Phân tích hệ sinh thái mạng con Bittensor: Một mô hình mới cho cơ sở hạ tầng AI
Vào tháng 2 năm 2025, mạng Bittensor đã hoàn thành việc nâng cấp Dynamic TAO (dTAO), chuyển đổi mô hình quản trị sang phân bổ tài nguyên phi tập trung dựa trên thị trường. Cải tiến này đã giải phóng đáng kể sức sáng tạo của mạng. Chỉ trong vài tháng, số lượng mạng con hoạt động đã tăng từ 32 lên 118, tăng trưởng lên tới 269%. Những mạng con này bao phủ nhiều lĩnh vực con của ngành AI, từ suy luận văn bản cơ bản, tạo hình ảnh, đến protein gấp nếp tiên tiến và giao dịch định lượng, tạo thành hệ sinh thái AI phi tập trung toàn diện nhất hiện nay.
Thị trường cũng thể hiện ấn tượng. Tổng giá trị thị trường của mạng con hàng đầu đã tăng vọt từ 4 triệu USD trước khi nâng cấp lên 690 triệu USD, tỷ suất lợi nhuận hàng năm từ việc đặt cọc ổn định ở mức 16-19%. Các mạng con phân phối các khuyến khích mạng dựa trên tỷ lệ đặt cọc TAO theo thị trường, 10 mạng con hàng đầu chiếm 51,76% lượng phát thải mạng, thể hiện cơ chế thị trường của sự chọn lọc tự nhiên.
Phân tích mạng lõi (10 người phát thải hàng đầu)
1. Chutes (SN64) - tính toán AI không máy chủ
Chutes áp dụng kiến trúc "khởi động ngay lập tức", rút ngắn thời gian khởi động mô hình AI xuống còn 200 mili giây, hiệu suất cao hơn 10 lần so với dịch vụ đám mây truyền thống. Hơn 8000 nút GPU trên toàn cầu hỗ trợ các mô hình phổ biến từ DeepSeek R1 đến GPT-4, xử lý hơn 5 triệu yêu cầu mỗi ngày, thời gian phản hồi được kiểm soát trong vòng 50 mili giây.
Mô hình kinh doanh đã trưởng thành, áp dụng chiến lược miễn phí gia tăng để thu hút người dùng. Thông qua việc hợp tác với nền tảng OpenRouter, cung cấp hỗ trợ tính toán cho các mô hình phổ biến, thu được doanh thu từ mỗi lần gọi API. Lợi thế chi phí rõ ràng, thấp hơn 85% so với AWS Lambda. Hiện tại, tổng lượng token sử dụng đã vượt quá 9042.37B, phục vụ hơn 3000 khách hàng doanh nghiệp.
dTAO khởi động sau 9 tuần đạt 100 triệu USD giá trị thị trường, giá trị thị trường hiện tại là 79 triệu USD, ưu thế kỹ thuật rõ rệt, tiến độ thương mại hóa suôn sẻ, tỷ lệ công nhận trên thị trường cao, là đầu tàu của mạng con.
2. Celium (SN51) - Tối ưu hóa tính toán phần cứng
Celium tập trung vào tối ưu hóa tính toán ở cấp độ phần cứng. Thông qua bốn mô-đun công nghệ: lập lịch GPU, trừu tượng phần cứng, tối ưu hóa hiệu suất và quản lý hiệu quả năng lượng, tối đa hóa hiệu quả sử dụng phần cứng. Hỗ trợ toàn bộ dòng phần cứng NVIDIA A100/H100, AMD MI200, Intel Xe, giá thấp hơn 90% so với các sản phẩm tương tự, hiệu quả tính toán tăng 45%.
Hiện tại, Celium là mạng con có lượng phát thải lớn thứ hai trên Bittensor, chiếm 7.28% lượng phát thải của mạng. Tối ưu hóa phần cứng là một yếu tố cốt lõi của cơ sở hạ tầng AI, có rào cản công nghệ và xu hướng tăng giá mạnh, giá trị thị trường hiện tại là 56M.
