Tether推出去中心化本地AI，靈感源自艾薩克·阿西莫夫《基地》中的心理史學

Tether的第二儲備資產是智能

Tether的全新QVAC專案以一個對穩定幣公司而言頗為罕見的措辭開場。該公司將「QVAC Psy」描述為一系列「植根於心理史學原則」的基礎模型。

心理史學的典故出自艾薩克·阿西莫夫的《基地》宇宙，哈里·謝頓在其中運用數學、統計學與社會動力學預測龐大人口的行為，並縮短銀河帝國崩潰後的黑暗時代。

《科幻小說百科全書》將阿西莫夫式心理史學定性為一門「虛構科學」，而謝頓的計劃則是預測未來事件、並在系統性崩解中保存知識的方案。

Tether的措辭實際上是一份包裹在科幻語言中的使命宣言。

該公司藉由將儲備、流動性與分發轉化為貨幣基礎設施，打造出加密市場規模最大的穩定幣。QVAC將同樣的思維邏輯應用於智能領域。

Tether的第一儲備資產仍是USDt核心的類美元負債。其第二儲備資產正逐漸演變為算力、模型、資料集，以及在中心化雲端之外運行AI的能力。

從美元儲備到智能儲備

Tether向AI的擴張遵循其核心業務的運作邏輯。USDt將離岸美元需求轉化為以短期主權工具為主的儲備堆疊。

在2026年第一季的審計更新中，Tether報告淨利潤為10.4億美元，儲備緩衝為82.3億美元，代幣相關負債約1,830億美元，對美國國庫券的直接及間接敞口約為1,410億美元。這一儲備基礎為

Tether帶來了持續性收入、資產負債表承載能力，以及從經營實力出發為長期基礎設施押注提供資金的空間。

CryptoSlate早已追蹤到這一儲備引擎如何將穩定幣規模轉化為戰略配置。今年1月，Tether購買8,888枚BTC一事展示了利息收入與營業利潤如何轉化為持續性的Bitcoin需求。QVAC將同樣的邏輯推向了另一個資產類別。

除Bitcoin、黃金、初創企業、能源、礦業、通訊及其他基礎設施倉位外，Tether正在將資金配置於智能本身。此舉將公司的自我定位從私人美元流動性發行方延伸至私人數字基礎設施建設者。

「心理史學」的語言契合這一方向，因為Tether將AI定位為文明層級的基礎設施，而非某個軟件垂直領域。QVAC的公開資料將其描述為「無限穩定智能平台」——一個面向「去中心化心智」的本地優先系統，以及中心化AI的替代方案。

QVAC願景頁面主張，將每一個思維都路由至中心化伺服器的方式過於緩慢、脆弱且受控，並將QVAC定位為用戶所擁有智能的邊緣原生基礎。

這一定位與Tether更廣泛的穩定幣主張相互呼應：資金應無需許可地流動，數據應留存於用戶手中，智能應在用戶所在之處運行。

然而，最重要的主張隱藏在阿西莫夫典故之下。Tether表示，當AI表現得像具備韌性的基礎設施時，其耐久性將得到提升。

雲端模型或許能力更強，但承載著供應商風險、定價風險、政策風險、延遲風險與數據路由風險。

本地模型以放棄部分前沿能力為代價，換取所有權、隱私與持續性。

這種取捨在加密領域並不陌生。自託管不如交易所方便，直到交易所崩潰。本地AI不如託管的前沿模型方便，直到網絡中斷、API更改、帳戶關閉，或數據無法離開設備。

QVAC是圍繞不同賽道打造的邊緣堆疊

QVAC的核心區別在於架構。OpenAI、Anthropic、Google DeepMind與xAI在最大通用能力、編程、多模態、長上下文推理、智能體行為及企業雲端分發等維度上展開競爭。

QVAC瞄準的是另一個軸線：可部署性、隱私、延遲、可組合性，以及在單一供應商之外的生存能力。

QVAC歡迎文檔將該專案定義為一個開源、跨平台的生態系統，面向Linux、macOS、Windows、Android與iOS上的本地優先、點對點AI應用。同一文檔指出，用戶可在本地運行大型語言模型（LLM）、執行語音識別與檢索增強生成，以及處理其他AI任務，或通過內置P2P功能將推理委託給對等節點。

