테더의 460M개 파라미터를 가진 AI 모델은 “클라우드 세금을 내지 말라”고 말한다.

VisionPsy-Nano는 기기 내에서의 인출에 중점을 둡니다.

테더의 최신 AI 제품은 간단한 개념을 기반으로 만들어졌습니다. 즉, AI 비용을 줄이는 방법은 모든 요청을 클라우드로 보내는 대신 장치 자체에서 인식 작업을 수행하는 것입니다. VisionPsy-Nano는 그러한 방식을 사용하는 제품입니다.460백만 개의 파라미터테더가 개발자들이 다운로드하고 테스트하며 배포할 수 있도록 오픈소스 소프트웨어로 공개한 시냅스-언어 모델입니다.

벤치마크 리더십은 그 단서일 뿐, 전부는 아닙니다.

테더에 따르면 VisionPsy-Nano는 성공을 거두었다고 합니다.전체 표준화 점수가 62.3으로 가장 높음그리고 자신의 체급으로 승리했습니다.17개 지표 중 16개그것만으로는 클라우드 대체가 가능하다는 증거는 되지 않습니다. 하지만 콤팩트한 모델들이 여전히 소비자용 하드웨어에서 경쟁력이 있을 수 있다는 것을 보여줍니다. 진짜 문제는 작은 모델들이 잘 작동할 수 있는지가 아니라, 그 모델들이 널리 사용될 수 있을 만큼 유효한지가 됩니다.

이것은 아직 초기 단계에 불과합니다. 벤치마크 성능은 독립적인 검증이 필요하며, 테더는 아직 주류 AI 공급업체가 아닙니다. 하지만 이번 출시는 이론적인 것이 아니라 실제로 구현된 것입니다. 모델은 공개되어 있으며, 기기 내에서 사용하거나 엣지 환경에서 활용하기 위한 목적으로 만들어졌습니다.

경제적 측면은 지역형 AI 시스템에 있습니다.

모델 헤드라인은 관심을 끌지만, 실제 경제적 효과는 그 주변의 요소들에 의해 결정됩니다. 일단 추론이 지역적으로 이루어질 수 있게 되면, 중요한 질문은 각 장치가 시간이 지남에 따라 얼마나 많은 클라우드 비용을 대체할 수 있는지입니다.

메모리와 하드웨어의 유연성이 진짜 장애 요인입니다.

QVAC Fabric은 기기 내의 두 가지 주요 제약 요소를 동시에 해결합니다.16비트 모델에 비해 77.8% 더 적은 VRAM그리고 스마트폰의 자체 GPU를 사용하여 78분 만에 Galaxy S25에서 1B 모델을 정밀하게 조정할 수 있습니다. 데이터는 기기 내에 그대로 저장됩니다. 이는 매우 중요한 점입니다. 왜냐하면 투자 가치는 단순한 성능 테스트 결과와 관련된 것이 아니라, 소비자용 하드웨어가 실제적인 인식 장치로서 활용될 수 있는지 여부와 관련이 있기 때문입니다.

짧은 프롬프트는 로컬에서 쉽게 실행될 수 있습니다. 긴 문서, 코드베이스, 여러 시간에 걸쳐 진행되는 작업들은 보통 클라우드로 전송됩니다. TurboQuant는 이러한 방식을 바꾸어, 수학적 계산 과정을 변화시킵니다.최대 5배의 컨텍스트 메모리 압축 가능로컬 추론 경로에서는, 긴 컨텍스트를 다루는 평가에서 거의 측정 가능한 정확도 손실이 나타나지 않았습니다. 자동화된 기능도 추가되었습니다.KV 캐시 압축그리고 맞춤형 도구 사용을 통해 더 깊은 문제를 해결할 수 있습니다. 즉, 모델 크기뿐만 아니라 실제 사용 중의 작업 메모리도 고려됩니다.

더 넓은 지역적 추론 아키텍처가 형성되고 있습니다.

