Tether 新醫療 AI 計算量僅為對手的三分之一

USDT 穩定幣背後的公司 Tether 發布了一套新的醫療人工智慧模型，挑戰了行業對規模的盲目追求。其最高效的系統在關鍵基準測試中擊敗了尺寸接近其七倍的 Google 模型。QVAC MedPsy 模型旨在智慧型手機等設備上本地運行，此舉可能會規避日益增長的醫療 AI 行業面臨的主要隱私風險。

「對於 QVAC MedPsy，我們的重點是在模型層面提高效率，而不是擴大規模，」Tether 執行長 Paolo Ardoino 在一份聲明中表示。「你可以在數據已經存在的地方——醫院系統內或設備上運行醫療推理，而無需透過雲端傳輸敏感資訊或等待外部處理。」

該公司發布了兩個模型，其中 40 億參數版本在八項醫療基準測試中得分為 70.54，超過了尺寸幾乎是其七倍的 Google MedGemma-27B 模型。一個較小的 17 億參數模型也比同類 Google 模型高出 11 分以上。Tether 將這種性能歸功於一種結合了監督、精心策劃的臨床推理數據和強化學習的專業培訓過程。4B 模型的效率也高出三倍，產生響應大約需要 909 個 token，而同類系統約為 2,953 個。

此次發布針對醫療 AI 的一個關鍵漏洞：患者隱私。醫療 AI 市場預計將從目前的約 360 億美元增長到 2033 年的 5000 億美元以上，但大多數系統都依賴雲端。這需要將敏感的患者記錄傳輸到外部伺服器，從而產生 HIPAA 等法規下的合規性和隱私風險。透過完全在設備上運行，QVAC MedPsy 可將所有數據保留在本地。

設備端 AI 作為隱私解決方案

Tether 模型的架構為臨床環境推廣 AI 時伴隨的隱私擔憂提供了直接解決方案。雖然醫生已開始使用 AI 來總結患者就診情況並減少記錄時間，但這一過程通常涉及將對話上傳到雲端，正如奧蘭多健康中心（Orlando Health）的一些醫生所做的那樣。即使有 HIPAA 合規承諾，這仍導致患者對數據安全感到擔憂。

Tether 的方法消除了這一步驟。模型以壓縮的 GGUF 格式發布，較小版本僅佔用 1.2 GB，可直接安裝在標準醫院硬體或醫生的智慧型手機上。這意味著農村診所或個體從業者可以在不需要高速互聯網或雲訂閱的情況下使用 AI，且患者數據永遠不會離開辦公場所。

是秘書而非醫生

儘管性能有所提高且具有隱私優勢，但大型語言模型在醫學中的作用仍是激烈辯論的話題。牛津大學 2 月發表的一項研究發現，AI 模型在處理細微症狀時經常提供錯誤答案、混亂指導和危險的醫療建議。研究人員得出結論，目前的 AI 角色是「秘書而非醫生」。

此次發布是 Tether 向人工智慧領域進行更廣泛戰略推進的一部分。該公司最近推出了 QVAC SDK（用於構建本地離線 AI 應用程式的開源工具包）和 QVAC Health（一款將生物識別數據保留在設備上的消費者健康應用）。QVAC MedPsy 模型現已在開源 AI 平台 Hugging Face 上提供，是該公司首批專門針對臨床推理進行訓練的模型。

本文僅供參考，不構成投資建議。