Посібник з інвестицій у підмережу Bittensor: ловіть наступну хвилю AI

Автор: основний учасник Biteye @lviswang

Редактор: основний внесок Biteye Деніз

01、Огляд ринку: оновлення dTAO викликало еко-сплеск

13 лютого 2025 року мережа Bittensor зустріла історичне оновлення Dynamic TAO (dTAO), яке перевело мережу з централізованої моделі управління на ринково-орієнтоване децентралізоване розподілення ресурсів. Після оновлення кожен підмережа має незалежні токени alpha, а власники TAO можуть вільно обирати об'єкти для інвестування, що насправді реалізує механізм виявлення вартості на ринку.

Дані свідчать про те, що оновлення dTAO звільнило величезну інноваційну енергію. Лише за кілька місяців Bittensor виріс з 32 підмереж до 118 активних підмереж, що становить приріст 269%. Ці підмережі охоплюють усі сегменти AI-індустрії, від базових текстових міркувань, генерації зображень до передових процесів складання білків і кількісної торгівлі, утворюючи найповнішу децентралізовану AI-екосистему на сьогодні.

Ринкові показники також вражаючі. Загальна капіталізація топових підмереж зросла з 4 мільйонів доларів до 690 мільйонів доларів, а річна прибутковість від стейкінгу стабільно коливається в межах 16-19%. Кожна підмережа розподіляє мережеві стимули відповідно до ринкової ставки стейкінгу TAO, а перші 10 підмереж займають 51,76% мережевих викидів, що відображає механізм відбору на ринку.

02、Аналіз ядра мережі (перше 10 місць за викидами)

1 @chutes_ai, Chutes (SN64) - безсерверні AI обчислення

Основна цінність: Революція в досвіді розгортання AI-моделей, значне зниження витрат на обчислювальну потужність

Chutes використовує архітектуру "миттєвого запуску", що дозволяє скоротити час запуску AI моделей до 200 мілісекунд, що в 10 разів ефективніше в порівнянні з традиційними хмарними послугами. Більше 8000 GPU вузлів по всьому світу підтримують основні моделі від DeepSeek R1 до GPT-4, обробляючи понад 5 мільйонів запитів на день, з затримкою відповіді, що контролюється в межах 50 мілісекунд.

Модель бізнесу зріла, використовує стратегію безкоштовного доступу з додатковими платними послугами для залучення користувачів, через платформу OpenRouter інтегрується, Chutes надає обчислювальну потужність для популярних моделей, таких як DeepSeek V3, отримуючи дохід з кожного виклику API. Вартісні переваги значні, на 85% нижчі, ніж AWS Lambda. Наразі загальне споживання токенів перевищує 9042.37B, обслуговує понад 3000 корпоративних клієнтів.

dTAO після 9 тижнів запуску досягнув ринкової капіталізації в 100 мільйонів доларів, поточна капіталізація становить 79 мільйонів, технологічний бар'єр глибокий, комерціалізація проходить успішно, рівень визнання на ринку досить високий, наразі є лідером серед підмереж.

2 @celiumcompute, Celium (SN51) - апаратна оптимізація обчислень

Основна цінність: оптимізація апаратного забезпечення, підвищення ефективності обчислень AI

Розроблено Datura AI, зосереджено на оптимізації обчислень на апаратному рівні. Завдяки чотирьом технологічним модулям: плануванню GPU, апаратній абстракції, оптимізації продуктивності та управлінню енергоефективністю, максимізується ефективність використання апаратного забезпечення. Підтримує повний спектр апаратного забезпечення, включаючи NVIDIA A100/H100, AMD MI200, Intel Xe, ціни на 90% нижчі в порівнянні з аналогічними продуктами, ефективність обчислень підвищено на 45%.

Наразі Celium є другою за обсягом викидів підмережею на Bittensor, займаючи 7,28% від загальних викидів мережі. Оптимізація апаратного забезпечення є ключовим етапом ІТ-інфраструктури, має високу технологічну бар'єрність і тенденцію до зростання цін, поточна ринкова капіталізація 56M.