QVAC는 AMD, 인텔, 애플, 퀄컴, ARM 칩을 지원합니다. 이는 중요한 점입니다. 왜냐하면 특정 액세스러 시스템에 의존하지 않는 스택은 더 많은 채택 가능성이 있기 때문입니다. Tether도 마찬가지로 적극적으로 활동하고 있습니다.피어투피어 네트워킹디바이스 간 협업을 위한 단일 프레임워크로서, 스마트폰, 노트북, 임베디드 시스템 및 기타 엔드포인트까지 통합됩니다.

불스는 이를 클라우드 API 사용 비용에 대한 압력 요인으로 보고 있습니다. 베어스는 또 다른 오픈소스 스택이 즉시 하이퍼스케일러의 수익을 증가시키지 못한다고 주장할 수 있습니다. 하지만 그 방향은 주목할 만합니다. 즉, 기기 내에서의 인스펄레이션에서 더 분산된 인스펄레이션 네트워크로 전환되는 로컬-AI 스택입니다.

투자자들이 수익 면보다는 평가 가치 측면을 더 주목하는 이유

더 유용한 투자 정보는 테더의 모델이 단독으로 작동하는지 여부가 아닙니다. 중요한 것은, 시간이 지나면서 현지적인 추론이 시장이 인공지능 인프라 구축에 얼마나 많은 비용을 지불할 의향이 있는지를 제한할 수 있는지입니다. 대형 기술 기업들의 인공지능 관련 투자는 종종 예상치와 비교하여 측정됩니다.4050억 달러 이상투자비용 측면에서, 그리고 AI 칩 관련 주식들의 7월 수익도 약간 증가했습니다.시장 가치로 2조 달러그렇다면, 가격에 이미 포함된 상당한 미래 수요가 남아 있습니다.

‘불리한 상황’이란 단순한 수치의 감소일 뿐, 즉각적인 수익 손실은 아닙니다.

만약 작업 부하가 부분적으로 장치들로 이동한다면, 첫 번째 영향은 보고된 수익이 아니라 가치 평가에 있을 것입니다. AI 시스템은 매우 복잡하고 서로 연결되어 있습니다.칩 제조업체, 클라우드 기업, 전력 공급업체, 소프트웨어 회사들모든 것이 함께 움직이는 이유는 자본 지출이 공동의 원동력이기 때문입니다. 투자자들이 그러한 지출이 얼마나 영구적인지 의문을 갖기 시작하면, 수익이 크게 손상될 때까지 기업은 여러 가지 조치를 취할 수 있습니다.

그렇게 되려면 하이퍼스케일러들의 요구가 깨져야 하는 것은 아닙니다. 단지 시장이 각 새로운 랙에 대한 더 느린 장기적인 수익률을 가격으로 책정해야 할 뿐입니다. 그런 상황에서는 후속 레이어의 승자들도…고도화된 제조 및 포장 능력투자자들이 더 명확한 수익 창출 방식과 끊임없는 투자 비용 증가에 대한 의존도가 낮은 자산에 보상을 주기 시작한다면, 이는 클라우드 산업의 기본 전략보다 더 견고할 수 있을 것입니다.

우려되는 점은 클라우드 수요가 여전히 매우 강력하다는 것입니다.

더 강한 악화 상황은 명확합니다. 확장이 계속 가속되고 있습니다. 최근 보고된 분기에서 빅테크 기업들의 지출은 분기당 19% 증가했으며, AI 칩 관련 주식도 상승했습니다.시장 가치로 2조 달러7월에만 그렇습니다. 이러한 상황에서, 단 하나의 이익 증가만으로는 시장을 바꿀 수 없을 것입니다. 현재로서는 이는 이익이 어떻게 변하는지에 대한 논쟁일 뿐, 실제적인 변화라고 보기 어렵습니다.

어떤 것들이 이 주장을 뒷받침하거나 반박할 수 있을까?

현지 배포가 단순한 프로토타입 테스트에 그치지 않는다는 신호를 주의 깊게 살펴보세요.

• 개발자들이 오픈소스 모델과 도구를 채택하는 것
• 더 긴 컨텍스트를 포함하는 작업들이 클라우드에 의존하지 않고도 장치 내에서 처리될 수 있다는 증거입니다.
• 수요는 여전히 유지되고 있지만, 투자 열기가 식어가고 있는 신호들입니다.