3. Targon (SN4) - Nền tảng suy diễn AI phi tập trung
Targon có cốt lõi là TVM (Targon Virtual Machine), đây là một nền tảng tính toán bảo mật an toàn, hỗ trợ đào tạo, suy diễn và xác minh mô hình AI. TVM sử dụng các công nghệ tính toán bảo mật như Intel TDX và tính toán bảo mật NVIDIA, đảm bảo tính bảo mật và bảo vệ quyền riêng tư cho toàn bộ quy trình làm việc của AI. Hệ thống hỗ trợ mã hóa đầu cuối từ phần cứng đến lớp ứng dụng, cho phép người dùng sử dụng các dịch vụ AI mạnh mẽ mà không tiết lộ dữ liệu.
Công nghệ Targon có rào cản cao, mô hình kinh doanh rõ ràng, có nguồn thu nhập ổn định. Hiện tại đã mở cơ chế mua lại thu nhập, tất cả thu nhập được dùng để mua lại token, lần mua lại gần đây nhất là 18.000 đô la Mỹ.
4. τemplar (SN3) - Nghiên cứu AI và đào tạo phân tán
Templar là mạng con tiên phong chuyên về đào tạo phân tán mô hình AI quy mô lớn, với sứ mệnh trở thành "nền tảng đào tạo mô hình tốt nhất thế giới". Thông qua việc hợp tác đào tạo với nguồn tài nguyên GPU đóng góp từ các người tham gia toàn cầu, tập trung vào đào tạo hợp tác và đổi mới mô hình tiên tiến, nhấn mạnh tính chống gian lận và hợp tác hiệu quả.
Về thành tựu công nghệ, Templar đã thành công trong việc hoàn thành việc huấn luyện mô hình 1.2B tham số, trải qua hơn 20.000 chu kỳ huấn luyện, khoảng 200 GPU đã tham gia vào toàn bộ quá trình. Năm 2024, nâng cấp cơ chế commit-reveal, nâng cao tính phi tập trung và an toàn của việc xác thực; Năm 2025, tiếp tục thúc đẩy huấn luyện mô hình lớn, quy mô tham số đạt 70B+, thể hiện hiệu suất tương đương với tiêu chuẩn ngành trong các bài kiểm tra chuẩn AI.
Lợi thế kỹ thuật của Templar khá nổi bật, hiện tại vốn hóa thị trường là 35M, chiếm 4.79% tổng lượng phát hành.
5. Gradients (SN56) - Huấn luyện AI phi tập trung
Gradients giải quyết vấn đề chi phí đào tạo AI thông qua đào tạo phân tán. Hệ thống lập lịch thông minh dựa trên đồng bộ hóa gradient, phân phối hiệu quả nhiệm vụ đến hàng ngàn GPU. Đã hoàn thành đào tạo mô hình 118 triệu tỷ tham số, chi phí chỉ 5 đô la mỗi giờ, rẻ hơn 70% so với dịch vụ đám mây truyền thống, tốc độ đào tạo nhanh hơn 40% so với các phương án tập trung. Giao diện một nút giảm bớt rào cản sử dụng, đã có hơn 500 dự án được sử dụng để tinh chỉnh mô hình, bao phủ các lĩnh vực y tế, tài chính, giáo dục.
Giá trị thị trường hiện tại 30M, nhu cầu thị trường lớn, lợi thế công nghệ rõ ràng, là một trong những mạng con đáng để chú ý lâu dài.
6. Giao dịch độc quyền (SN8) - Giao dịch định lượng tài chính
SN8 là một nền tảng giao dịch định lượng phi tập trung và dự đoán tài chính, với tín hiệu giao dịch đa tài sản được điều khiển bởi AI. Mạng giao dịch độc quyền áp dụng công nghệ học máy vào dự đoán thị trường tài chính, xây dựng kiến trúc mô hình dự đoán đa tầng. Mô hình dự đoán theo chuỗi thời gian của nó kết hợp công nghệ LSTM và Transformer, có khả năng xử lý dữ liệu chuỗi thời gian phức tạp. Mô-đun phân tích tâm lý thị trường cung cấp chỉ số tâm lý như một tín hiệu hỗ trợ dự đoán thông qua việc phân tích nội dung trên mạng xã hội và tin tức.
