心理史学与现实：Tether的AI宣言
对于一家稳定币公司而言，Tether的QVAC项目起点显得颇为不同寻常。该公司将“QVAC Psy”描述为一组“根植于心理史学原则”的基础模型。心理史学这一概念出自艾萨克·阿西莫夫的《基地》宇宙，数学家哈里·谢顿利用数学、统计学和社会动力学预测超大规模人口的行为，从而缩短银河帝国崩溃后的黑暗时代。Tether借用这一科幻术语，并将其转化为一种使命宣言：构建能够抵御系统性崩溃的韧性基础设施。
Tether通过将储备、流动性和分发转化为货币基础设施，打造了加密领域最大的稳定币USDt。如今，它正将同样的直觉应用于智能领域。Tether的第一储备资产仍然是美元类负债，而第二储备资产正逐渐成为算力、模型、数据集以及在中心化云之外运行AI的能力。
从美元储备到智能储备：Tether的AI扩张逻辑
Tether向AI领域的扩张，与其核心业务的运作逻辑如出一辙。USDt将离岸美元的需求转化为主要由短期主权工具构成的储备组合。根据其2026年第一季度认证更新，Tether报告净利润10.4亿美元，储备缓冲82.3亿美元，代币相关负债约1830亿美元，直接和间接持有美国国债约1410亿美元。这一储备基础为Tether提供了经常性收入、资产负债表容量以及运营实力，足以支持长期基础设施投资。
早在2026年1月，Tether购入8888枚比特币，已经展示了利息收入和运营利润如何转化为持续的比特币需求。现在，QVAC将同样的逻辑推向了另一种资产类别。除比特币、黄金、初创公司、能源、矿业、通信等基础设施头寸外，Tether正在将智能本身纳入配置。这一举动将公司的自我定位从私人美元流动性发行方，扩展为私人数字基础设施的建设者。“心理史学”这一术语恰如其分地契合了这一方向——Tether将AI视为文明层而非软件垂直领域。
QVAC：架构先行于模型
QVAC的关键区别在于架构层面。OpenAI、Anthropic、Google DeepMind和xAI在最大通用能力、编码、多模态、长上下文推理、代理行为和云端分发等维度上竞争。QVAC瞄准的是不同轴线：可部署性、隐私性、低延迟、可组合性，以及不受单一供应商限制的生存能力。
QVAC欢迎文档将该项目定义为开源、跨平台生态，面向本地优先、点对点的AI应用，支持Linux、macOS、Windows、Android和iOS。用户可以在本地运行大语言模型、执行语音识别和检索增强生成（RAG），或通过内置P2P能力将推理任务委托给对等节点。Tether在2026年4月发布的SDK描述了一个统一的开发工具包，允许开发者在任何设备上构建、运行和微调AI，且应用在iOS、Android、Windows、macOS和Linux上无需修改即可运行。QVAC SDK使用统一的抽象层，集成llama.cpp的分支QVAC Fabric、whisper.cpp、Parakeet和Bergamot，用于语音和翻译。这更像是操作系统层，而非单一模型发布。
开源AI生态已拥有强大组件：Llama、Qwen、Mistral、Gemma、DeepSeek、Hugging Face、llama.cpp、Ollama、vLLM、LM Studio等。QVAC的赌注在于：开发者需要一个统一的边缘框架，通过单一接口整合模型加载、推理、语音、OCR、翻译、图像生成、RAG、P2P模型分发、委托推理和本地微调。QVAC将自己定位为智能分发层，假定足够好的本地模型将持续改进。QVAC Fabric是这一主张的技术核心，支持在Vulkan和Metal后端上对现代消费级硬件进行微调，包括高通Adreno或ARM Mali GPU的Android设备、Apple Silicon设备以及标准Windows/Linux配置。
MedPsy：QVAC的首个硬核验证
MedPsy为QVAC提供了首个具体的模型级验证点。2026年5月7日发布的Hugging Face技术报告将QVAC MedPsy描述为一系列仅文本的医疗保健语言模型，面向边缘部署，具有17亿和40亿参数。其主张直接而雄心勃勃：通过严格控制的医疗后训练管道训练的小模型，可以在敏感领域超越更大的医疗基线模型，同时保持对笔记本、高端移动设备和智能手机应用的实用性。
