Tether押注去中心化本地AI,QVAC以“心理史学”切入边缘智能

Tether押注去中心化本地AI,QVAC以“心理史学”切入边缘智能

N
News Editor 01
2026-07-05 15:42:11
Tether正将稳定币业务积累的资金与基础设施能力延伸至AI领域,推出本地优先、点对点架构的QVAC,并以医疗模型MedPsy验证小模型在边缘设备上的可行性。其成败关键在于独立复现与开发者采纳。

Tether正在把自己的业务版图,从稳定币发行进一步扩展到人工智能基础设施。根据公开资料,这家公司围绕“QVAC”项目提出了一套不同于主流云端大模型路线的AI构想:强调本地运行、点对点协作、隐私保护与跨平台部署,并借用艾萨克·阿西莫夫《基地》系列中的“心理史学”概念,为其“去中心化智能”愿景赋予更宏大的叙事框架。

对一家以USDt闻名的稳定币发行商而言,这样的布局看似跨界,但从Tether的经营逻辑看并不突兀。文章指出,Tether已不再满足于作为私人美元流动性的提供者,而是试图成为更广泛的数字基础设施建设者。在这一叙事中,除了美元储备之外,算力、模型、数据集以及脱离中心化云服务运行AI的能力,正在成为其“第二储备资产”。

从稳定币储备到“智能储备”

Tether扩张AI业务的底层基础,仍来自稳定币业务带来的现金流和资产负债表能力。素材援引其2026年第一季度鉴证更新显示,Tether当季实现10.4亿美元净利润,拥有82.3亿美元储备缓冲,与代币相关的负债规模约为1830亿美元,并持有约1410亿美元美国国债敞口。这样的储备结构,不仅为其提供持续收益,也使其有能力投入更长期的基础设施型项目。

在此之前,市场已经看到Tether将利润投向比特币、黄金、能源、矿业、通信及初创公司等领域。如今,QVAC意味着其开始把资本进一步配置到“智能”本身。换言之,Tether不只是发行稳定币,也希望成为AI能力的分发层与承载层。

QVAC的核心:不是比拼最强模型,而是比拼可部署性

与OpenAI、Anthropic、Google DeepMind或xAI等主流AI公司主要争夺“通用能力上限”不同,QVAC瞄准的是另一个维度:部署灵活性、低延迟、隐私控制、模块化组合以及脱离单一服务商后的生存能力

公开文档显示,QVAC被定义为一个开源、跨平台、本地优先、支持点对点AI应用的生态,可覆盖Linux、macOS、Windows、Android和iOS。用户既可以在本地运行大语言模型、语音识别和检索增强生成等任务,也可以借助内置P2P能力把推理委托给其他节点完成。

Tether在2026年4月推出的SDK,进一步强化了这一方向。该开发套件宣称可让开发者在任意设备上构建、运行并微调AI模型,并通过统一抽象层整合本地推理引擎,包括QVAC Fabric(基于llama.cpp分支)、以及对whisper.cpp、Parakeet和Bergamot等工具的集成。由此可见,QVAC更像是一个边缘AI操作层,而非单一模型发布计划。

这一定位有其现实意义。当前开源AI生态中并不缺少模型本身,Llama、Qwen、Mistral、Gemma、DeepSeek等都已具备较强能力,但开发者往往缺少一套能够把模型加载、推理、语音、OCR、翻译、图像生成、RAG、P2P模型分发与本地微调统一起来的框架。QVAC的赌注就在这里:随着本地模型能力继续提升,一个统一的边缘分发层会变得越来越重要。

MedPsy:QVAC的首个硬核验证样本

如果说QVAC是基础设施愿景,那么MedPsy就是其第一份可量化的成绩单。根据5月7日发布在Hugging Face上的技术报告,QVAC MedPsy是一组面向医疗健康场景、适合边缘部署的文本模型,参数规模为17亿40亿

报告给出的核心结论相当激进:通过针对医疗任务进行严格的后训练,小模型也能在特定场景下超过更大的医疗基线模型。数据显示,MedPsy-1.7B在七项封闭式医疗基准上的平均分为62.62,高于Google的MedGemma-1.5-4B-it的51.20MedPsy-4B得分为70.54,略高于MedGemma-27B-text-it的69.95,而体量却接近后者的七分之一。

在HealthBench与HealthBench Hard评测中,报告称MedPsy-4B分别达到74.0058.00,而MedGemma-27B-text-it对应成绩为65.0042.67。若这些结果能被外部独立复现,将有力支撑QVAC的核心命题:在高价值、强垂直领域,边缘侧的小模型可以挑战更大的云端模型

不过,市场也需要保持审慎。该报告同时提到,MedPsy使用Qwen3作为底座,并通过多阶段监督微调和强化学习处理医疗问答任务;实验过程中生成了超过3000万条合成数据,并以Baichuan-M3-235B作为长链推理监督教师模型之一。但训练语料库尚未公开,这意味着外界暂时无法充分核查数据污染、覆盖范围、提示构造和教师模型影响等问题。

在边缘部署层面,QVAC强调量化后的模型体积优势。其称GGUF版本已可用于llama.cpp和QVAC SDK,其中Q4_K_M量化可将文件大小缩减69%,而平均分损失不足1分。按推荐配置,4B模型大小约2.72GB,1.7B模型约1.28GB,更接近高端手机、笔记本等设备可接受的范围。

但Tether也明确提示,MedPsy目前仍是仅文本、仅英语模型,不适合紧急医疗场景,也仍可能出现幻觉,隐私安全还取决于开发者对整个应用架构的实现。这意味着它更适合作为边缘医疗AI实验平台,而非成熟临床解决方案。

市场影响:稳定币巨头开始争夺AI基础设施话语权

从行业角度看,Tether押注QVAC释放出两个重要信号。其一,稳定币公司正在从金融中介转向更广义的数字基础设施平台。凭借稳定币业务带来的稳定收益,Tether有条件进入过去原本属于科技巨头的赛道,尤其是对算力、模型分发和本地AI生态的投资。

其二,加密行业与AI的结合正从“炒作概念”转向“底层架构竞争”。过去市场更多关注AI概念代币,如今QVAC更接近真实产品栈:它试图把本地推理、P2P网络、开源工具链以及比特币和USDt支付能力整合在一起。如果未来AI代理能够在本地设备运行,并通过加密支付系统完成价值交换,那么Tether的稳定币网络可能获得新的应用场景。

当然,QVAC面临的最大挑战依然是便利性与控制权之间的取舍。云端AI的优势在于即开即用,用户无需理解模型权重、设备显存、量化方式或运行兼容性;而本地AI虽带来更强隐私与自主性,却要求用户和开发者承担更多复杂度。Tether能否说服足够多的开发者接受这种额外摩擦,将决定QVAC能否真正从概念走向生态。

总体来看,Tether已经证明自己“有能力”为AI投入真金白银,但QVAC是否能够建立长期竞争力,仍要看两个指标:一是MedPsy等模型的外部独立复现结果,二是开发者是否愿意围绕其SDK和边缘框架构建应用。如果这两点成立,Tether就可能把稳定币时代积累的分发优势,延伸到去中心化智能时代;反之,QVAC更可能停留在具有想象力的技术叙事阶段。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
300

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。