3. @TargonCompute, Targon (SN4) - децентралізована платформа для AI-інференції

Основна цінність: технологія конфіденційних обчислень, що забезпечує безпеку приватності даних

Ядром Targon є TVM (Targon Virtual Machine), це безпечна платформа конфіденційних обчислень, що підтримує навчання, висновування та перевірку AI моделей. TVM використовує такі технології конфіденційних обчислень, як Intel TDX та NVIDIA конфіденційні обчислення, щоб забезпечити безпеку та захист конфіденційності всього робочого процесу AI. Система підтримує наскрізне шифрування від апаратного забезпечення до прикладного рівня, що дозволяє користувачам використовувати потужні AI послуги без розкриття даних.

Targon має високий технологічний бар'єр, чітку бізнес-модель та стабільне джерело доходу. Наразі запущено механізм викупу доходів, всі доходи йдуть на викуп токенів, нещодавно було викуплено 18 тисяч доларів.

4. @tplr_ai，τemplar (SN3) - Дослідження AI та розподілене навчання

Основна цінність: Масштабна кооперативна тренування моделей ШІ, зниження порогу для тренування

Templar є піонерською підмережею в мережі Bittensor, яка спеціалізується на розподіленому навчанні великих масштабів AI моделей. Її місія полягає в тому, щоб стати "найкращою платформою для навчання моделей у світі". Співпраця у навчанні здійснюється за рахунок GPU ресурсів, наданих учасниками з усього світу, зосереджуючи увагу на спільному навчанні та інноваціях передових моделей, підкреслюючи антикорупцію та ефективну співпрацю.

У досягненнях технологій Templar успішно завершив навчання моделі з 1,2B параметрами, пройшовши більше 20 тисяч циклів навчання, приблизно 200 GPU брали участь у всьому процесі. У 2024 році оновлення механізму commit-reveal підвищить децентралізацію та безпеку перевірки; у 2025 році буде продовжено просування навчання великих моделей, обсяг параметрів досягне 70B+, а в стандартних AI бенчмарках покаже результати, що відповідають галузевим стандартам, отримавши особисту рекомендацію від засновника Bittensor Const.

Технологічні переваги Templar є досить помітними, поточна ринкова капіталізація становить 35M, займаючи 4,79% від викидів.

5. @gradients_ai, Gradients (SN56) - децентралізоване AI навчання

Основна цінність: демократизація навчання ШІ, значне зниження бар'єрів для входу

Розроблено компанією Rayon Labs, рішення для проблеми вартості навчання ШІ за допомогою розподіленого навчання. Інтелектуальна система планування на основі синхронізації градієнтів ефективно розподіляє завдання на тисячі GPU. Завершено навчання моделі з 118 трильйонами параметрів, вартість становить лише 5 доларів на годину, що на 70% дешевше, ніж традиційні хмарні сервіси, а швидкість навчання на 40% швидша, ніж централізовані рішення. Інтерфейс з одною кнопкою знижує бар'єри для використання, вже більше 500 проектів використовуються для налаштування моделей, охоплюючи медицину, фінанси, освіту та інші сфери.

Поточна ринкова капіталізація 30M, великий попит на ринку, чітка технологічна перевага, це один з підмереж, на який варто звертати увагу в довгостроковій перспективі.

6. @taoshiio，Приватна торгівля (SN8) - Фінансовий кількісний трейдинг

Основна цінність: AI-орієнтовані багатоактивні торгові сигнали та фінансові прогнози

SN8 є децентралізованою платформою для квантової торгівлі та фінансового прогнозування, що використовує AI для торгівельних сигналів з багатьох активів. Власна торгівельна мережа застосовує технології машинного навчання для прогнозування фінансових ринків, створюючи багаторівневу архітектуру прогнозних моделей. Його модель часових прогнозів поєднує технології LSTM і Transformer, здатна обробляти складні часові ряди. Модуль аналізу ринкових настроїв аналізує контент соціальних медіа та новини, надаючи показники настроїв як допоміжний сигнал для прогнозування.

На сайті можна побачити прибуток та тестування стратегій, які надають різні майнери. SN8 поєднує ШІ та блокчейн, пропонуючи інноваційний спосіб торгівлі на фінансових ринках, поточна ринкова капіталізація становить 27M.