Trên trang web, có thể thấy lợi nhuận và kiểm tra lại các chiến lược do các miner khác nhau cung cấp. SN8 kết hợp AI và blockchain, cung cấp một phương thức giao dịch thị trường tài chính đổi mới, hiện có giá trị thị trường 27 triệu.
7. Điểm số (SN44) - Phân tích và đánh giá thể thao
Score tập trung vào phân tích video thể thao, là một khung công nghệ thị giác máy tính, giảm chi phí phân tích video phức tạp thông qua công nghệ xác thực nhẹ. Sử dụng xác thực hai bước: phát hiện sân và kiểm tra đối tượng dựa trên CLIP, giảm chi phí gán nhãn truyền thống hàng nghìn đô la cho một trận đấu xuống còn 1/10 đến 1/100. Hợp tác với Data Universe, DKING AI đại diện có độ chính xác dự đoán trung bình là 70%, từng đạt 100% độ chính xác trong một ngày.
Ngành thể thao có quy mô lớn, đổi mới công nghệ đáng kể, triển vọng thị trường rộng lớn, Score là một mạng con có hướng ứng dụng rõ ràng, đáng được chú ý.
8. OpenKaito (SN5) - lý luận văn bản mã nguồn mở
OpenKaito tập trung vào việc phát triển mô hình nhúng văn bản, được hỗ trợ bởi Kaito, một người tham gia quan trọng trong lĩnh vực InfoFi. Là một dự án mã nguồn mở do cộng đồng điều hành, OpenKaito cam kết xây dựng khả năng hiểu và suy luận văn bản chất lượng cao, đặc biệt trong lĩnh vực truy xuất thông tin và tìm kiếm ngữ nghĩa.
Mạng con này vẫn đang trong giai đoạn xây dựng ban đầu, chủ yếu tập trung vào việc xây dựng hệ sinh thái xung quanh mô hình nhúng văn bản. Đáng chú ý là việc tích hợp Yaps sắp tới, điều này có thể mở rộng đáng kể các trường hợp ứng dụng và cơ sở người dùng của nó.
9. Vũ trụ Dữ liệu (SN13) - Hạ tầng dữ liệu AI
Data Universe xử lý 5 tỷ dòng dữ liệu mỗi ngày, tích lũy hơn 55.6 tỷ dòng, hỗ trợ 100GB lưu trữ. Kiến trúc DataEntity cung cấp các chức năng cốt lõi như tiêu chuẩn hóa dữ liệu, tối ưu hóa chỉ mục, lưu trữ phân tán. Cơ chế bỏ phiếu "trọng lực" sáng tạo thực hiện điều chỉnh trọng số động.
Dữ liệu là dầu mỏ của AI, giá trị cơ sở hạ tầng ổn định, vị trí sinh thái quan trọng. Là nhà cung cấp dữ liệu cho nhiều mạng con, hợp tác sâu sắc với các dự án như Score, thể hiện giá trị của cơ sở hạ tầng.
10. TAOHash (SN14) - Khai thác bằng sức mạnh PoW
TAOHash cho phép thợ mỏ Bitcoin chuyển hướng sức mạnh tính toán của họ vào mạng Bittensor, và thông qua việc khai thác để thu được token alpha dùng để staking hoặc giao dịch. Mô hình này kết hợp khai thác PoW truyền thống với tính toán AI, cung cấp cho thợ mỏ một nguồn thu nhập mới.
Chỉ trong vài tuần, đã thu hút hơn 6EH/s sức mạnh tính toán (khoảng 0,7% tổng sức mạnh tính toán toàn cầu), chứng minh sự công nhận của thị trường đối với mô hình hỗn hợp này. Các thợ mỏ có thể lựa chọn giữa việc khai thác Bitcoin truyền thống và nhận token TAOHash, tối ưu hóa lợi nhuận dựa trên tình hình thị trường.
