Tether Luncurkan Framework AI untuk Smartphone dan GPU Consumer

Tether meluncurkan framework baru untuk training AI yang diklaim memungkinkan large language models di-fine-tune menggunakan hardware consumer, termasuk smartphone dan GPU non-Nvidia. Framework ini menjadi bagian dari platform QVAC dan dirancang untuk menekan kebutuhan komputasi yang biasanya jadi hambatan besar dalam pengembangan model AI.

Menurut Tether, sistem ini memanfaatkan arsitektur BitNet dari Microsoft dan teknik LoRA untuk mengurangi kebutuhan memori dan compute. Pendekatan ini membuka peluang agar pelatihan model AI tidak lagi sepenuhnya bergantung pada server besar atau hardware kelas atas.

Langkah ini menunjukkan bahwa Tether mulai memperluas perannya di luar stablecoin. Perusahaan kini ikut masuk ke area infrastruktur AI, dengan fokus pada efisiensi komputasi dan akses yang lebih luas terhadap pengembangan model.

Dukungan Hardware Lebih Luas dan Biaya Lebih Rendah

Framework ini mendukung training dan inference lintas platform, termasuk chip dari AMD, Intel, Apple Silicon, serta GPU mobile dari Qualcomm dan Apple. Artinya, pengembangan model AI bisa dijalankan di lebih banyak perangkat tanpa harus bergantung pada ekosistem Nvidia yang selama ini mendominasi sektor tersebut.

Tether menyebut tim engineering mereka mampu melakukan fine-tuning model hingga 1 miliar parameter di smartphone dalam waktu kurang dari dua jam. Untuk model yang lebih kecil, prosesnya bahkan disebut bisa selesai hanya dalam hitungan menit. Dukungan ini juga diklaim bisa diperluas hingga model sebesar 13 miliar parameter di perangkat mobile.

Berbasis arsitektur 1-bit BitNet, framework ini disebut mampu memangkas kebutuhan VRAM hingga 77,8% dibanding model 16-bit serupa. Selain memperluas akses ke hardware yang lebih terjangkau, sistem ini juga memungkinkan fine-tuning LoRA pada hardware non-Nvidia, yang bisa menurunkan biaya sekaligus memperluas opsi pengembangan AI.

Tether Masuk Lebih Dalam ke Tren AI dan Infrastruktur Komputasi

Selain training, Tether juga menyoroti peningkatan performa inference, di mana GPU mobile disebut mampu menjalankan model BitNet beberapa kali lebih cepat dibanding CPU. Perusahaan juga menyinggung potensi use case seperti on-device training dan federated learning, yaitu model yang bisa diperbarui di banyak perangkat tanpa harus mengirim data ke server terpusat.

Peluncuran ini datang di saat semakin banyak perusahaan kripto masuk ke sektor AI, mulai dari infrastruktur komputasi hingga AI agents. Dalam beberapa bulan terakhir, tren ini terlihat makin kuat seiring meningkatnya investasi pada data center, high-performance computing, dan tools yang menghubungkan AI dengan layanan blockchain.

Secara keseluruhan, langkah Tether ini memperlihatkan bahwa persaingan di industri kripto kini mulai bergeser ke area yang lebih luas dari sekadar aset digital. Infrastruktur AI, efisiensi hardware, dan integrasi machine learning tampaknya mulai menjadi bagian penting dari strategi perusahaan-perusahaan besar di sektor ini.

Disclaimer: Artikel ini disusun untuk tujuan informasi dan edukasi, bukan sebagai saran keuangan atau ajakan investasi. Selalu lakukan riset mandiri sebelum mengambil keputusan di crypto market.