Bittensor 的 DeepSeek 时刻：TAO 能否成为全球 AI 的第二极？
当分布在全球各地的 70 名陌生人——凭借消费级 GPU 和家用网络连接——共同训练出一个参数量达 720 亿、性能超越 Meta LLaMA-2-70B 的语言模型时，AI 的叙事发生了某种转变。没有企业白名单。没有耗资 1 亿美元的数据中心。没有中心化实验室在幕后操纵。只有 Bittensor 的 Subnet 3（子网 3）、一套加密经济激励系统，以及一项名为 SparseLoCo 的技术技巧，让这一切成为可能。
2026 年初，AI 界都在痴迷于 DeepSeek 提供的证据：前沿质量的模型并不需要 OpenAI 级别的预算。Bittensor 社区将 2026 年 3 月 10 日发生的事情称为他们自己的 “DeepSeek 时刻”——这证明了大语言模型现在完全可以在中心化机构之外诞生。值得一问的问题是：Bittensor 究竟是在真正构建全球 AI 基础设施的第二极，还是一个包装在优雅但脆弱的实验之下的动人故事？
Bittensor 究竟是什么
抛开代币投机不谈，Bittensor 最好的理解方式是 AI 商品的激励层。该网络被组织成 “子网（subnets）”——超过 128 个专门的竞争平台，每个子网产出特定类型的 AI 输出：语言模型推理、图像生成、数据存储、财务预测、编码辅助等。
每个子网包含两类参与者：
- 矿工 (Miners)：运行 AI 模型并响应查询。他们在输出质量上进行竞争。
- 验证者 (Validators)：向矿工发起查询，对他们的响应进行评分，并将质量报告给链上。
链上的 Yuma 共识 (Yuma Consensus) 算法——相当于 Bittensor 的 CPU——汇总验证者的评分并据此分配 TAO 排放。代币分配比例为：41% 给矿工，41% 给验证者，18% 给子网创建者。这意味着每个参与者都身处其中且利益相关，而作恶在经济上是自寻死路，因为报告准确性较低的验证者会失去他们自己的排放收益。
与简单的自由职业市场不同的是 2024 年底引入的 Dynamic TAO 机制。每个子网现在都运行着自己的自动做市商 (AMM)，拥有两种储备：TAO 和子网特定的 “alpha” 代币。当 TAO 持有者质押进某个子网时，他们会换取 alpha 代币——这实际上是在用资本投票，决定哪些子网值得获得更多网络资源。吸引更多 TAO 质押的子网会获得更多排放，从而建立一个自我组织的资本分配系统，由市场决定哪些 AI 服务值得资助。
Covenant-72B 里程碑
2026 年 3 月 10 日，Bittensor 的 Subnet 3（当时以 Templar 名义运行）完成了 Covenant-72B：这是有记录以来规模最大的去中心化大语言模型 (LLM) 预训练任务。该模型基于约 1.1 万亿个 token 进行训练，并获得了 67.1 的 MMLU 评分（zero-shot），超越了 LLaMA-2-70B 的基准。
技术支柱是 SparseLoCo，这是一种通信协议，可将分布式节点之间的数据传输开销降低 146 倍。传统的分布式训练需要持续的梯度同步——每个 GPU 必须将其更新与其他每个 GPU 共享，当节点通过家用网络分布在各大洲时，这会成为瓶颈。SparseLoCo 通过稀疏化（仅传输最重要的梯度更新）、2-bit 量化（进一步压缩这些更新）和错误反馈（累积跳过的更新以便将来传输，从而保证没有任何内容永久丢失）的结合来实现这一目标。
结果是：在这次训练运行中，任何拥有足够 GPU 的人都可以自由加入或离开，而不会破坏过程的稳定性。没有专用互联。没有合同承诺。没有企业监管。这确实是前所未有的。
英伟达 (Nvidia) 首席执行官黄仁勋 (Jensen Huang) 将 Bittensor 的分布式训练模型描述为 “现代版的 folding@home”——那个著名的志愿者计算项目，将闲置的消费级硬件引导至科学研究。这个类比非常恰当：folding@home 证明了碎片化的算力可以解决以前只有超级计算机才能处理的问题。Covenant-72B 则是 AI 领域的对等成就。
随后而来的治理危机
这一里程碑之后紧接着就是决裂。Covenant AI（构建 Subnet 3 的团队）的创始人 Sam Dare 于 2026 年 4 月宣布该项目退出 Bittensor，并指控联合创始人 Jacob Steeves 单方面暂停了 Covenant AI 的子网排放，撤销了社区 管理权限，并利用代币销售向团队施加经济压力。
这一指控直指 Bittensor 最深层的矛盾：如果一个创始人可以撤销一个子网的排放，那么一个建立在加密经济激励之上的网络真的是去中心化的吗？
Steeves 尚未公开确认或否认这些具体指控。Bittensor 社区对此产生了分歧——一些人辩护称创始人的行为是纠纷期间必要的治理手段，而另一些人则认为这一事件证明了该网络的去中心化是表演性的而非结构性的。
这是一个真实存在的问题，而非插曲。如果子网运营商的排放可以被核心开发人员暂停，那么 “去中心化” 的框架就需要打上星号。评估 Bittensor 基础设施部署的机构资本肯定会提出这个问题。网络的反应——是通过协议层面的治理变革还是继续维持创始人的权威——将决定 Bittensor 是否能可靠地竞争企业级应用市场。
Bittensor 与其竞争对手的对比
去中心化 AI 领域已围绕三种截然不同的愿景进行了整合，每种愿景都针对 AI 技术栈的不同层级：