Phân tích hệ sinh thái
Cải tiến công nghệ của Bittensor đã xây dựng một hệ sinh thái AI phi tập trung độc đáo. Thuật toán đồng thuận Yuma của nó đảm bảo chất lượng mạng thông qua xác thực phi tập trung, trong khi cơ chế phân bổ tài nguyên thị trường được giới thiệu bởi bản nâng cấp dTAO đã nâng cao hiệu quả một cách đáng kể. Mỗi mạng con đều được trang bị cơ chế AMM, thực hiện việc khám phá giá giữa TAO và token alpha, thiết kế này cho phép lực lượng thị trường tham gia trực tiếp vào việc phân bổ tài nguyên AI.
Các giao thức hợp tác giữa các mạng con hỗ trợ xử lý phân tán các nhiệm vụ AI phức tạp, tạo ra hiệu ứng mạng mạnh mẽ. Cấu trúc khuyến khích kép (phát thải TAO cộng với sự tăng giá của token alpha) đảm bảo động lực tham gia lâu dài, các nhà tạo mạng con, thợ đào, người xác minh và người staking đều có thể nhận được phần thưởng tương ứng, tạo thành một vòng kinh tế bền vững.
So với các nhà cung cấp dịch vụ AI tập trung truyền thống, Bittensor cung cấp một giải pháp thay thế thực sự phi tập trung, với hiệu quả chi phí nổi bật. Nhiều mạng con thể hiện lợi thế chi phí đáng kể, chẳng hạn như Chutes rẻ hơn 85% so với AWS, lợi thế chi phí này đến từ sự nâng cao hiệu quả của kiến trúc phi tập trung. Hệ sinh thái mở thúc đẩy đổi mới nhanh chóng, số lượng và chất lượng mạng con liên tục tăng lên, tốc độ đổi mới vượt xa so với nghiên cứu và phát triển nội bộ của các doanh nghiệp truyền thống.
Tuy nhiên, hệ sinh thái cũng phải đối mặt với những thách thức thực tế. Rào cản công nghệ vẫn còn cao, mặc dù các công cụ đang không ngừng cải thiện, nhưng việc tham gia mining và validation vẫn cần một kiến thức kỹ thuật đáng kể. Sự không chắc chắn của môi trường pháp lý là một yếu tố rủi ro khác, mạng AI phi tập trung có thể phải đối mặt với các chính sách quản lý khác nhau từ các quốc gia. Các nhà cung cấp dịch vụ đám mây truyền thống như AWS và Google Cloud sẽ không ngồi yên, dự kiến sẽ ra mắt các sản phẩm cạnh tranh. Khi quy mô mạng tăng lên, việc duy trì sự cân bằng giữa hiệu suất và phi tập trung cũng trở thành một thử thách quan trọng.
Sự bùng nổ trong ngành công nghiệp AI đã mang đến cho Bittensor cơ hội thị trường lớn. Goldman Sachs dự đoán rằng vào năm 2025, đầu tư toàn cầu vào AI sẽ gần đạt 200 tỷ USD, cung cấp hỗ trợ mạnh mẽ cho nhu cầu cơ sở hạ tầng. Thị trường AI toàn cầu dự kiến sẽ tăng từ 294 tỷ USD vào năm 2025 lên 1.77 triệu tỷ USD vào năm 2032, với tỷ lệ tăng trưởng hàng năm đạt 29%, điều này tạo ra không gian phát triển rộng lớn cho cơ sở hạ tầng AI phi tập trung.
Các chính sách hỗ trợ phát triển AI của các quốc gia đã tạo ra cơ hội cho cơ sở hạ tầng AI phi tập trung, đồng thời sự chú ý đến quyền riêng tư dữ liệu và an toàn AI đã làm tăng nhu cầu về các công nghệ như tính toán bảo mật, đây chính là lợi thế cốt lõi của các mạng con như Targon. Sự quan tâm của các nhà đầu tư tổ chức đối với cơ sở hạ tầng AI đang gia tăng, sự tham gia của các tổ chức nổi tiếng đã cung cấp tài chính và hỗ trợ nguồn lực cho hệ sinh thái.
