Tether 推出 QVAC，一個本地 AI 平台以挑戰基於雲端的模型

QVAC 能否打造足夠強悍的模型，讓用戶願意為了本地自主掌控接受適度的運維門檻？

撰文：Liam Akiba Wright

編譯：Luffy，Foresight News

Tether 的新項目 QVAC，以一個在穩定幣公司中十分罕見的理念開篇。該公司將旗下 QVAC Psy 描述為一系列「植根於心理史學原理」的基礎大模型。

心理史學這一概念源自艾薩克・阿西莫夫的經典科幻作品《基地》系列。書中主人公哈里・謝頓利用數學、統計學與社會動力學，預判大規模群體的行為走向，以此縮短銀河帝國崩塌後的黑暗時代。

《科幻百科全书》將阿西莫夫筆下的心理史學定義為一門虛構科學；哈里・謝頓的整套規劃，旨在預測未來事件，並在社會體系崩潰之際留存人類知識文明。

Tether 的這番表述，實則是用科幻語言包裝自身的企業使命。

憑藉儲備資產、流動性與渠道分發能力，Tether 創造了加密行業規模最大的穩定幣系統；如今，它把這套底層邏輯複刻到人工智慧領域。

USDT stablecoin forms the primary reserve asset of Tether; while computing power, AI models, datasets, and intelligent capabilities capable of operating independently of centralized cloud platforms are becoming Tether's second major reserve asset.

Tether 跨足人工智慧，延續了其核心業務的運作邏輯。USDT 將全球離岸美元需求轉化為以短期主權債券為主的儲備資產組合。

根據 Tether 2026 年第一季儲備鑑證報告，公司淨利潤達 10.4 億美元，儲備緩衝資金規模為 82.3 億美元，代幣相關負債約為 1830 億美元，直接及間接持有的美國短期國債規模約為 1410 億美元。

雄厚的儲備基礎為 Tether 帶來持續營收、充足資產負債表容量，也使其有實力利用經營收益佈局長期基礎設施賽道。

CryptoSlate 此前曾分析，Tether 憑藉龐大的穩定幣規模，可對儲備資金進行戰略性配置。今年 1 月，Tether 花費資金購入 8888 枚比特幣，印證其可將利息收入與營運利潤轉化為長期比特幣配置需求。而 QVAC 項目，則是將這套資產配置邏輯，延伸至人工智慧的全新賽道。

如今，除了佈局比特幣、黃金、初創企業、能源產業、加密貨幣挖礦、通信基建等領域外，Tether 正式大舉投入人工智能本身。這一定位，也讓 Tether 從單純的私人美元流動性發行方，轉型為私人數位基礎設施建設者。

「心理史學」的科幻敘事，恰好契合這一戰略方向，Tether 將人工智慧視為一層文明級底層架構，而非普通軟體賽道。QVAC 官方資料將自身定位為「無限穩定智能平台」，主打優先本地運行的去中心化智能系統，旨在對標並替代中心化 AI。

QVAC 的願景指出，將所有智能交互都交由中心化伺服器處理，不僅速度慢、穩定性差，更存在被管控限制的風險；而 QVAC 立志成為用戶專屬智能體系的邊緣端底層基座。

這套理念與 Tether 的穩定幣理念相呼應。資金流轉無需許可、用戶數據自留掌控、人工智能就近本地運行。

而在阿西莫夫科幻概念之下，是 Tether 更嚴肅的判斷：當人工智慧具備基礎設施級的韌性與抗風險性，其價值才會真正沉淀。

雲端大模型雖綜合能力更強，卻自帶平台風險、定價風險、政策監管風險、網路延遲風險與資料路由風險；本地 AI 模型雖犧牲部分性能，卻換來所有權、隱私性與持續可用的穩定性。

這種取捨邏輯與加密行業的理念高度契合。自我托管雖不如交易所托管便捷，直到交易所暴雷風險爆發，人們才懂其價值；本地 AI 雖不如雲端托管模型易用，一旦網路中斷、API 介面變更、帳號封禁、資料無法外流，本地部署的優勢便會顯現。

QVAC 的核心差異化在於底層架構。OpenAI、Anthropic、谷歌 DeepMind、xAI 等頂尖大模型，都在角逐通用能力、代碼能力、多模態交互、超長上下文推理、智能體應用與企業雲端部署。

