メインコンテンツまでスキップ

BittensorのDeepSeekモーメント：TAOはAIの第2の極となれるか？

· 約 13 分
Dora Noda
Dora Noda
Software Engineer

エヌビディアCEOのジェンスン・ファンがAll-Inポッドキャストであなたのプロジェクトを「現代版のfolding@home」と呼ぶとき、それは通常の称賛ではありません。それは信号です。2026年3月、BittensorのTemplarサブネットは史上最大規模の分散型大規模言語モデル事前学習——Covenant-72B——を完了し、TAO価格90%急騰を引き起こし、Web3で最も重要な議論を再燃させました：トークンインセンティブの独立したGPUマイナーのネットワークは、OpenAIやAnthropicを本当に上回ることができるのか？

この質問は大胆に聞こえます。しかしDeepSeekもそうでした。

フレームを変えるDeepSeekの類比​

2025年初頭、DeepSeekはオープンソースAIが訓練コストの約1%でGPT-4のパフォーマンスに匹敵できることを証明しました。数十億ドルの計算クラスターと何千人もの専任研究者を擁する米国のハイパースケーラーだけがフロンティアモデルを構築できるという仮定が打ち砕かれました。一夜にして「スケールがすべて」という共通認識が崩れました。

Bittensorは異なるメカニズムを持つ2回目の破壊に対してアーキテクチャ設計全体を賭けています。DeepSeekが効率的なクローズドトレーニングが高価なクローズドトレーニングに挑戦できることを証明したなら、Bittensorの論点は分散型の実力主義的競争が中央集権的な独占的開発に挑戦できるということです。

この区別は非常に重要です。DeepSeekが成功したのは、モデルの重みを自由に共有できるからです——一度訓練されれば、誰でもモデルを実行できます。Bittensorの課題はより困難です：分散型の参加——中央権威なしに訓練と推論を調整する何千人もの独立したマイナー——が競争力のある品質水準で真に有用なAI出力を生産できることを証明する必要があります。

Covenant-72Bはその証明への最も真剣な試みです。

Covenant-72Bが実際に証明したこと​

2026年3月10日、Bittensorのサブネット3（Templar）は、世界中の70人以上の独立した貢献者が協力して、普通のハードウェアと標準的なインターネット接続を通じて——ホワイトリストも許可も不要で——訓練した720億パラメータの言語モデルの完成を発表しました。

技術的な見出しは印象的です。しかし、その下にある工学的革新こそが重要です：SparseLoCo、スパース化、2ビット量子化、エラーフィードバックを使用して訓練ノード間の通信オーバーヘッドを146倍削減したプロトコル。分散型LLM訓練は歴史的にノード間で必要な勾配同期の膨大なボリュームによりボトルネックになっていました。SparseLoCoの圧縮ブレークスルーが、データセンターグレードのInfiniBandではなく異種インターネット接続を通じてCovenant-72Bを可能にしました。

結果：MMLUベンチマークスコア67.1点、Covenant-72BをMetaのLlama 2 70Bと同じパフォーマンス範囲に位置付けます。文脈として——Llama 2 70Bは世界で最も資金が豊富なAI研究所の一つで構築されました。Covenant-72BはTAO排出量を競う匿名のマイナーによって構築されました。

発表後数週間でTAOが90%急騰しました。2025年12月に米国初のビットテンサー現物ETF（ティッカー：GTAO）を申請したGrayscaleは、その論点が検証されるのを見ました。機関ステーキングは流通供給量の19%に達しました。市場は少なくともその瞬間は同意しました：これはマイルストーンでした。

品質競争を強いる半減後の経済学​

Bittensorの半減——2025年12月14日に発生——は日次TAO発行量を7,200から3,600トークンに削減しました。2026年12月に予想される次の半減は、さらに1,800に削減します。

この希少性設計は装飾的なものではありません。2025年2月に施行されたDynamic TAO（dTAO）アップグレードにより、Bittensorの128のアクティブサブネット全体の排出量は現在、ネットTAOステーキング流入によって決定されます——バリデーターがどのサブネットが真に有用なAI出力を生産していると信じているかを反映する市場主導のシグナル。実世界のユーティリティを実証できないサブネットはステーキングを失い、したがって排出量も失います。

