Перший у галузі AI — Bittensor: технології еволюціонують, користувачі тікають?

Автор: @BlazingKevin_ ，дослідник Blockbooster

Злиття Web3 та AI поступово виходить із ранньої стадії. Ринок оцінки AI-криптовалютного сегменту з переходу від раннього «концептуального спекулювання» до «фундаментальних та технічних реалізацій». У цьому перетворенні проекти з високою стійкістю та технологічними проривами переосмислюють систему оцінки ринку.

1 Bittensor міцно утримує лідерську позицію

Загальна ринкова капіталізація сектору AI-криптовалют становить близько 17,46 мільярдів доларів США, обсяг торгів за 24 години близько 1,94 мільярдів доларів. У цьому сегменті Bittensor (TAO) з приблизною ринковою капіталізацією 3,43 мільярдів доларів стабільно займає перше місце. Він займає майже 19,6% частки ринку всього AI-крипто-сегменту, закріплюючи абсолютне лідерство.

Ключове порівняння з конкурентами наочно демонструє їхню нішу:

Конкурент Токен Ринкова капіталізація (млрд доларів) Основна позиція та відмінності від TAO Bittensor TAO 34.3 децентралізована мережа стимулювання AI NEAR Protocol NEAR 14.9 високопродуктивний L1-блокчейн універсальний блокчейн, частина екосистеми AI Render Network RENDER 8.64 децентралізоване GPU-рендеринг/обчислення чиста інфраструктура обчислювальної потужності, без стимулів якості AI Fetch.ai (ASI) FET 5.33 автономна мережа AI-агентів орієнтована на застосування AI, не на рівні моделей Akash Network AKT 1.26 децентралізований ринок хмарних обчислень універсальний ринок обчислювальної потужності, без складних механізмів консенсусу AI

Ключові бар’єри конкуренції

Ключовий бар’єр Bittensor — його унікальна мережа «Інтелектуального доказу» (Proof of Intelligence). Вона виходить за рамки простої надання обчислювальної потужності. Мережа вводить складний механізм стимулювання, безпосередньо нагороджуючи високоякісні AI-моделі за їхній результат. Це унікальна позиція, яку важко просто скопіювати.

2 Реальна здатність «кровообігу» та переосмислення логіки оцінки

Відмовившись від грандіозних технічних амбіцій, ключовим для оцінки Web3-протоколів є їхня здатність до реального бізнес-розширення та отримання доходу.

У криптовалютному ринку Bittensor демонструє рідкісну здатність до реального «кровообігу». За даними першого кварталу 2026 року, мережа Bittensor отримала близько 43 мільйонів доларів доходу від реальних клієнтів AI (не від фальшивих транзакцій, створених стимулом токенів). Ця цифра перевищує річний дохід багатьох традиційних Web3-протоколів.

Ключові показники оцінки (станом на 29 березня 2026):

Показник Значення Опис Ринкова капіталізація ~$3.42 млрд Базується на приблизно 10.78 млн циркулюючих токенів Повністю розведена оцінка ~$6.68 млрд Базується на 21 млн загальної пропозиції Q1 2026 реальний дохід ~$43 млн Без стимулів токенів, реальні клієнти AI, що платять Річний еквівалент доходу ~$172 млн Лінійне екстраполювання за даними Q1 P/S (ціна/продажі) ~20x Базується на ринковій капіталізації/річному доході FDV/річний дохід ~39x Базується на FDV/річному доході Загальний ринковий капіталізація субмережі ~$1.47 млрд Загальна ринкова капіталізація Alpha-токену dTAO

Традиційні компанії у сфері централізованої AI-інфраструктури зазвичай оцінюються у 15-25 разів від їхнього майбутнього доходу. Bittensor має високий преміум ліквідності, мережеві ефекти та рідкісність, що створює додаткову цінність. Поточний коефіцієнт P/S близько 20 разів є цілком обґрунтованим або навіть недооцінений. Загальна ринкова капіталізація субмережі вже досягла 1,47 мільярдів доларів. Ця структура підсилює цінність основної мережі TAO.

3 Прорив SN3

Фінансові дані встановлюють нижню межу оцінки протоколу. Технологічний прорив у децентралізованому тренуванні відкриває нові можливості для ринкової капіталізації.