7. @_scorevision，Score (SN44) - спортивний аналіз та оцінка

Ключова цінність: аналіз спортивних відео, націлений на футбольну індустрію в 6000 мільярдів доларів

Комп'ютерна зоровість, зосереджена на аналізі спортивних відео, використовує легкі технології верифікації для зниження витрат на складний аналіз відео. Використовує двоетапну верифікацію: виявлення поля та перевірка об'єктів на основі CLIP, знижуючи традиційні витрати на розмітку тисячі доларів за один матч до 1/10 або 1/100. У співпраці з Data Universe, агент DKING AI має середню точність прогнозування 70%, яка досягала 100% точності за один день.

Спортивна індустрія має величезний масштаб, технологічні інновації є значними, ринкові перспективи широкі, Score є чітко орієнтованим на застосування підмережевим проектом, варто звернути на нього увагу.

8. @openkaito, OpenKaito (SN5) - відкритий текстовий вивід

Основна цінність: Розробка моделей вбудовування тексту, оптимізація інформаційного пошуку

OpenKaito зосереджується на розробці моделей вбудовування тексту, підтримуваних важливим учасником сфери InfoFi - Kaito. Як проект з відкритим вихідним кодом, що керується спільнотою, OpenKaito прагне створити якісні можливості розуміння і міркування тексту, особливо в сфері інформаційного пошуку та семантичного пошуку.

Ця підмережа все ще на ранній стадії розвитку, основна увага приділяється створенню екосистеми навколо моделей текстового вбудовування. Варто звернути увагу на майбутню інтеграцію Yaps, яка може значно розширити її сценарії використання та користувацьку базу.

9. @MacrocosmosAI, Дата Всесвіт (SN13) - AI дані інфраструктура

Ядро цінності: обробка великих даних, постачання даних для навчання ШІ

Обробка 500 мільйонів рядків даних на день, загалом понад 55,6 мільярда рядків, підтримка зберігання 100 ГБ. Архітектура DataEntity забезпечує стандартизацію даних, оптимізацію індексації, розподілене зберігання та інші ключові функції. Інноваційний механізм голосування «гравітація» забезпечує динамічну корекцію ваги.

Дані є нафтою для ШІ, вартість інфраструктури стабільна, екологічна ніша є важливою. Як постачальник даних для кількох підмереж, глибока співпраця з проектами, такими як Score, відображає цінність інфраструктури.

10. @taohash，TAOHash (SN14) - PoW обчислювальна потужність видобутку

Основна цінність: з'єднання традиційного майнінгу та AI обчислень, інтеграція обчислювальних ресурсів

TAOHash дозволяє майнерам біткойнів перенаправляти обчислювальну потужність до мережі Bittensor, отримуючи токени alpha за допомогою майнінгу для стейкінгу або торгівлі. Ця модель поєднує традиційний PoW майнінг з AI обчисленнями, пропонуючи майнерам нові джерела доходу.

За короткий проміжок часу було залучено понад 6EH/s потужності (приблизно 0,7% від світової потужності), що підтверджує визнання ринку цієї гібридної моделі. Майнери можуть обирати між традиційним видобутком біткоїнів та отриманням токенів TAOHash, оптимізуючи прибуток відповідно до ринкової ситуації.

11. @CreatorBid，Creator.Bid - платформа запуску екосистеми AI-агентів

Creator.Bid хоча й не є підмережою, проте відіграє важливу координуючу роль в екосистемі Bittensor. Екосистема Creator.Bid базується на трьох основних стовпах. Модуль Launchpad надає справедливі та прозорі послуги запуску AI-агентів, забезпечуючи безпечну та прозору відправну точку для нових AI-агентів через справедливі контракти на запуск та механізми кураторського запуску, які захищають від підкидання. Модуль Tokenomics об'єднує всю екосистему за допомогою токена BID, надаючи агентам стійку модель доходу. Модуль Hub пропонує потужні послуги на основі API, включаючи автоматизацію контенту, API соціальних медіа та моделі налаштування зображень тощо.