Khung chiến lược đầu tư
Đầu tư vào mạng con Bittensor cần xây dựng một khung đánh giá hệ thống. Ở cấp độ công nghệ, cần xem xét mức độ đổi mới và độ sâu của các hào phòng thủ, sức mạnh công nghệ của đội ngũ và khả năng thực thi, cũng như hiệu ứng hợp tác với các dự án khác trong hệ sinh thái. Ở cấp độ thị trường, cần phân tích quy mô và tiềm năng tăng trưởng của thị trường mục tiêu, cấu trúc cạnh tranh và lợi thế khác biệt, tình hình người dùng áp dụng và hiệu ứng mạng, cũng như môi trường quy định và rủi ro chính sách. Ở cấp độ tài chính, cần chú ý đến mức độ định giá hiện tại và hiệu suất lịch sử, tỷ lệ phát thải TAO và xu hướng tăng trưởng, tính hợp lý của thiết kế kinh tế token, cũng như tính thanh khoản và độ sâu giao dịch.
Trong quản lý rủi ro cụ thể, đầu tư phân tán là chiến lược cơ bản. Đề xuất phân bổ đầu tư giữa các loại mạng con khác nhau, bao gồm loại cơ sở hạ tầng (như Chutes, Celium), loại ứng dụng (như Score, BitMind) và loại giao thức (như Targon, Templar). Đồng thời, cần điều chỉnh chiến lược đầu tư theo giai đoạn phát triển của mạng con, các dự án giai đoạn đầu có rủi ro cao nhưng lợi nhuận tiềm năng lớn, các dự án trưởng thành tương đối ổn định nhưng không gian tăng trưởng hạn chế. Xem xét rằng tính thanh khoản của token alpha có thể không bằng TAO, cần sắp xếp tỷ lệ phân bổ vốn hợp lý, giữ lại mức đệm thanh khoản cần thiết.
Sự kiện giảm một nửa đầu tiên vào tháng 11 năm 2025 sẽ trở thành một chất xúc tác quan trọng cho thị trường. Sự giảm phát thải sẽ nâng cao tính khan hiếm của các mạng con hiện có, đồng thời có thể loại bỏ các dự án hoạt động kém, điều này sẽ định hình lại bức tranh kinh tế của toàn bộ mạng. Các nhà đầu tư có thể chuẩn bị trước để đầu tư vào các mạng con chất lượng cao, nắm bắt cơ hội cấu hình trước khi giảm một nửa.
Trong trung hạn, số lượng mạng con dự kiến sẽ vượt qua 500 cái, bao phủ các lĩnh vực phân khúc khác nhau của ngành AI. Sự gia tăng ứng dụng doanh nghiệp sẽ thúc đẩy sự phát triển của các mạng con liên quan đến tính toán bí mật và quyền riêng tư dữ liệu, sự hợp tác giữa các mạng con sẽ trở nên thường xuyên hơn, hình thành chuỗi cung ứng dịch vụ AI phức tạp. Khung quy định dần được làm rõ sẽ giúp các mạng con tuân thủ đạt được sự rõ ràng.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Bittensor mạng con sinh thái bùng nổ: Phi tập trung cơ sở hạ tầng AI mới.
Phân tích hệ sinh thái mạng con Bittensor: Một mô hình mới cho cơ sở hạ tầng AI
Vào tháng 2 năm 2025, mạng Bittensor đã hoàn thành việc nâng cấp Dynamic TAO (dTAO), chuyển đổi mô hình quản trị sang phân bổ tài nguyên phi tập trung dựa trên thị trường. Cải tiến này đã giải phóng đáng kể sức sáng tạo của mạng. Chỉ trong vài tháng, số lượng mạng con hoạt động đã tăng từ 32 lên 118, tăng trưởng lên tới 269%. Những mạng con này bao phủ nhiều lĩnh vực con của ngành AI, từ suy luận văn bản cơ bản, tạo hình ảnh, đến protein gấp nếp tiên tiến và giao dịch định lượng, tạo thành hệ sinh thái AI phi tập trung toàn diện nhất hiện nay.
