メインコンテンツまでスキップ

Bittensor の DeepSeek モーメント：TAO はグローバル AI の「第二の極」になれるか？

· 約 15 分
Dora Noda
Dora Noda
Software Engineer

世界中に散らばった 70 人の見知らぬ人々が、一般消費者向けの GPU と家庭用インターネット回線のみを武器に、Meta の LLaMA-2-70B を凌駕する 720 億パラメータの言語モデルを共同で学習させたとき、AI のナラティブに大きな変化が生じました。企業のホワイトリストも、1 億ドルのデータセンターも、糸を引く中央集権的な研究所もそこには存在しません。あったのは、Bittensor の Subnet 3 という暗号経済的インセンティブシステムと、それを可能にした SparseLoCo と呼ばれる技術的な工夫だけでした。

AI 界は 2026 年初頭、フロンティア級のモデルが OpenAI 規模の予算を必要としないことを証明した DeepSeek の衝撃に沸きました。Bittensor コミュニティは、2026 年 3 月 10 日に起きた出来事を独自の「DeepSeek モーメント」と呼んでいます。これは、大規模言語モデルが中央集権的な機関の外側で完全に誕生し得ることを示す証拠です。ここで問うべきは、Bittensor が真にグローバルな AI インフラの「第二の極」を構築しているのか、それとも洗練されているが脆弱な実験を包み込んだ魅力的な物語に過ぎないのか、ということです。

Bittensor の実体​

トークンの投機的な側面を剥ぎ取れば、Bittensor は AI コモディティのためのインセンティブレイヤー として理解するのが最適です。ネットワークは「サブネット」と呼ばれる 128 以上の専門的な競争の場に組織化されており、各サブネットは言語モデルの推論、画像生成、データストレージ、財務予測、コーディング支援など、特定の種類の AI アウトプットを生成します。

すべてのサブネットには 2 種類の参加者が存在します。

  • マイナー：AI モデルを実行し、クエリに応答します。彼らはアウトプットの質で競い合います。
  • バリデーター：マイナーにクエリを送り、その応答をスコアリングして、品質をチェーンに報告します。

チェーンの Yuma Consensus アルゴリズム（Bittensor における CPU に相当するもの）は、バリデーターのスコアを集約し、それに応じて TAO のエミッション（報酬分配）を決定します。トークンの分配比率は、マイナーに 41%、バリデーターに 41%、サブネットの創設者に 18% です。これは、すべての参加者が「リスクを共有（skin in the game）」していることを意味します。不正確なスコアを報告するバリデーターは自らの報酬を失うため、システムを不正に操作することは経済的に自滅行為となります。

単純なフリーランスのマーケットプレイスと異なる点は、2024 年後半に導入された Dynamic TAO（ダイナミック TAO） メカニズムです。現在、各サブネットは TAO とサブネット固有の「アルファ」トークンの 2 つの準備金を持つ自動マーケットメーカー（AMM）を運営しています。TAO ホルダーがサブネットにステークすると、引き換えにアルファトークンを受け取ります。これは事実上、どのサブネットがより多くのネットワークリソースに値するかを資本によって投票していることになります。より多くの TAO ステーキングを集めたサブネットはより多くの報酬を受け取り、市場がどの AI サービスに資金を提供すべきかを決定する自己組織化された資本配分システムが構築されています。

Covenant-72B というマイルストーン​

2026 年 3 月 10 日、当時 Templar という名前で運営されていた Bittensor の Subnet 3 は、これまでに記録された中で最大の分散型 LLM 事前学習ランである Covenant-72B を完了しました。このモデルは約 1.1 兆トークンで学習され、67.1 MMLU スコア（ゼロショット）を達成し、LLaMA-2-70B のベンチマークをクリアしました。

技術的な屋台骨となったのは、分散ノード間のデータ転送オーバーヘッドを 146 倍削減した通信プロトコル SparseLoCo でした。従来の分散学習では、一定の勾配同期が必要であり、各 GPU は他のすべての GPU と更新内容を共有しなければなりません。これは、ノードが家庭用インターネットを介して大陸をまたいで分散している場合、大きなボトルネックとなります。SparseLoCo は、スパース化（最も重要な勾配更新のみを送信）、2 ビット量子化（それらの更新をさらに圧縮）、およびエラーフィードバック（スキップされた更新を将来の送信のために蓄積し、何も失われないようにする）を組み合わせることでこれを実現しました。

その結果、十分な GPU を持つ誰もが、プロセスを不安定にすることなく自由に参加・離脱できる学習ランが可能になりました。専用のインターコネクトも、契約上のコミットメントも、企業の監督も必要ありません。これは真に画期的な出来事です。