Основна інновація платформи полягає в концепції Agent Keys. Ці цифрові токени членства дозволяють творцям будувати спільноти навколо AI-агентів і реалізовувати спільну власність. Кожен AI-агент отримує унікальну ідентифікацію через Agent Name Service (ANS), ANS реалізується у вигляді NFT, що забезпечує наявність у кожного агента неповторного ідентифікатора. Користувачі можуть вводити індивідуальні характеристики за допомогою простих підказок, без необхідності знання програмування, щоб створити функціонального AI-агента.

Хоча Creator.Bid побудований на мережі Base, він встановив глибокі партнерські відносини з екосистемою Bittensor. Завдяки управлінню TAO Council, Creator.Bid об'єднує топові підмережі, такі як BitMind (SN34), Dippy (SN11 & SN58), ставши "координаційним рівнем для агентів TAO, підмереж і будівельників".

Цінність цього співробітництва полягає в інтеграції переваг різних мереж. Bittensor забезпечує потужні можливості AI-розуміння та навчання, тоді як Creator.Bid пропонує зручну платформу для створення та запуску агентів. Поєднання обох екосистем дозволяє розробникам використовувати AI-можливості Bittensor для створення агентів, а потім токенізувати їх і залучати спільноту через Launchpad Creator.Bid.

Співпраця з AI Agent Arena Masa (SN59) ще більше підкреслює цей синергійний ефект. Creator.Bid надає інструменти для створення агентів для арени, що дозволяє користувачам швидко розгортати AI-агентів для участі в змаганнях. Така модель співпраці між екосистемами стає важливою тенденцією в галузі децентралізованого AI.

03, аналіз екосистеми

Головні переваги технологічної архітектури

Технологічні інновації Bittensor створюють унікальну децентралізовану екосистему штучного інтелекту. Його алгоритм консенсусу Yuma забезпечує якість мережі через децентралізовану верифікацію, а механізм ринкового розподілу ресурсів, введений оновленням dTAO, суттєво підвищує ефективність. Кожна підмережа обладнана механізмом AMM, що реалізує виявлення цін між токенами TAO та alpha, що дозволяє ринковим силам безпосередньо брати участь у розподілі ресурсів ШІ.

Протокол співпраці між підмережами підтримує розподілену обробку складних AI-завдань, створюючи потужний мережевий ефект. Подвійна структура стимулів (викиди TAO та зростання вартості токенів alpha) забезпечує довгострокову мотивацію для участі, а творці підмереж, майнери, валідатори та стейкери отримують відповідні винагороди, формуючи стійкий економічний замкнений цикл.

Конкурентні переваги та виклики

У порівнянні з традиційними централізованими постачальниками послуг ШІ, Bittensor пропонує справжню децентралізовану альтернативу, яка відзначається високою ефективністю витрат. Кілька підмереж демонструють значні переваги в витратах, наприклад, Chutes дешевше на 85% порівняно з AWS; ця перевага в витратах походить від підвищення ефективності децентралізованої архітектури. Відкрита екосистема сприяє швидкій інновації, кількість і якість підмереж постійно зростає, а швидкість інновацій значно перевищує традиційні розробки в компаніях.

Однак екосистема також стикається з реальними викликами. Технологічний бар'єр все ще залишається високим, незважаючи на те, що інструменти постійно покращуються, участь у майнінгу та валідації все ще вимагає значних технічних знань. Невизначеність регуляторного середовища є ще одним ризиковим фактором, з яким можуть стикатися децентралізовані AI-мережі через різні регуляторні політики в різних країнах. Традиційні хмарні постачальники, такі як AWS та Google Cloud, не стоятимуть осторонь і, ймовірно, випустять конкурентоспроможні продукти. Зі збільшенням масштабу мережі важливим випробуванням також стає питання про те, як підтримувати баланс між продуктивністю та децентралізацією.

Вибуховий ріст AI-індустрії надає Bittensor величезні ринкові можливості. Goldman Sachs прогнозує, що до 2025 року глобальні інвестиції в AI досягнуть майже 200 мільярдів доларів, що забезпечить потужну підтримку для попиту на інфраструктуру. Очікується, що глобальний ринок AI зросте з 294 мільярдів доларів у 2025 році до 1,77 трильйона доларів у 2032 році, з середньорічним темпом зростання 29%, що створює широкий простір для розвитку децентралізованої AI-інфраструктури.