而 QVAC 選擇了完全不同的賽道：可部署性、隱私保護、低延遲、可組合性、脫離單一平台獨立存續。

QVAC 的官方入門文檔將該項目定義為一個開源、跨平台的生態系統，主打優先本地運行、點對點 AI 應用，兼容 Linux、macOS、Windows、Android 和 iOS 全系統。用戶可在本地運行大語言模型、語音識別、檢索增強生成（RAG）等 AI 任務，也可通過內置 P2P 功能，將推理任務委託給其他設備節點。

這意味著 QVAC 的對標標準與頂尖雲端 AI 大模型截然不同：前沿 AI 追求中心化服務所能提供的最強通用模型能力；QVAC 則聚焦推理發生地、運行控制權、數據是否留存設備本地、中心化服務失效後應用能否持續運轉。

Tether 將於 2026 年 4 月推出 QVAC 軟體開發工具包（SDK），提供統一開發套件，支援開發者在任意裝置上搭建、運行、微調 AI 應用，適配全平台系統且無需修改代碼。

QVAC SDK 基於統一抽象層，兼容各類本地推理引擎，包括自研 QVAC Fabric、llama.cpp 分支版本，同時集成 whisper.cpp、Parakeet、Bergamot 等語音與翻譯工具。

它早已超越單一模型發布的範疇，更像是一套人工智慧底層作業系統。開源 AI 生態如今已擁有大量成熟組件：Llama、Qwen、Mistral、Gemma、DeepSeek、Hugging Face、llama.cpp、Ollama 等一眾本地推理項目百花齊放。

QVAC 的核心主張是開發者亟需一套完整的邊緣端框架，透過統一介面整合模型載入、推理運算、語音識別、OCR 圖文識別、翻譯、文生圖、檢索增強生成、P2P 模型分發、委託推理與本地微調全流程。

QVAC 致力於成為智能算力的分發底層，依托持續迭代的中端本地模型，搶佔邊緣 AI 生態入口。

QVAC Fabric 是整個技術架構的核心。Tether 表示，Fabric 可透過 Vulkan、Metal 後端，在主流消費級硬體上完成模型微調，適用於搭載高通 Adreno、ARM Mali 顯示卡的安卓設備、蘋果自研晶片設備，以及配備 AMD、英特爾、英偉達硬體的 Windows、Linux 電腦。

同時針對移動設備的顯存限制採用動態分塊技術，並支援 GPU 加速的 LoRA 微調流程與掩碼損失指令調優。

如果這套工作流能經外部開發者實測驗證，其價值將遠超普通開源模型發布：模型權重只是基礎層，本地個性化微調適配才是核心增量。

MedPsy 是 QVAC 首個落地的標杆級模型產品。5 月 7 日發布在 Hugging Face 的技術報告顯示，QVAC MedPsy 是專為邊緣端部署打造的醫療健康語言模型，分為 17 億參數與 40 億參數兩個版本。

The official presents a highly disruptive claim: after rigorous medical-specific training, small models can outperform large medical benchmark models while being compatible with laptops, high-end mobile devices, and even smartphones.

QVAC 表示，MedPsy-17 億參數在七項封閉式醫療基準測試中均分達 62.62 分，遠超谷歌 MedGemma-1.5-4B-it 的 51.20 分，參數規模不足對方一半；MedPsy-40 億參數均分 70.54 分，小幅領先 MedGemma-27B-text-it 的 69.95 分，參數規模僅為對方七分之一。

在 HealthBench 與高難度 HealthBench Hard 測試中，差距進一步拉大：MedPsy-4B 分別拿下 74.00 分、58.00 分，而 MedGemma-27B-text-it 僅為 65.00 分、42.67 分。

如果這些跑分能被第三方重現，將直接印證 QVAC 的核心理念：在特定高價值垂直領域，輕量化邊緣模型可挑戰超大型雲端系統。

訓練流程也體現了 QVAC 的競爭策略：MedPsy 以通義千問 3 為核心模型，透過多階段監督微調與醫療問答強化學習迭代優化；實驗過程中生成超過 3000 萬條合成數據，採用雙階段課程訓練，並選用百川 M3-235B 大模型作為長文本推理的監督教師模型。

目前其訓練語料尚未公開，這也是關鍵疑點：當前亮眼的基準跑分均來自 QVAC 內部評測，訓練數據是否存在污染、覆蓋範圍、提示詞構造、教師模型影響等關鍵問題，仍需外部驗證。

在量化部署層面優勢突出，官方已發布適配 llama.cpp 與 QVAC SDK 的 GGUF 量化版本，採用 Q4_K_M 量化可使模型體積壓縮 69%，同時均分損失不足 1 分。在兼顧體積與性能的最優方案下，40 億參數模型僅 2.72GB，17 億參數版本僅 1.28GB，可輕鬆落地本地設備。

QVAC officially also issues a risk warning: MedPsy only supports text-based interaction and is limited to English use; it is not suitable for clinical emergency scenarios, has inherent hallucination issues of large models, and requires developers to ensure user privacy and security throughout the entire application architecture.