Nvidia の CEO ジェンスン・ファン氏は、Bittensor の分散学習モデルを「folding@home の現代版」と表現しました。folding@home は、アイドル状態の一般消費者向けハードウェアを科学研究に向ける有名なボランティアコンピューティングプロジェクトです。この比較は適切です。folding@home は、断片化された計算能力が、かつてはスーパーコンピュータ専用だった問題に対処できることを証明しました。Covenant-72B は AI におけるその同等物と言えます。

その後に訪れたガバナンス危機​

このマイルストーンの直後、分裂が起こりました。Covenant AI（Subnet 3 を構築したチーム）の創設者である Sam Dare 氏は、2026 年 4 月に Bittensor からのプロジェクト離脱を発表しました。彼は、共同創設者の Jacob Steeves 氏が一方的に Covenant AI のサブネット報酬を停止し、コミュニティ管理権限を剥奪し、トークンの売却を利用してチームに経済的圧力をかけたと主張しました。

この告発は、Bittensor の最も深い矛盾を突いています。単一の創設者がサブネットの報酬を停止できるのであれば、暗号経済的インセンティブに基づいたネットワークは果たして本当に分散化されていると言えるのでしょうか？

Steeves 氏は、具体的な疑惑について公に肯定も否定もしていません。Bittensor コミュニティの意見は分かれています。創設者の行動を紛争中の必要なガバナンスとして擁護する者もいれば、この事件をネットワークの分散化が構造的なものではなく形骸化したものである証拠として挙げる者もいます。

これは単なる内紛ではなく、深刻な問題です。サブネットの運営者がコア開発者によって報酬を停止される可能性があるなら、「分散型」という定義には注釈が必要になります。インフラ展開のために Bittensor を評価している機関投資家は、まさにこの問いを投げかけるでしょう。プロトコルレベルのガバナンス変更を通じてか、あるいは創設者の権限継続を通じてか、ネットワークがどのように対応するかが、Bittensor が企業の採用において信頼に足る競争相手になれるかどうかを決定することになるでしょう。

Bittensor と競合他社の比較​

分散型 AI 分野は、AI スタックの異なるレイヤーをターゲットとする 3 つの異なるビジョンに集約されています。

Fetch.ai / ASI Alliance (FET): Fetch.ai、SingularityNET、Ocean Protocol の合併により、設計上、最も包括的な分散型 AI エコシステムが構築されました。アライアンスのクラウド IDE である Agentverse には、200 万人以上の登録済み AI エージェントがホストされています。ASI Alliance は「コーディネーション（調整）」に重点を置いており、AI エージェント、データソース、コンピュート市場を統合されたトークンの下に接続します。Bittensor が生のモデルの品質を報酬の対象とするのに対し、ASI Alliance はエージェントの有用性とタスクの完了を報酬の対象とします。トレードオフとして、開発者にとっては参入が容易になりますが、品質の強制力はそれほど厳格ではありません。

Gensyn: Gensyn は純粋な「コンピュートマーケットプレイス」として機能します。何をトレーニングまたは推論するかは問題ではなく、レンタル可能な GPU 容量があるかどうかのみを重視します。その技術的な革新は「学習証明（proof-of-learning）」であり、ワークロード全体を再実行するのではなく、ランダムな勾配計算をスポットチェックすることでトレーニングジョブを検証します。Gensyn は自らを AI 版 AWS、つまりインフラ中立的でタスクに依存しない存在として明確に位置付けています。AI の品質で Bittensor と競合するのではなく、計算コストで競合しています。

Origin Protocol のマルチエージェントチェーン: Origin は「エージェントのオーケストレーション」をターゲットとしており、異なるモデルが異なるタスクを処理する多段階の AI ワークフローを調整します。3 つの競合他社の中で最もアプリケーションレイヤーに近い存在であり、モデルのトレーニングや生の計算能力にはあまり関心がなく、エンドユーザー向けの自律型 AI パイプラインに重点を置いています。

Bittensor は最も野心的な地位を占めています。単一のプロトコルでモデルの品質、計算資源の分配、価値の蓄積を同時に解決しようとしています。その野心は脆弱性でもあります。ガバナンス、バリデーターの誠実性、サブネットの品質など、いずれか 1 つのレイヤーで不具合が生じると、システム全体に連鎖的な影響を及ぼします。

2026 年の市場の実態​

TAO は約 271 ドル、時価総額 30.8 億ドル（CoinGecko で 33 位）で取引されており、2025 年 1 月のピーク時である 565 ドル付近の数分の一となっています。このボラティリティは、仮想通貨ではよくある物語を物語っています。熱狂のピーク、投機的な売り、そして実用性が物語に追いつくまでの統合（コンソリデーション）です。

