ Tether ได้แชร์ข้อมูลการทดสอบที่น่าตื่นเต้น ซึ่งแสดงให้เห็นความสามารถของเทคโนโลยีนี้ในสมาร์ทโฟนรุ่นใหม่:

• โมเดล 1.25 ร้อยล้านพารามิเตอร์: ฝึกฝนบน Samsung S25 ด้วยชุดข้อมูลทางชีวเวชศาสตร์ 300 เอกสาร ใช้เวลาประมาณ 10 นาทีเท่านั้น
• โมเดล 1 พันล้านพารามิเตอร์ (1B): ฝึกฝนในเวลา 1 ชั่วโมง 18 นาทีบน Samsung S25 และใช้เวลา 1 ชั่วโมง 45 นาทีบน iPhone 16
• ความท้าทายสูงสุด: ทีมพัฒนาสามารถรันโมเดลขนาดสูงสุด 13 พันล้านพารามิเตอร์ (13B) บน iPhone 16 เพื่อการปรับแต่ง ซึ่งเป็นการผลักดันขีดจำกัดของอุปกรณ์เคลื่อนที่

ลาก่อนคีย์ API สร้าง AI ส่วนตัวที่ “เต็มความเป็นส่วนตัว” 100%

Paolo Ardoino ซีอีโอของ Tether เน้นย้ำเสมอว่า: “ถ้าคุณต้องใช้คีย์ API เพื่อใช้งาน AI ก็แปลว่า AI นั้นไม่ใช่ของคุณจริง ๆ” แนวคิดหลักของ QVAC คือ “เน้นในท้องถิ่น (Local-first)”

ผ่านเทคโนโลยี LoRA บนสถาปัตยกรรม BitNet ผู้ใช้สามารถให้ AI เรียนรู้ข้อมูลในเครื่อง เช่น อีเมล โน้ต และข้อความต่าง ๆ ได้โดยไม่ต้องอัปโหลดข้อมูลใด ๆ ขึ้นคลาวด์ ซึ่งไม่เพียงลดความกังวลเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูลที่อ่อนไหว แต่ยังช่วยเปิดโอกาสให้การพัฒนา AI ไม่ถูกผูกขาดโดยบริษัทยักษ์ใหญ่เพียงไม่กี่ราย ปัจจุบัน QVAC Fabric LLM ได้ปล่อยเป็นซอฟต์แวร์โอเพนซอร์ส (ภายใต้ใบอนุญาต Apache 2.0) และมีการให้บริการตัวปรับแต่งล่วงหน้าบน Hugging Face เพื่อให้เหล่านักพัฒนาทั่วโลกสามารถเริ่มต้นการปฏิวัติการคำนวณขอบเขตได้ทันที