Thị trường cũng thể hiện ấn tượng. Tổng giá trị thị trường của mạng con hàng đầu đã tăng vọt từ 4 triệu USD trước khi nâng cấp lên 690 triệu USD, tỷ suất lợi nhuận hàng năm từ việc đặt cọc ổn định ở mức 16-19%. Các mạng con phân phối các khuyến khích mạng dựa trên tỷ lệ đặt cọc TAO theo thị trường, 10 mạng con hàng đầu chiếm 51,76% lượng phát thải mạng, thể hiện cơ chế thị trường của sự chọn lọc tự nhiên.
Phân tích mạng lõi (10 người phát thải hàng đầu)
1. Chutes (SN64) - tính toán AI không máy chủ
Chutes áp dụng kiến trúc "khởi động ngay lập tức", rút ngắn thời gian khởi động mô hình AI xuống còn 200 mili giây, hiệu suất cao hơn 10 lần so với dịch vụ đám mây truyền thống. Hơn 8000 nút GPU trên toàn cầu hỗ trợ các mô hình phổ biến từ DeepSeek R1 đến GPT-4, xử lý hơn 5 triệu yêu cầu mỗi ngày, thời gian phản hồi được kiểm soát trong vòng 50 mili giây.
Mô hình kinh doanh đã trưởng thành, áp dụng chiến lược miễn phí gia tăng để thu hút người dùng. Thông qua việc hợp tác với nền tảng OpenRouter, cung cấp hỗ trợ tính toán cho các mô hình phổ biến, thu được doanh thu từ mỗi lần gọi API. Lợi thế chi phí rõ ràng, thấp hơn 85% so với AWS Lambda. Hiện tại, tổng lượng token sử dụng đã vượt quá 9042.37B, phục vụ hơn 3000 khách hàng doanh nghiệp.
dTAO khởi động sau 9 tuần đạt 100 triệu USD giá trị thị trường, giá trị thị trường hiện tại là 79 triệu USD, ưu thế kỹ thuật rõ rệt, tiến độ thương mại hóa suôn sẻ, tỷ lệ công nhận trên thị trường cao, là đầu tàu của mạng con.
2. Celium (SN51) - Tối ưu hóa tính toán phần cứng
Celium tập trung vào tối ưu hóa tính toán ở cấp độ phần cứng. Thông qua bốn mô-đun công nghệ: lập lịch GPU, trừu tượng phần cứng, tối ưu hóa hiệu suất và quản lý hiệu quả năng lượng, tối đa hóa hiệu quả sử dụng phần cứng. Hỗ trợ toàn bộ dòng phần cứng NVIDIA A100/H100, AMD MI200, Intel Xe, giá thấp hơn 90% so với các sản phẩm tương tự, hiệu quả tính toán tăng 45%.
Hiện tại, Celium là mạng con có lượng phát thải lớn thứ hai trên Bittensor, chiếm 7.28% lượng phát thải của mạng. Tối ưu hóa phần cứng là một yếu tố cốt lõi của cơ sở hạ tầng AI, có rào cản công nghệ và xu hướng tăng giá mạnh, giá trị thị trường hiện tại là 56M.
3. Targon (SN4) - Nền tảng suy diễn AI phi tập trung
Targon có cốt lõi là TVM (Targon Virtual Machine), đây là một nền tảng tính toán bảo mật an toàn, hỗ trợ đào tạo, suy diễn và xác minh mô hình AI. TVM sử dụng các công nghệ tính toán bảo mật như Intel TDX và tính toán bảo mật NVIDIA, đảm bảo tính bảo mật và bảo vệ quyền riêng tư cho toàn bộ quy trình làm việc của AI. Hệ thống hỗ trợ mã hóa đầu cuối từ phần cứng đến lớp ứng dụng, cho phép người dùng sử dụng các dịch vụ AI mạnh mẽ mà không tiết lộ dữ liệu.
Công nghệ Targon có rào cản cao, mô hình kinh doanh rõ ràng, có nguồn thu nhập ổn định. Hiện tại đã mở cơ chế mua lại thu nhập, tất cả thu nhập được dùng để mua lại token, lần mua lại gần đây nhất là 18.000 đô la Mỹ.