2 つの構造的なイベントが TAO の供給動態を再形成しています。Bittensor の 最初のハルビング（半減期）は 2025 年 12 月 14 日に発生し、1 日あたりの TAO 発行量は 7,200 から 3,600 トークンに削減されました。2 回目のハルビングは 2026 年 12 月に予定されており、排出量は 1 日あたり 1,800 に減少します。ホルダーにとって、これはビットコインスタイルの供給圧縮です。ネットワーク参加者にとっては、マイニングやバリデーションを通じて獲得した各 TAO が希少性の面でより価値を持つことを意味します。

機関投資家のポジショニングもこれに続いています。Grayscale は、Digital Large Cap Fund の AI 部門における TAO のウェイトを 43.06% に引き上げ、TAO トラストを現物 ETF に転換するための申請を行いました。もし承認されれば、米国の機関投資家向けに規制された最初の TAO 投資手段となります。これは、Grayscale が Bittensor を投機的なアルトコインではなく、分散型 AI インフラにおける支配的なピュアプレイ（専業）企業として見ているというシグナルです。

深い問い：インフラか、それとも物語か？​

Bittensor の根拠は、精査に値する一つのテーゼに基づいています。それは、「クリプト経済的インセンティブが、中央集権的なラボと競争できる AI モデルを生み出すことができる」というものです。Covenant-72B は、分散型トレーニングが可能であることの証拠です。しかし、それがフロンティアスケールにおいて「再現可能で、スケーラブルで、コスト競争力がある」ことの証明にはまだ至っていません。

報道によると、OpenAI の GPT-4 は、マイクロ秒単位の相互接続を備えた専用の H100 クラスタでトレーニングするために 1 億ドルのコストがかかりました。Covenant-72B は、家庭用インターネット接続を介した消費者向け GPU でトレーニングされました。SparseLoCo の突破口により、これは技術的に可能になりましたが、品質とのトレードオフが生じました。2 ビット量子化と疎密化（スパース化）により、一部の勾配情報が失われることを意味します。その損失が、より大きなパラメータ数を持つプロダクショングレードのモデルにおいて許容できるかどうかは、未解決の研究課題です。

より説得力のある短期的なテーゼは、Bittensor は OpenAI に勝つ必要はなく、「何もない状態」に勝てばよいということです。このネットワークの価値は、エッジでの AI 推論のコモディティ化にあります。中央集権的なプロバイダーを利用できない、あるいは信頼できない開発者に対して、安価で検閲耐性があり、ドメイン固有の AI サービスを提供することです。すでに 128 以上のサブネットが、コーディング支援、財務分析、画像生成、生物学研究のクエリを提供しています。これらのアプリケーションのどれもフロンティアレベルの推論を必要としません。必要なのは、信頼性が高く、コスト効率に優れた、タスク固有の推論です。

それは、Bittensor が現実的に所有できる市場です。

Bittensor が証明すべきこと​

TAO が AI インフラになるのか、それとも AI 関連の投機にとどまるのかは、3 つのテストによって決まります。

  1. ガバナンスの正当性。 Covenant AI の紛争は、成文化されたサブネットガバナンス、透明性のある異議申し立てプロセス、創設者の権限制限などの構造改革を促進しなければなりません。さもなければ、中央集権化の疑惑は、あらゆる機関投資家との対話において Bittensor につきまとうことになるでしょう。

  2. 再現可能なトレーニング。 Covenant-72B はマイルストーンでした。次の課題は、サブネットの上限が 128 から 256 に拡大する中で、SparseLoCo（またはその後継技術）がますます異種混合になるハードウェア間での効率的な調整を可能にし、Bittensor が複数の同時進行のフロンティアスケールのトレーニングをサポートできるかどうかです。

  3. トークンを超えた開発者の採用。 現在、サブネットが参加者を引きつけている主な理由は、TAO の排出が貢献を利益に変えるからです。持続可能なインフラには、第 2 の採用曲線が必要です。それは、貢献者に報酬が支払われるからではなく、サービスが優れているという理由で開発者が Bittensor API を利用することです。

その技術は、価格チャートが示唆するよりも信頼に値するものです。一方で、そのガバナンスは支持者が認めるよりも脆弱です。Bittensor の「DeepSeek 的な瞬間」は本物でした。フロンティアスケールのモデルの分散型トレーニングは、もはや理論上の話ではありません。ネットワークが、その前提全体を損なうような中央集権的なチョークポイントを作ることなく、その能力を制度化できるかどうかが、2026 年に向けた決定的な挑戦となります。

BlockEden.xyz は、これらのプロトコルが動作するチェーンに高性能な RPC およびデータ API を提供することで、分散型 AI インフラを構築する開発者を支援しています。API マーケットプレイスを探索 して、独自のノードインフラを管理することなく、必要なオンチェーンデータにアクセスしてください。

Share on Twitter