Підтримка розвитку ІШ в різних країнах створила можливості для децентралізованої ІШ інфраструктури, в той час як зростаюча увага до конфіденційності даних і безпеки ІШ збільшила попит на такі технології, як конфіденційні обчислення, що є основною перевагою підмереж, таких як Targon. Інтерес інституційних інвесторів до ІШ інфраструктури продовжує зростати, участь таких відомих установ, як DCG і Polychain, забезпечує фінансову та ресурсну підтримку для екосистеми.

04, інвестиційна стратегія

Інвестування в підмережу Bittensor вимагає створення системної оцінювальної структури. На технічному рівні потрібно розглянути рівень інновацій та глибину «захисної стіни», технічну спроможність команди та здатність до виконання, а також синергійний ефект з іншими проектами в екосистемі. На ринку необхідно проаналізувати розмір цільового ринку та потенціал зростання, конкурентний ландшафт і диференційовані переваги, прийняття користувачами та мережеві ефекти, а також регуляторне середовище та ризики політики. На фінансовому рівні потрібно зосередитися на поточному рівні оцінки та історичній продуктивності, частці випуску TAO та тенденціях зростання, раціональності дизайну токеноміки, а також ліквідності та глибині торгів.

У конкретному управлінні ризиками диверсифікація інвестицій є основною стратегією. Рекомендується розподілити інвестиції між різними типами підмереж, включаючи інфраструктурні (як-от Chutes, Celium), застосункові (як-от Score, BitMind) і протокольні (як-от Targon, Templar). Одночасно слід коригувати інвестиційну стратегію в залежності від стадії розвитку підмережі: на ранніх етапах ризики високі, але потенційні收益 великі, тоді як зрілі проекти відносно стабільні, але мають обмежений простір для зростання. Враховуючи, що ліквідність токенів alpha може бути не такою високою, як у TAO, необхідно раціонально організувати співвідношення фінансування, щоб підтримувати необхідний ліквідний буфер.

Перший захід зменшення винагороди за видобуток, що відбудеться у листопаді 2025 року, стане важливим каталізатором для ринку. Зменшення випуску підвищить рідкість існуючих підмереж, одночасно можливо виключивши неефективні проекти, що призведе до переформування економічного ландшафту всього мережі. Інвестори можуть заздалегідь розмістити капітал у якісних підмережах, скориставшись вікном можливостей перед зменшенням.

У середньостроковій перспективі очікується, що кількість підмереж перевищить 500, охоплюючи всі сегменти AI-індустрії. Зростання корпоративних застосувань сприятиме розвитку підмереж, пов'язаних з конфіденційними обчисленнями та захистом даних; співпраця між підмережами стане більш частою, сформувавши складний ланцюг постачання AI-послуг. Поступове уточнення регуляторної рамки надасть очевидні переваги комплаєнс-підмережам.

В довгостроковій перспективі Bittensor має потенціал стати важливою складовою глобальної інфраструктури штучного інтелекту. Традиційні компанії штучного інтелекту можуть впроваджувати гібридні моделі, частково переміщуючи свій бізнес в децентралізовану мережу. Нові бізнес-моделі та сценарії застосування постійно з'являтимуться, а взаємодія з іншими блокчейн-мережами посилюватиметься, в результаті чого буде сформовано більшу децентралізовану екосистему. Цей шлях розвитку подібний до еволюції ранньої інфраструктури Інтернету, і ті інвестори, які зможуть захопити ключові вузли, отримають значні прибутки.

05、висновок

Екосистема Bittensor представляє нову парадигму розвитку інфраструктури ШІ. Завдяки ринковій розподілі ресурсів та децентралізованій механіці управління вона надає новий ґрунт для інновацій у ШІ, і її вражаюча інноваційна активність та потенціал зростання заслуговують на увагу. На фоні швидкого розвитку індустрії ШІ, Bittensor та його екосистема підмереж заслуговують на постійну увагу та глибоке вивчення.