Fetch.ai / ASI 联盟 (FET)： Fetch.ai、SingularityNET 和 Ocean Protocol 的合并创建了设计上最全面的去中心化 AI 生态系统。Alliance 的云端 IDE Agentverse 拥有超过 200 万注册 AI 智能体。ASI 联盟专注于 协调 (coordination) —— 在统一的代币下连接 AI 智能体、数据源和算力市场。在 Bittensor 奖励原始模型质量的地方，ASI 联盟奖励智能体的实用性和任务完成度。权衡之处在于：开发者进入门槛更低，但质量执行 力较不严格。
Gensyn： Gensyn 作为一个纯粹的 算力市场 (compute marketplace) 运行 —— 它不在乎你训练或推理什么，只在乎你是否有 GPU 容量可供出租。其技术创新是 “学习证明 (proof-of-learning)”，它通过抽查随机梯度计算而不是重新运行整个工作负载来验证训练任务。Gensyn 明确将自己定位为 AI 领域的 AWS —— 基础设施中立，且与任务无关。它不在 AI 质量上与 Bittensor 竞争，而是在算力成本上竞争。
Origin Protocol 的多智能体链 (Multi-Agent Chain)： Origin 针对 智能体编排 (agent orchestration) —— 协调多步 AI 工作流，其中不同的模型处理不同的任务。它是三个竞争对手中最偏向应用层的，较少关注模型训练或原始算力，而更多关注为终端用户提供自主 AI 流水线。
Bittensor 占据了最具野心的位置：它试图在一个协议中同时解决模型质量、算力分配和价值累积。这种野心也是它的脆弱所在 —— 任何一层（治理、验证者诚信、子网质量）的崩溃都会在整个系统中产生连锁反应。
2026 年的市场现状
TAO 的价格约为 565 峰值的一小部分。这种波动讲述了一个熟悉的加密货币故事：热情达到顶点，投机性抛售，随着真正的效用追赶上叙事而进入整合期。
两个结构性事件正在重塑 TAO 的供应动态。Bittensor 的 首次减半发生在 2025 年 12 月 14 日，将每日 TAO 的发行量从 7,200 个削减至 3,600 个。预计第二次减半将在 2026 年 12 月发生，届时每日排放量将降至 1,800 个。对于持有者来说，这是比特币式的供应压缩；对于网络参与者来说，这意味着通过挖掘或验证获得的每个 TAO 在稀缺性方面更具价值。
机构定位也随之而来。灰度 (Grayscale) 将其数字大盘基金 (Digital Large Cap Fund) AI 板块中 TAO 的权重提高到了 43.06%，并申请将其 TAO 信托转换为现货 ETF —— 如果该申请获得批准，将为美国机构配置者创造第一个受监管的 TAO 投资工具。这释放了一个 信号：灰度将 Bittensor 视为去中心化 AI 基础设施领域的主导纯粹标的，而非投机性的山寨币。
更深层的问题：基础设施还是叙事？
Bittensor 的案例建立在一个值得审视的论点之上：加密经济激励措施可以产生与中心化实验室竞争的 AI 模型。Covenant-72B 证明了去中心化训练是 可能的。但这还不是证明它在尖端规模下是 可重复、可扩展或具有成本竞争力的 证据。
据报道，OpenAI 的 GPT-4 在具有微秒级互连的专用 H100 集群上花费了 1 亿美元进行训练。而 Covenant-72B 是通过家庭互联网连接在消费级 GPU 上训练的。SparseLoCo 的突破使这在技术上变得可行，但它引入了质量权衡 —— 2 比特量化和稀疏化意味着丢失了一些梯度信息。这种损失对于更大参数规模的生产级模型是否可以接受，仍然是一个开放的研究课题。
更具防御性的短期论点是，Bittensor 不需要击败 OpenAI —— 它只需要填补空白。该网络的价值来自于 将边缘 AI 推理商品化：为那些负担不起或不信任中心化提供商的开发者提供廉价、抗审查、特定领域的 AI 服务。128 多个子网已经开始提供编码辅助、财务分析、图像生成和生物研究查询。这些应用都不需要前沿级别的推理能力；它们需要的是可靠、高效且针对特定任务的推理。
这是一个 Bittensor 可以切实拥有的市场。
Bittensor 需要证明什么
三个测试将决定 TAO 是成为 AI 基础设施还是保留 AI 相关的投机属性：
-
治理合法性。 Covenant AI 争议必须催化结构性改革 —— 编纂成文的子网治理、透明的上诉流程以及对创始人权力的限制 —— 否则中心化的指控将伴随 Bittensor 进入每一次机构对话。
-
可重复的训练。 Covenant-72B 是一个里程碑。接下来的问题是，随着子网限制从 128 个扩大到 256 个，Bittensor 是否可以支持多个并发的前沿规模训练运行，并通过 SparseLoCo（或其继任者）在日益异构的硬件上实现高效协调。
-
代币之外的开发者采用。 目前子网吸引参与者主要是因为 TAO 的排放使贡献具有盈利性。可持续的基础设施需要第二个采用曲线：开发者使用 Bittensor API 是因为其服务质量出色，而不是因为贡献者能获得报酬。
这项技术比其价格图表显示的更具可信度。其治理也比其拥护者承认的更脆弱。Bittensor 的 DeepSeek 时刻是真实的 —— 前沿规模模型的去中心化训练不再仅仅是理论。该网络能否在不产生会破坏其整个前提的中心化瓶颈的情况下制度化这种能力，是 2026 年面临的决定性挑战。
BlockEden.xyz 通过为这些协议运行的区块链提供高性能的 RPC 和数据 API，支持在去中心化 AI 基础设施上构建的开发者。探索我们的 API 市场，无需管理自己的节点基础设施即可访问所需的链上数据。