4. τemplar (SN3) - Nghiên cứu AI và đào tạo phân tán
Templar là mạng con tiên phong chuyên về đào tạo phân tán mô hình AI quy mô lớn, với sứ mệnh trở thành "nền tảng đào tạo mô hình tốt nhất thế giới". Thông qua việc hợp tác đào tạo với nguồn tài nguyên GPU đóng góp từ các người tham gia toàn cầu, tập trung vào đào tạo hợp tác và đổi mới mô hình tiên tiến, nhấn mạnh tính chống gian lận và hợp tác hiệu quả.
Về thành tựu công nghệ, Templar đã thành công trong việc hoàn thành việc huấn luyện mô hình 1.2B tham số, trải qua hơn 20.000 chu kỳ huấn luyện, khoảng 200 GPU đã tham gia vào toàn bộ quá trình. Năm 2024, nâng cấp cơ chế commit-reveal, nâng cao tính phi tập trung và an toàn của việc xác thực; Năm 2025, tiếp tục thúc đẩy huấn luyện mô hình lớn, quy mô tham số đạt 70B+, thể hiện hiệu suất tương đương với tiêu chuẩn ngành trong các bài kiểm tra chuẩn AI.
Lợi thế kỹ thuật của Templar khá nổi bật, hiện tại vốn hóa thị trường là 35M, chiếm 4.79% tổng lượng phát hành.
5. Gradients (SN56) - Huấn luyện AI phi tập trung
Gradients giải quyết vấn đề chi phí đào tạo AI thông qua đào tạo phân tán. Hệ thống lập lịch thông minh dựa trên đồng bộ hóa gradient, phân phối hiệu quả nhiệm vụ đến hàng ngàn GPU. Đã hoàn thành đào tạo mô hình 118 triệu tỷ tham số, chi phí chỉ 5 đô la mỗi giờ, rẻ hơn 70% so với dịch vụ đám mây truyền thống, tốc độ đào tạo nhanh hơn 40% so với các phương án tập trung. Giao diện một nút giảm bớt rào cản sử dụng, đã có hơn 500 dự án được sử dụng để tinh chỉnh mô hình, bao phủ các lĩnh vực y tế, tài chính, giáo dục.
Giá trị thị trường hiện tại 30M, nhu cầu thị trường lớn, lợi thế công nghệ rõ ràng, là một trong những mạng con đáng để chú ý lâu dài.
6. Giao dịch độc quyền (SN8) - Giao dịch định lượng tài chính
SN8 là một nền tảng giao dịch định lượng phi tập trung và dự đoán tài chính, với tín hiệu giao dịch đa tài sản được điều khiển bởi AI. Mạng giao dịch độc quyền áp dụng công nghệ học máy vào dự đoán thị trường tài chính, xây dựng kiến trúc mô hình dự đoán đa tầng. Mô hình dự đoán theo chuỗi thời gian của nó kết hợp công nghệ LSTM và Transformer, có khả năng xử lý dữ liệu chuỗi thời gian phức tạp. Mô-đun phân tích tâm lý thị trường cung cấp chỉ số tâm lý như một tín hiệu hỗ trợ dự đoán thông qua việc phân tích nội dung trên mạng xã hội và tin tức.
Trên trang web, có thể thấy lợi nhuận và kiểm tra lại các chiến lược do các miner khác nhau cung cấp. SN8 kết hợp AI và blockchain, cung cấp một phương thức giao dịch thị trường tài chính đổi mới, hiện có giá trị thị trường 27 triệu.
7. Điểm số (SN44) - Phân tích và đánh giá thể thao
Score tập trung vào phân tích video thể thao, là một khung công nghệ thị giác máy tính, giảm chi phí phân tích video phức tạp thông qua công nghệ xác thực nhẹ. Sử dụng xác thực hai bước: phát hiện sân và kiểm tra đối tượng dựa trên CLIP, giảm chi phí gán nhãn truyền thống hàng nghìn đô la cho một trận đấu xuống còn 1/10 đến 1/100. Hợp tác với Data Universe, DKING AI đại diện có độ chính xác dự đoán trung bình là 70%, từng đạt 100% độ chính xác trong một ngày.