Основний драйвер зростання TAO — це не просто спекуляція капіталом. Впроваджено історичний прорив у базових технологіях. Логіка оцінки змінюється з «нарративної» на «продуктову», що є кардинальним.

3.1 Covenant-72B: підтвердження можливості децентралізованого тренування

10 березня 2026 року екосистема Bittensor, підмережа Templar (SN3), у співпраці з командою Covenant Labs опублікувала технічний звіт на arXiv. У ньому оголошено про успішне завершення попереднього тренування великої мовної моделі Covenant-72B. Це найбільша модель такого масштабу, яка була навчена у цілком децентралізованому, безліцензійному інтернет-середовищі.

Модель має 720 мільярдів параметрів, тренувалася на 1,1 трильйона токенів. Її результат на тесті MMLU становить 67.1, що відповідає базовій продуктивності LLaMA-2-70B від Meta. Вона подолала обмеження пропускної здатності у децентралізованому тренуванні. Важливу роль відіграв алгоритм SparseLoCo. Вузли передають лише 1-3% основних градієнтів та застосовують 2-бітове квантування, досягаючи понад 146-кратного стиснення даних (з 100 МБ до менше 1 МБ). За умов звичайної інтернет-ширини смуги пропускання, використання обчислювальних ресурсів залишалося високим — 94.5%. Цей прорив доводить, що розподілені глобальні гетерогенні обчислювальні ресурси здатні створювати конкурентоспроможні передові моделі без дорогих інфраструктурних ліній InfiniBand та централізованих суперкомп’ютерних кластерів.

Успіх Covenant-72B швидко викликав резонанс у традиційній AI-індустрії:

Висока оцінка співзасновника Anthropic: 16 березня Джек Кларк у своєму дослідженні широко цитує цей прорив. Він називає його «викликом політико-економічній системі AI через розподілене тренування». Він вважає цю технологію перспективною для подальшого розвитку та прогнозує широке застосування подібних моделей у пристроях.

Порівняння з «Folding@home» від Джоні Ів — 20 березня у подкасті All-In VC Чамат розповів про досягнення Bittensor. Він позитивно оцінив цей прорив, порівнявши його з «сучасною версією Folding@home» і підкреслив необхідність поєднання відкритого коду та розподілених моделей.

3.2 Два ключові компоненти SN3: вирішення проблеми ефективності комунікації та стимулювання

Десятки недовірливих, різнорідних за обладнанням та з різною якістю мережі вузлів співпрацюють для тренування однієї моделі 72B. SN3 вирішує проблеми пропускної здатності та зловживань за допомогою двох основних компонентів:

SparseLoCo (вирішення проблеми ефективності): Традиційне розподілене тренування вимагає синхронізації повних градієнтів на кожному кроці, що дуже об’ємно. SparseLoCo дозволяє кожному вузлу виконувати 30 внутрішніх кроків оптимізації (AdamW) локально, а потім стиснути та завантажити «псевдоградієнти». Використовується топ-к розрідженість (зберігаючи лише 1-3% основних градієнтів), механізм зворотного зв’язку помилок та 2-бітове квантування. Це забезпечує понад 146-кратне стиснення даних (з 100 МБ до менше 1 МБ). За умов звичайної інтернет-ширини смуги пропускання (завантаження 110 Мбіт/с, відвантаження 500 Мбіт/с), використання обчислювальних ресурсів залишається високим — 94.5%. Час кожного циклу комунікації — всього 70 секунд.

Gauntlet (вирішення проблеми стимулювання): Цей компонент працює на блокчейні Subnet 3. Він відповідає за перевірку якості псевдоградієнтів кожного вузла. Система тестує, наскільки зниження втрат моделі від використання цього градієнта (LossScore). Також перевіряється, чи тренуються вузли на виділених даних (запобігання шахрайству). На кожному кроці агрегування вибирається градієнт найкращого за оцінкою вузла. Це радикально вирішує проблему «як запобігти шахрайству майнерів» у децентралізованих сценаріях.