半減は総報酬プールを圧縮します。dTAOのフロー基準の分配と組み合わせると、サブネット運営者への経済的圧力は「生き残る」から「競争で勝つ」に転換しました。高排出時代に凡庸な出力を生産していたサブネットは、今やよりパフォーマンスの高い競合他社に報酬を奪われる可能性があります。Bittensorは実際には、市場価格が中央集権型AIAPIに適用する競争圧力を複製するためにトークン経済学を使用しています。

このメカニズムがスケールでフロンティア品質のAIを生産するかどうかはまだ証明されていません。それが生産したのは、データ処理、NLP、画像認識、金融インテリジェンス、分散型訓練にわたる128のサブネットに及ぶネットワーク——単一のラボでは構築しないAIワークロードの多様なポートフォリオです。

不快な複雑要因：ガバナンスの緊張​

Bittensorの「DeepSeekモーメント」のどんな分析も、その後に起きたことに触れなければ完全ではありません。

Covenant-72Bの勝利の直後、その成果の背後にあるチームであるCovenant AIがBittensorエコシステムからの離脱を発表し、それを「分散型のシアター」と呼びました。Covenantの創設者Sam DareはBittensor共同創設者Jacob Steevesの「過度な統制」を挙げました。これにはCovenantのサブネットへの排出量停止、チームのコミュニティモデレーション機能の削除、一方的なインフラ廃止決定が含まれます。TAOは2時間以内に338ドルから285ドルへと15%下落しました。

皮肉は構造的です：AI開発を単一の主体が統制しないというコアな約束を持つネットワークが、意味ある更新権限が上部に集中する「三頭政治」ガバナンスモデルを持っているように見えます。

これはBittensorだけに固有ではありません。これはスケールのすべての分散型インフラプロジェクトの核心的な逆説です：効率的なプロトコルアップグレードを可能にする調整メカニズムは権力を集中させる傾向があります。ビットコインはプロトコルをほぼ変更不可能にすることでこれを解決しました。イーサリアムは長期間の粗い合意プロセスを通じてこれに対処しました。Bittensorは新しいAIアーキテクチャをサポートするために頻繁にアップグレードする必要があり、同じ問題のより難しいバージョンに直面しています。

StevesはCovenantの特徴付けを否定し、排出量の停止をプロトコル違反への合法的な対応として位置付けました。しかし、市場の15%の反応は、ガバナンスの信頼性——単なる技術的能力ではなく——が今やTAOに価格付けされていることを示唆しています。

Bittensor対フィールド：分散型AIへの3つのアプローチ​

Bittensorはこのスペースで一人ではありません。3つの異なるモデルが、分散型AIインフラがどのように見えるかを定義するために競争しています：

Bittensor（サブネットインセンティブ経済）： 128の専門サブネットが、実力主義的採点システムによって検証されたAI出力品質に基づいてTAO排出量を競います。強みは幅広さ——タンパク質折り畳み予測から自然言語生成まで、あらゆることにわたるタスク。弱点は品質検証がまだ困難であること：バリデーターはAI出力品質を評価しなければならず、その評価をゲーム化することは持続的な攻撃面です。

Gensyn（分散型コンピューティングマーケットプレイス）： Gensyn は訓練計算の暗号学的証明を伴う商品としてコンピューティングを扱います。開発者はGPU時間を購入し、提供者は実際のサイクルに対してトークンを獲得します。革新はトラストレスな検証です——ノードは結果を偽造するのではなく、実際にモデルを訓練したことを証明します。Gensyn は何を訓練すべきかについて意見を述べることなく、ML訓練を検証可能でアクセス可能にすることに特別に焦点を当てています。

Ambient（AIネイティブコンセンサス）： おそらくアーキテクチャ的に最も急進的なアプローチ——AmbientのProof-of-Logits（PoL）メカニズムは、AI推論自体をコンセンサスメカニズムにします。マイナーは600B+パラメータの言語モデルから出力を生成して競争し、バリデーターは完全な出力を再計算するのではなくlogitフィンガープリントを確認することで検証します。AI計算はブロックチェーン上で動作するだけでなく——それがブロックチェーンのセキュリティモデルそのものです。