数字是论证的核心。QVAC称MedPsy-1.7B在七个闭卷医疗基准测试中平均得分62.62，高于Google的MedGemma-1.5-4B-it的51.20，而参数规模不到后者的一半。MedPsy-4B得分70.54，略高于MedGemma-27B-text-it的69.95，而参数规模仅为后者的七分之一。在HealthBench和HealthBench Hard上，QVAC报告差距更大：MedPsy-4B得分74.00和58.00，而MedGemma-27B-text-it在CompassJudger评估下分别为65.00和42.67。这些结果如果被独立重现，将支持QVAC的核心论点：领域专用、边缘规模的模型可以在受约束的高价值类别中挑战更大的系统。
训练方法也展示了QVAC的竞争策略。报告称MedPsy使用Qwen3主干网络，然后对医疗问答任务应用多阶段监督微调和强化学习。实验期间生成了超过3000万条合成数据行，使用两阶段课程，并选择Baichuan-M3-235B作为长形式推理监督的单一教师模型。QVAC还指出训练语料尚未发布——这是一个关键保留点。最强的公开基准声明仍来自QVAC自身，完全检验数据污染、覆盖率、提示构建和教师影响所需的训练数据仍未公开。
在量化方面，边缘优势更加明显。QVAC发布了llama.cpp和QVAC SDK的GGUF变体，Q4_K_M将文件大小减少69%，而两个MedPsy尺寸的平均得分损失均不到1分。报告建议使用带imatrix校准的Q4_K_M作为大小与质量的平衡点：4B模型2.72GB，1.7B模型1.28GB。QVAC模型FAQ同时警告：MedPsy仅支持文本、仅英文、不适用于紧急情况、容易产生幻觉，且依赖开发者在完整应用架构中保护隐私。
便利与控制之争：本地AI与云端AI的角力
本地AI与云端AI的辩论通常被框定为隐私与性能之间的选择。QVAC将其重新定义为便利与控制之争。云端AI在易用性上勝出：用户打开应用，发送提示词，获得答案，无需处理模型权重、设备内存、量化、嵌入或运行时兼容性。提供商吸收了所有复杂性。这种便利性极其强大，解释了为何中心化AI平台能如此快速扩张。
QVAC要求开发者和用户接受更多责任，以换取不同的安全模型。回报是本地执行、离线运行、减少数据暴露、降低对API访问的依赖，以及通向点对点推理和模型分发的路径。Tether的SDK发布称，基于QVAC的应用可以在低连接环境下保持工作，“如果互联网中断，AI仍然工作”。其2025年QVAC公告更进一步，描述了在本地设备上直接运行的AI代理、设备间点对点网络协作，以及允许AI代理用比特币和USDt进行交易的WDK集成——这是Tether的完整论点：货币、计算和自主代理应该共享同一个主权设计模式。
去中心化声明需要精确处理。当用户可以下载模型、在本地运行并将敏感数据保留在设备上时，QVAC在推理层上有意义地去中心化。它比托管API更加去中心化，因为提供商不再介入每一次提示。QVAC还通过Holepunch堆栈添加了点对点原语，包括委托推理和去中心化模型分发。然而，治理是另一层。QVAC由Tether资助、命名、协调和推广。旗舰应用、模型家族、SDK路线图和“稳定智能”语言均源自单一企业赞助商。这种结构与本地优先的价值主张共存，但将去中心化声明限定在证据最强的领域：QVAC去中心化了推理可以发生的位置。更广泛的生态系统仍需要关于默认注册表、发布渠道、安全惯例、模型包含和长期治理的分布式控制证据。
复制验证是下一道门槛
QVAC的可信度现在取决于复制验证。如果MedPsy的结果在QVAC自己的评估框架之外重现，Tether将拥有其智能储备论点的首个可信实例：在敏感领域中，小巧、开放、可本地部署的模型能够与更大、面向云端的系统竞争。如果独立测试缩小或逆转了基准差距，QVAC仍然拥有基础设施论点，但其模型声明的分量将减轻。更广泛的斗争将回归技术中最古老的权衡：便利集中权力，而控制施加工作。
这也是阿西莫夫框架发挥作用的地方。《基地》中的心理史学关注大规模系统在压力下的表现。Tether的版本则聚焦于中心化压力下的基础设施。语言宏大，技术证明仍在早期，但方向是一贯的。Tether正利用全球最大稳定币的现金流构建一个专注于本地执行、对等网络、开源工具和边缘规模模型的AI堆栈。它将稳定币的前提从货币延伸到了智能。问题不再是稳定币公司是否有能力构建AI——Tether显然有能力。问题是QVAC能否生产出足够强大的模型和基础设施，让用户接受本地控制的摩擦。MedPsy是第一个可衡量的门槛。独立复制将决定QVAC的心理史学语言是停留在隐喻层面，还是开始像严肃边缘AI堆栈的早期运作逻辑。