# 手机能训练 130 亿参数大模型了，泰达自研 AI 意欲何为？

By [Proof of Writing](https://paragraph.com/@jeanchen) · 2026-03-19

tether, ai, stablecoin, crypto, llm, nvidia

---

全球最大最赚钱稳定币巨头泰达 CEO Paolo Ardoino 昨天宣布了一件让币圈侧目的事：泰达自研 AI 平台 QVAC（QuantumVerse Automatic Computer）发布全球首个跨平台 BitNet LoRA 框架。

![图片](https://storage.googleapis.com/papyrus_images/57fefce3b911f8b468dc4dd6a1677e8b39a0aca8f43a13e4d71f38e6fbf27303.webp)

**两个技术词，先拆开说清楚。**

**BitNet** 是微软提出的 1-bit 大模型架构。普通大模型的「权重」——可以理解为模型记住的所有知识——是用高精度浮点数存储的，占用大量内存。BitNet 的创新是把这些权重压缩到只有三个值：-1、0、1，就像把一本百科全书重新编码成只用三个符号写成的密文，体积缩小了 90%，运算量也断崖式下降。

**LoRA** 是「低秩适配」，一种让大模型学会新技能的高效方法。你不需要重新训练整个模型——把全部参数冻住，只在模型旁边插入一小组「适配器」来训练，可训练参数减少 99%。就像你不需要重写整本教材，只需要在书边做笔记，它就学会了新内容。

![图片](https://storage.googleapis.com/papyrus_images/e295676fd00982dfeaaa76f0338deb8600f74f108f2baafd1377a581e2baab66.webp)

两者叠加，结果是：过去需要几十万美元服务器才能完成的大模型微调，现在在你口袋里的手机上就能跑。QVAC 工程团队的数字是——三星 S25 上，10 亿参数模型微调不到一个半小时；iPhone 16 上，最高跑到 130 亿参数。内存占用比传统方案少 90%，移动端 GPU 推理速度比 CPU 快最多 11 倍。

更关键的是，这套框架首次绕开了 Nvidia 的 CUDA 垄断——AMD、Intel、Apple Silicon、高通骁龙，全平台通吃，一套代码，全部开源。

**黄仁勋在讲蛋糕，Ardoino 在锯蛋糕台**
-------------------------

发布日期是 3 月 17 日。英伟达 GTC 大会第二天。

![图片](https://storage.googleapis.com/papyrus_images/15659fc138d4aa92c71557fc44f7370864cfd1f735b52f3f11a293beb827c4cb.webp)

前一天，黄仁勋刚在 2 万人爆满的 SAP 中心开讲了他的「AI 五层蛋糕」框架——能源、芯片、基础设施、AI 模型、应用层，五层必须同步扩展，这张图「描述了英伟达 100% 的战略」。这是 GTC 2026 主题演讲的概念核心，黄仁勋用超过两小时的主题演讲，论证英伟达不只是卖芯片，而是 AI 时代每一层基础设施的提供者。逻辑内核是：**越集中、越规模化、效率越高、成本越低。** 英伟达坐在蛋糕正中间，连接所有层。

![图片](https://storage.googleapis.com/papyrus_images/f286e6c51fe05a0c4aaa3be6e498b03d732b486d27535022d70c815533eb2c48.webp)

Palo Ardoino 的框架完全相反。他至今还没拿出一张漂亮的 PPT，但他的世界观贯穿所有访谈和产品决策，可以归纳成四句话：

*   **智能必须属于设备，不属于服务器。**他预测，五到十年内，智能手机可以处理 95% 到 97% 的 AI 使用场景。
    
*   **Agent 必须自主，货币必须可编程。**他的愿景是「AI Agent 完全去中心化，在比特币网络上结算交易，拥有非托管钱包」。
    
*   **网络必须 P2P，无需任何人许可。**「他们不需要我们的数据中心、密钥或许可，任何人都可以拿走它们，以任何方向构建或改变。」
    
*   **终极目标来自阿西莫夫，不来自商业计划书。**他说，Tether AI 的核心目标是「成为实现阿西莫夫科幻小说所描述的 AI 愿景的理想技术基础——AI 将在未来几十年里成为宇宙本身构造的一部分」
    
    黄仁勋说：把更多算力集中到数据中心。Ardoino 说：把算力分散到每一部手机。
    

这不只是技术路线之争，是谁来掌控人类智能基础设施的政治选择。

当然，边缘 AI 今天的局限是真实的。手机能跑的模型，和 GPT-4o 这类千亿参数巨兽相比，复杂推理差距明显。LoRA 微调需要质量数据，普通用户很难自己准备。在手机上跑 130 亿参数接近两小时，设备发烫，不是日常场景。工具链也还早期。