これら3つのアプローチは、競争するよりも補完的です。Bittensorは AI 出力生産のための競争的インセンティブレイヤーを提供します。Gensyn は訓練のためのトラストレスなコンピューティングマーケットプレイスを提供します。Ambient は AI インテリジェンス自体がセキュリティプリミティブになったときに何が起きるかを探求します。3つすべてが成功するエコシステムは、どれか1つのアプローチが支配するエコシステムよりも豊かです。

「第2の極」テーゼ：野心対現実​

Web3CaffのBittensorのCovenant-72B達成を「チェーン上のAI DeepSeekモーメント」として位置付けることは、特定の主張に基づいています：DeepSeekがオープンソースAIがコストの一部でGPT-4と競争できることを証明したように、Bittensorは分散型AIが中央集権型ラボと競争できることを証明しているという主張です。

この類比は一方向では成立し、別の方向では崩れます。

成立する点は、Covenant-72Bが分散型調整+トークンインセンティブが単一の統制組織なしに最先端クラスのモデルを生産できることを真に実証していることです。これは小さなことではありません。67.1 MMLUスコアは現実のものです；70人以上の貢献者は現実のものです；SparseLoCoの圧縮ブレークスルーは現実のものです。

崩れる点は、DeepSeekの成功がすぐに実行可能だったことです：今日、重みをダウンロードしてコンシューマーハードウェアでGPT-4クラスのモデルを実行できます。Bittensorの出力はネットワークのAPIインフラを通じてアクセスされ、排出量割り当ての経済的条件に従い、ガバナンス決定や経済的インセンティブの変化によって中断される可能性がある継続的なマイナー参加に依存します。

「オープンソース」と「分散型」は異なる調整問題を解決します。DeepSeekは知識独占の問題を解決しました——モデル自体を自由に利用可能にしました。Bittensorが解決しようとしているのは生産独占の問題です——AI生成が100億ドルのデータセンターを構築する余裕がある4社だけでなく、コンピューティングを提供する意志のある誰にでもアクセス可能であることを保証すること。

それはより難しくより野心的な目標です。AIの発展軌跡がさらに大きな訓練実行に向かって継続し、ハイパースケーラーと他のすべての人との差をさらに広げるなら、それはより重要な目標でもあるかもしれません。

インフラレイヤーへの意味​

AI搭載アプリケーションを構築する開発者にとって、Bittensorの2026年のモメンタムは真の代替アクセスレイヤーを表しています。すべてのAPI呼び出しのためにOpenAI、Anthropic、またはGoogleに支払う代わりに、アプリケーションは特定のワークロードをBittensorサブネットにルーティングでき、特にLlama 2クラスのパフォーマンス（67+ MMLU）で十分なタスクでは潜在的に低コストでアクセスできます。

128サブネットアーキテクチャは、金融データ処理、コード生成、科学文献合成などの専門化された機能が、各タスクタイプごとに別々のベンダー統合を必要とせず、統一プロトコルを通じてアクセスできることを意味します。

ガバナンスリスクは現実のものであり、考慮に入れるべきです。しかし技術的進歩もそうです。

Bittensorの半減後の経済学、dTAO市場主導の排出量割り当て、そしてCovenant-72Bベンチマークは合わせて、これまでに組み立てられた最も信頼できる分散型AIインフラのバージョンを表しています。「第2の極」の野心——OpenAIとAnthropicの中央集権型訓練独占への構造的代替——を達成できるかどうかは、Bittensorが調整技術の課題を解決したのと同じくらい効果的にガバナンス信頼性のギャップを解決できるかどうかにかかっています。

DeepSeekモーメントの類比は野心的です。しかしもはや馬鹿げていません。

BlockEden.xyzはSui、Aptos、Ethereum、および20以上の他のチェーンに対するAPIインフラを提供し、ブロックチェーンネットワーク上で構築するAIエージェントとDeFiプロトコルに使用されています。APIマーケットプレイスを探索して、分散型AIアプリケーションが構築しているインフラレイヤーにアクセスしてください。

Share on Twitter