這使QVAC與前沿實驗室有著不同的評估基準。前沿AI優化的是通過中心化服務提供最強的通用模型。QVAC優化的是推理發生的位置、誰控制運行時環境、哪些數據離開設備，以及當中心化服務不可用時應用程序能否繼續運行。

Tether於2026年4月發布的SDK描述了一套統一的開發套件，讓開發者能在任何設備上構建、運行和微調AI，應用程序可在iOS、Android、Windows、macOS和Linux上無縫運行。

文件還表示，QVAC SDK在本地推理引擎之上採用統一抽象層，包括QVAC Fabric（llama.cpp的分叉版本），以及與whisper.cpp、Parakeet和Bergamot的語音及翻譯集成。

這更接近於一個操作層，而非單一的模型發布。開源AI生態系統已擁有強大的組件：Llama、Qwen、Mistral、Gemma、DeepSeek、Hugging Face、llama.cpp、Ollama、vLLM、LM Studio，以及一長串本地推理專案。

QVAC押注的是，開發者需要一個連貫的邊緣框架，通過單一界面整合模型載入、推理、語音、OCR、翻譯、圖像生成、RAG、P2P模型分發、委託推理和本地微調。

QVAC將自身定位為智能的分發層，並假設足夠好用的本地模型將持續改進。

QVAC Fabric是這一主張的技術核心。Tether表示，Fabric通過Vulkan和Metal後端支持在現代消費者硬件上進行微調，包括搭載Qualcomm Adreno或ARM Mali GPU的Android設備、Apple Silicon設備，以及配備AMD、Intel或NVIDIA硬件的標準Windows或Linux設置。

文件還描述了針對移動GPU記憶體限制的動態分塊技術，以及帶有GPU加速和遮罩損失指令調優的LoRA工作流程。

若該工作流程在外部開發者使用中得到驗證，其與典型開源模型發布的區別將變得實質性。模型權重是一個層次，本地適配則成為下一個層次。

MedPsy是QVAC的首個硬核測試

MedPsy為QVAC提供了首個具體的模型層級驗證點。這份於5月7日發布的Hugging Face技術報告將QVAC MedPsy定位為一系列專為邊緣部署而構建的純文本醫療健康語言模型，參數量分別為17億和40億。

這一主張頗具雄心：通過嚴格控制的醫療後訓練流程訓練出的較小模型，能夠超越更大的醫療基準模型，同時仍適用於筆記本電腦、高端移動設備和智能手機級別的應用。

QVAC表示，MedPsy-1.7B在七個封閉式醫療基準測試中的得分為62.62，高於Google的MedGemma-1.5-4B-it的51.20，儘管其規模不足後者的一半。

文件還表示，MedPsy-4B的得分為70.54，略高於MedGemma-27B-text-it的69.95，而其規模卻小了近七倍。

在HealthBench和HealthBench Hard測試中，QVAC報告了更大的差距：根據報告中CompassJudger評估，MedPsy-4B的得分分別為74.00和58.00，而MedGemma-27B-text-it則為65.00和42.67。

若這些結果能夠獨立複現，將支持QVAC的核心論點：特定領域的邊緣規模模型能夠在受限的高價值類別中挑戰規模大得多的系統。

訓練方案也展示了QVAC的競爭策略。報告指出，MedPsy使用Qwen3骨幹網絡，並對醫療問答任務應用多階段監督微調和強化學習。

在實驗過程中，其生成了超過3,000萬條合成數據，採用兩階段課程學習，並選擇Baichuan-M3-235B作為長篇推理監督的單一教師模型。QVAC還聲明，訓練語料庫尚未公開發布。這一說明至關重要。

目前最強的公開基準聲明仍來自QVAC自身，而全面審查數據污染、覆蓋率、提示構建和教師影響所需的訓練數據仍不可用。

邊緣優勢在量化壓縮方面更加凸顯。QVAC表示，已為llama.cpp和QVAC SDK發布GGUF變體，Q4_K_M可將文件大小降低了69%，同時兩種MedPsy規模的平均得分損失均不足一分。