4 Суперважелі екосистеми субмережі та механізму dTAO

У 2025 році Bittensor запустив механізм динамічного TAO (dTAO). Він став ключовим «посилювачем» у цьому зростанні. dTAO дозволяє кожній субмережі випускати окремий Alpha-токен. Вони створюють ліквідність через автоматизованих маркет-мейкерів (AMM) у пулі TAO.

4.1 Леверидж ефект субмережних токенів

За механізмом dTAO ціна субмережних токенів прямо залежить від кількості TAO, що поставлено у пул цієї субмережі. Зростання цін TAO підвищує вартість базових резервів усіх субмереж. Відповідно, ціна субмережних токенів пасивно зростає. Це викликає «бум» інвестицій та залучення капіталу у TAO для блокування у субмережах, створюючи сильний позитивний зворотний зв’язок.

Ключові субмережні токени та їхній 30-денний приріст ціни:

Як видно з даних, безпосередній вплив Covenant-72B спричинив понад 440% зростання токена SN3 за місяць. Його ринкова капіталізація досягла 130 мільйонів доларів. Такий ефект «збагачення» на рівні субмережі проявляється у підвищенні загальної ринкової капіталізації субмережі до 1.47 мільярдів доларів наприкінці березня. Обсяг торгів за день перевищує 118 мільйонів доларів. Цей «супер-леверидж» створює сильний тиск на ціну TAO.

4.2 Інтеграція вертикальної екосистеми

Паралельно з управлінням SN3 Covenant Labs розвиває SN39 (Basilica, фокус на обчислювальних послугах) та SN81 (Grail, фокус на донавчанні та оцінюванні підсиленого навчання). Така вертикальна інтеграція охоплює весь цикл — від попереднього тренування до оптимізації узгодженості. Це демонструє сформовану у екосистемі Bittensor повну децентралізовану ланцюг виробництва AI.

5 Розподіл токенів

За даними taostats та CoinMarketCap станом на 29 березня 2026 року, стан мережі Bittensor можна оцінити за кількома ключовими показниками:

Загальна оцінка на основі даних з блокчейну:

Дані мережі Bittensor демонструють дуже здорову економіку. Високий рівень стейкінгу закриває ліквідність. Реальні доходи підтримують фундаментальні показники. Механізм dTAO стимулює інновації у субмережах. Постійне скорочення пропозиції (зменшення нагород та високий рівень стейкінгу) у поєднанні з постійним зростанням попиту (залучення інституцій та AI-нарративи) створює потужну цінову динаміку.

6 Оцінкові ризики

Варто врахувати, що прозорість даних у блокчейні переважно стосується пропозиції, тоді як попит (реальні виклики AI-послуг) залишається закритою інформаційною зоною:

Ризик 1: Високі субсидії токенів маскують реальні бізнес-витрати. Більшість субмереж використовують стимулювання TAO через інфляцію. Наприклад, у провідної підмережі Chutes (SN64) співвідношення емісії та зовнішніх доходів становить 22-40:1. Вилучивши субсидії, реальні ціни на послуги значно вищі за конкурентів. У порівнянні з платформами, як Together.ai, ціна послуг у 1.6-3.5 разів вища. Після зменшення нагород у майбутньому ця модель стане більш вразливою.

Ризик 2: Відсутність захисних механізмів у бізнес-моделі може швидко призвести до втрати користувачів. Мережа Bittensor пропонує відкриті моделі та стандартний API, що суттєво відрізняється від AWS та інших гігантів хмарних сервісів. Внутрішня екосистема не має значних платформ або глибокої інтеграції з бізнесом, що зменшує «ефект блокування». Вартість міграції для розробників дуже низька. При зниженні стимулів ці користувачі швидко перейдуть до інших платформ.

Ризик 3: Оцінка може бути завищеною через «загущення» даних. За даними про 43 мільйони доларів доходу за перший квартал, деякі аналітики оцінюють його значно нижче — від 3 до 15 мільйонів доларів. Враховуючи лише реальні зовнішні доходи, річний дохід може знизитися до 300 тисяч — 1.5 мільйонів доларів. За цим сценарієм, коефіцієнт P/S може сягнути 175-400, що є дуже високим і потенційно створює ризик цінової «піраміди» та обвалу.