但去中心化 AI 的必要性不依赖于它今天够不够好——它的价值在于：数据主权回到用户手中，离线可用，联邦学习可行，以及打破一家芯片公司对全人类 AI 能力的定价权。

**全球最赚钱的稳定币公司，为什么要重注 AI？**
--------------------------

很多人的第一反应是：泰达，不就是发 USDT 的吗？

是，但这个「发 USDT 的公司」在 2025 年净利润超过 100 亿美元，主要来自持有约 1410 亿美元美国国债的收益。钱多到必须找出口。

更重要的是，USDT 的护城河正在遭受真实的侵蚀。

美国「天才法案」（GENIUS Act）2025 年 7 月正式立法，建立全球首个联邦级稳定币监管框架。USDT 长期依赖监管灰色地带、储备不透明的历史优势，开始变成负担。泰达的应对是两条腿走路：一边守住 USDT 的全球主导地位，一边迅速补合规短板。

2026 年 1 月 27 日，泰达正式推出 USA₮（USAT），通过美国首家联邦特许加密银行 Anchorage Digital 发行，完全符合 GENIUS Act 要求，储备由 Cantor Fitzgerald 托管，CEO 是前白宫加密政策主任 Bo Hines。这是 Tether 十年来第一次在美国监管体系内以合规姿态正式亮相。黄金稳定币 XAU₮ 是另一条对冲线——在美元体系之外，用实物黄金锚定，面向更大范围的价值储存需求。

但光靠稳定币防守不够，护城河需要迁移，不只是修缮。

AI 基础设施是泰达选择的新地盘。技术壁垒高，监管盲区大，和加密社区价值观天然契合，又能直接打通 USDT 的 Agent 支付叙事。用数字来说话：

> *   **自研端：** Genesis 合成数据集从 410 亿 token 扩展到 1480 亿；QVAC Fabric LLM 开源推理和微调框架；QVAC Workbench 本地 AI 助手；QVAC Health 本地健康数据 Agent；本次 BitNet LoRA 跨平台框架。
>     
> *   **投资端：** 2 亿美元收购脑机接口公司 Blackrock Neurotech 多数股权；参与意大利人形机器人公司 Generative Bionics 的 7000 万欧元融资；以 15 亿美元估值向智能睡眠公司 Eight Sleep 投资 5000 万美元，后者将基于 QVAC 架构开发 AI 健康功能。
>     
> *   泰达 EVO 部门今年 2 月还在全球脑机接口 AI 基准测试中拿到第四名。
>     

这不是撒钱，是围绕「本地 AI + 硬件 + 数据」拼的一张完整版图。

**其他加密公司在哪里？**
--------------

不在这里。

加密行业涉足 AI 大致分三类，没有一类和泰达重叠。

**第一类：用 AI 优化自己的产品。** 币安用 AI 做风控，Coinbase 用 AI 做合规检测。这是「用 AI」，不是「做 AI」。

**第二类：把稳定币做成 AI Agent 的支付轨道。** Circle 和 Coinbase 主导 x402 协议，Circle 联合创始人 Sean Neville 的逻辑是：可编程货币是解决 AI Agent 无金融身份问题的关键。这条路的终点是「稳定币是 AI 经济的结算层，我做好支付轨道就行」。

**第三类：原生 AI × 加密项目。** Bittensor、Fetch AI 在构建去中心化算力市场和 Agent 经济。但这些是区块链原生出发的项目，不是稳定币公司转型过来的。

泰达的路径——自研边缘 AI 计算平台，从训练框架到数据集到终端应用全部自己做，全部开源，全部本地优先——在整个加密行业里找不到第二家在做的。开源不是慈善，是发行策略：如果 QVAC 成为开发者将模型推向消费级硬件的默认路径，泰达就在一个远离金融监管直接视线的技术栈里，建立了文化和技术话语权。

这才是这盘棋真正激进的地方。Circle 在做支付层，泰达在做智能层。前者的天花板是「AI 交易用哪种稳定币」，后者押注的是「AI 在谁的基础设施上运行」。

**我还没想透的地方**
------------

QVAC 今天仍是 Alpha 状态。独立基准测试还没有人做过，数字目前是泰达自己的数字。Ardoino 的愿景宏大到接近科幻，从「手机微调 130 亿参数模型」到「AI 成为宇宙构造的一部分」，中间有多少年、多少技术鸿沟，没有人真的知道。

黄仁勋在 GTC 讲算力堆叠，Paolo Ardoino 在同一天发布让算力下沉的框架。

两个方向，哪个会定义下一个十年？或者，两个都对，只是服务不同的人？

你怎么看？

---

*Originally published on [Proof of Writing](https://paragraph.com/@jeanchen/mobile-13b-llm-tether-ai-why)*