مُصدر العملات المستقرة Tether يعلن اليوم (17) عن تحقيق تقدم تقني كبير في بنيته التحتية للذكاء الاصطناعي: إطار عمل LoRA عبر منصة BitNet، وهو الأول من نوعه عالميًا الذي يدعم التخصيص عبر منصات متعددة، مما يسمح بتدريب واستنتاج نماذج اللغة الكبيرة التي كانت تتطلب سابقًا وحدات معالجة رسومات عالية الأداء وسحابة حوسبة، الآن يمكن إجراؤها على أجهزة استهلاكية عادية، بما في ذلك الهواتف الذكية.
يمكن للهواتف الذكية أيضًا تدريب نماذج اللغة الكبيرة: نموذج 1B في أقل من ساعة
وفقًا لبيانات نشرتها Tether، تم تنفيذ تخصيص نماذج BitNet بنجاح على عدة أجهزة، بما في ذلك هواتف Samsung S25 وiPhone 16.
Samsung S25 (معالج Adreno):
نموذج بـ 125 مليون معلمة: حوالي 10 دقائق للتخصيص
نموذج بـ 1 مليار معلمة: حوالي ساعة و18 دقيقة
iPhone 16 (معالج Apple):
نموذج بـ 1 مليار معلمة: حوالي ساعة و45 دقيقة
اختبارات قصوى أظهرت إمكانية تخصيص نماذج تصل إلى 13 مليار معلمة
كانت مهام تدريب الذكاء الاصطناعي سابقًا تتم على وحدات معالجة رسومات عالية الأداء من NVIDIA، الآن تم تقليصها لتعمل على الهواتف والأجهزة الطرفية الأخرى.
التقنية الأساسية: BitNet + LoRA — خفض تكاليف الذكاء الاصطناعي بشكل كبير
الاختراق الرئيسي يكمن في دمج تقنيتين:
BitNet (نموذج لغة كبير 1-bit)
يقوم بضغط الأوزان التقليدية عالية الدقة إلى ثلاث قيم فقط: -1، 0، 1، مما يقلل بشكل كبير من متطلبات الذاكرة والحوسبة.
LoRA (التكيف ذو الرتبة المنخفضة)
يُدرّب عددًا قليلًا من المعلمات (يمكن أن يقلل من حجم التدريب بنسبة تصل إلى 99%)، مما يقلل بشكل كبير من تكلفة التخصيص.
عند دمجهما، يمكن للنموذج العمل في بيئات ذات موارد منخفضة جدًا.
الاختبارات أظهرت أن BitNet-1B يستخدم 77.8% أقل من VRAM مقارنة بـ Gemma-3-1B، و65.6% أقل من Qwen3-0.6B. على نفس الأجهزة، يمكن تشغيل نماذج أكبر بحوالي ضعف الحجم.
فتح قدرات الذكاء الاصطناعي على الهواتف باستخدام GPU: أداء أعلى بمقدار 11 مرة
اختراق آخر لـ QVAC هو تمكين تشغيل BitNet على بيئات غير NVIDIA. يدعم GPU من AMD وIntel وApple Silicon، وحتى GPU الهواتف مثل Adreno وMali وApple Bionic.
نماذج اللغة الكبيرة لم تعد حكرًا على عمالقة التكنولوجيا، والذكاء الاصطناعي يمكن أن يصبح لامركزيًا
قال Paolo Ardoino، المدير التنفيذي لـ Tether: «الذكاء هو العامل الحاسم في تطور المجتمع المستقبلي. لديه القدرة على تعزيز الاستقرار الاجتماعي، وربط المجتمع، أو تمكين النخب القليلة. مستقبل الذكاء الاصطناعي يجب أن يكون في متناول الجميع، يمكن للجميع استخدامه، وليس حكرًا على عدد محدود من مقدمي خدمات السحابة.»
تطوير الذكاء الاصطناعي التقليدي يعتمد بشكل كبير على السحابة ومجموعات وحدات معالجة رسومات ضخمة، وهو مكلف ومركز في أيدي عدد قليل من عمالقة التكنولوجيا. منصة QVAC من Tether تدعم تدريب نماذج كبيرة ذات معنى على أجهزة استهلاكية مثل الهواتف الذكية، مما يثبت أن الذكاء الاصطناعي المتقدم يمكن أن يكون لامركزيًا وشاملًا. خلال الأشهر القادمة، ستواصل الشركة استثمار الموارد والمال لضمان توفر الذكاء الاصطناعي على الأجهزة المحلية في أي وقت وأي مكان.
هذه المقالة تقول إن الذكاء الاصطناعي لم يعد حكرًا على عمالقة التكنولوجيا! Tether تطلق QVAC، هل حان وقت أن يمتلك الجميع نموذج لغة كبير؟ ظهرت لأول مرة على Chain News ABMedia.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