醫療領域本身對本地推理有極強的剛需，MedPsy 的前景值得期待；但唯有外部研究者能複現基準分數，並在真實臨床流程中進行測試，其實力才能真正得到證實。

本地 AI 與雲端 AI 的爭論，常被簡化為隱私與性能的二選一。而 QVAC 重構了這套邏輯，本質是便捷性與自主掌控權的取捨。

Cloud AI excels in ultimate ease of use: users simply open the app, enter a command, and receive results—without needing to worry about complex issues such as model weights, device VRAM, quantization parameters, vector embeddings, or runtime environment compatibility. The platform handles all technical complexity. This extreme convenience is also the core reason why centralized AI platforms have risen rapidly, enabling users to access cutting-edge intelligent capabilities with minimal barriers.

而 QVAC 要求開發者與用戶承擔更多運維責任，換來全新安全架構：本地離線運行、斷網可用、減少數據外洩、擺脫 API 依賴，同時打通點對點推理與模型分發通道。

根據 Tether SDK 介紹，搭載 QVAC 的應用程式可在弱網環境下穩定運行，甚至在斷網狀態下人工智能仍可正常運作。2025 年 QVAC 早期公告進一步規劃：AI 智能體可直接部署在本地設備，設備間透過 P2P 網絡協同互動，搭配 WDK 套件可實現 AI 智能體自主進行 BTC、USDT 資產交易。

這正是 Tether 的完整頂層邏輯，資金、算力、智能體，遵循同一套自主主權設計範式。

當然，其去中心化敘事並非完美無缺。從用戶可自行下載模型、本地運行、敏感數據留存設備來看，QVAC 在推理層實現了高度去中心化，相比託管式 API 不再由平台掌控每一次交互指令。依托 Holepunch 網絡架構，QVAC 還支持委託推理、去中心化模型分發等 P2P 底層能力，架構設計具備實質性創新。

但治理層面仍存在中心化屬性。QVAC 由 Tether 全資出資、命名統籌、市場推廣，旗艦應用、模型體系、SDK 路線規劃及「穩定智能」理念，均由單一企業主導。

這一現狀與其本地優先的核心價值並不衝突，只是將去中心化優勢限定在證據最扎實的推理運行層；整個生態仍需在預設註冊節點、版本發布渠道、安全規範、模型准入、長期社區治理等方面，逐步建立分佈式管控機制。

如今 QVAC 的公信力，完全取決於第三方重現結果。如果 MedPsy 的基準跑分能在外部評測環境中重現，Tether 將真正落實「智能資產儲備」理念：輕量化、開源、可本地部署的垂直領域模型，足以在高敏感賽道比肩雲端超大模型。

即使第三方測試縮小甚至逆轉跑分差距，QVAC 的基礎設施價值依然成立，只是模型性能敘事會有所弱化。行業終極命題依舊回歸科技亘古規律：極致便捷會催生權力集中，自主掌控則需付出運維成本。

這也正是阿西莫夫科幻理念的價值所在：《基地》中的心理史學，研究複雜大型系統在壓力下的演化規律；而 Tether 賦予其新內涵，聚焦基礎設施如何抵禦中心化壟斷。

科幻敘事格局宏大，技術落地尚處早期，但整體戰略邏輯清晰自洽。Tether 正依托全球最大穩定幣的持續現金流，搭建以本地運行、點對點網絡、開源工具、邊緣輕量化模型為核心的 AI 架構，將穩定幣的自主主權理念，從貨幣領域延伸至智能領域。

如今行業不再質疑，穩定幣巨頭有沒有實力佈局 AI？答案不言而喻。

真正的核心問題是，QVAC 能否打造足夠強悍的模型與基礎設施，讓用戶願意為了本地自主掌控，接受適度的運維門檻？

MedPsy 正是第一道可量化的門檻。第三方複現結果，將決定 QVAC 的心理史學敘事，終究只是科幻隱喻，還是正式躋身主流邊緣 AI 賽道、具備完整運營邏輯的底層架構。