報告推薦使用帶有imatrix校準的Q4_K_M作為規模與質量的最佳平衡點：4B模型為2.72 GB，1.7B模型為1.28 GB。QVAC模型FAQ還警告稱，MedPsy僅支持文本、僅限英語、不適合緊急情況、易出現幻覺，且依賴開發者在整個應用架構中保護隱私。這為技術核心提供了準確的定位。

MedPsy之所以令人期待，是因為醫療領域有充分理由傾向於本地推理。但在外部研究人員複現基準測試結果、並在真實臨床工作流程約束下進行測試之前，其仍有待驗證。

尚未解決的爭論：便利性與控制權

本地AI與雲端AI之爭通常被定性為隱私與性能之間的選擇。QVAC將其重新定義為便利性與控制權之爭。

雲端AI在易用性上佔優。用戶打開應用、發送提示、獲取答案，無需承擔模型權重、設備記憶體、量化、嵌入或運行時兼容性等操作負擔。

複雜性由供應商承擔。這種便利性非常強大，也解釋了為何中心化AI平台能夠如此迅速地擴張。用戶以最小的設置成本獲得前沿能力。

QVAC要求開發者和用戶接受更多責任，以換取不同的安全模型。回報是本地執行、離線操作、降低數據暴露風險、對API訪問的依賴降低，以及通向點對點推理和模型分發的路徑。

Tether的SDK發布聲明稱，QVAC驅動的應用在低網絡連接環境下仍可持續運行，「即使互聯網中斷，AI也能繼續工作。」其2025年的QVAC公告走得更遠，描述了直接在本地設備上運行的AI智能體、用於設備間協作的點對點網絡，以及允許AI智能體以Bitcoin和USDt進行交易的WDK集成。

這是Tether完整的論點：資金、算力和自主智能體應共享相同的主權設計模式。

去中心化的主張並非像某些人所希望的那樣直接明了。當用戶能夠下載模型、在本地運行並將敏感數據保存在設備上時，QVAC在推理層面上具有實質性的去中心化意義。

它比託管API更加去中心化，因為供應商不再介入每一次提示。

根據Tether的SDK資料，它還通過Holepunch堆疊添加了點對點原語，包括委託推理和去中心化模型分發。這些是實質性的設計選擇。

治理是另一個層次。QVAC由Tether資助、命名、協調和推廣。旗艦應用、模型系列、SDK路線圖以及「穩定智能」語言均源自單一企業贊助商。

這一結構與本地優先的價值主張並存，將去中心化主張收窄至證據最為充分的範疇。

QVAC使推理發生的位置去中心化。但更廣泛的生態系統仍需要提供證據，證明對默認註冊表、發布渠道、安全慣例、模型納入和長期治理的分布式控制。

複現是下一個門檻

QVAC的可信度現在取決於複現。如果MedPsy的結果能在QVAC自身的評估框架之外得到複現，Tether將擁有其智能儲備論點的第一個可信案例：小型、開放、可本地部署的模型，能夠在敏感領域與更大的雲端導向系統競爭。

若獨立測試縮小或逆轉了基準差距，QVAC仍具備基礎設施層面的論點，但其模型主張的分量將有所降低。更廣泛的爭論將回歸到技術領域最古老的取捨：便利性集中權力，而控制權帶來工作負擔。

這正是阿西莫夫典故發揮作用之處。《基地》中的心理史學關注的是壓力下的大型系統。Tether的版本聚焦於中心化壓力下的基礎設施。這一語言宏大，技術驗證仍處於早期，但方向是連貫的。

Tether正在利用全球最大穩定幣的現金流，構建一個專注於本地執行、對等網絡、開放工具和邊緣規模模型的AI堆疊，並將穩定幣的前提從資金延伸至智能。

問題不再是一家穩定幣公司是否有能力構建AI。Tether顯然可以。

問題在於QVAC能否生產出足夠強大的模型和基礎設施，使用戶願意接受本地控制帶來的摩擦。

MedPsy是第一個可衡量的門檻。獨立複現將決定QVAC的心理史學語言究竟只是一個比喻，還是開始呈現出一個嚴肅邊緣AI堆疊的早期運作邏輯。

本文首發於CryptoSlate：Tether直接借鑒《基地》中艾薩克·阿西莫夫的心理史學，推出去中心化本地AI。