Ngành thể thao có quy mô lớn, đổi mới công nghệ đáng kể, triển vọng thị trường rộng lớn, Score là một mạng con có hướng ứng dụng rõ ràng, đáng được chú ý.
8. OpenKaito (SN5) - lý luận văn bản mã nguồn mở
OpenKaito tập trung vào việc phát triển mô hình nhúng văn bản, được hỗ trợ bởi Kaito, một người tham gia quan trọng trong lĩnh vực InfoFi. Là một dự án mã nguồn mở do cộng đồng điều hành, OpenKaito cam kết xây dựng khả năng hiểu và suy luận văn bản chất lượng cao, đặc biệt trong lĩnh vực truy xuất thông tin và tìm kiếm ngữ nghĩa.
Mạng con này vẫn đang trong giai đoạn xây dựng ban đầu, chủ yếu tập trung vào việc xây dựng hệ sinh thái xung quanh mô hình nhúng văn bản. Đáng chú ý là việc tích hợp Yaps sắp tới, điều này có thể mở rộng đáng kể các trường hợp ứng dụng và cơ sở người dùng của nó.
9. Vũ trụ Dữ liệu (SN13) - Hạ tầng dữ liệu AI
Data Universe xử lý 5 tỷ dòng dữ liệu mỗi ngày, tích lũy hơn 55.6 tỷ dòng, hỗ trợ 100GB lưu trữ. Kiến trúc DataEntity cung cấp các chức năng cốt lõi như tiêu chuẩn hóa dữ liệu, tối ưu hóa chỉ mục, lưu trữ phân tán. Cơ chế bỏ phiếu "trọng lực" sáng tạo thực hiện điều chỉnh trọng số động.
Dữ liệu là dầu mỏ của AI, giá trị cơ sở hạ tầng ổn định, vị trí sinh thái quan trọng. Là nhà cung cấp dữ liệu cho nhiều mạng con, hợp tác sâu sắc với các dự án như Score, thể hiện giá trị của cơ sở hạ tầng.
10. TAOHash (SN14) - Khai thác bằng sức mạnh PoW
TAOHash cho phép thợ mỏ Bitcoin chuyển hướng sức mạnh tính toán của họ vào mạng Bittensor, và thông qua việc khai thác để thu được token alpha dùng để staking hoặc giao dịch. Mô hình này kết hợp khai thác PoW truyền thống với tính toán AI, cung cấp cho thợ mỏ một nguồn thu nhập mới.
Chỉ trong vài tuần, đã thu hút hơn 6EH/s sức mạnh tính toán (khoảng 0,7% tổng sức mạnh tính toán toàn cầu), chứng minh sự công nhận của thị trường đối với mô hình hỗn hợp này. Các thợ mỏ có thể lựa chọn giữa việc khai thác Bitcoin truyền thống và nhận token TAOHash, tối ưu hóa lợi nhuận dựa trên tình hình thị trường.
Phân tích hệ sinh thái
Cải tiến công nghệ của Bittensor đã xây dựng một hệ sinh thái AI phi tập trung độc đáo. Thuật toán đồng thuận Yuma của nó đảm bảo chất lượng mạng thông qua xác thực phi tập trung, trong khi cơ chế phân bổ tài nguyên thị trường được giới thiệu bởi bản nâng cấp dTAO đã nâng cao hiệu quả một cách đáng kể. Mỗi mạng con đều được trang bị cơ chế AMM, thực hiện việc khám phá giá giữa TAO và token alpha, thiết kế này cho phép lực lượng thị trường tham gia trực tiếp vào việc phân bổ tài nguyên AI.
Các giao thức hợp tác giữa các mạng con hỗ trợ xử lý phân tán các nhiệm vụ AI phức tạp, tạo ra hiệu ứng mạng mạnh mẽ. Cấu trúc khuyến khích kép (phát thải TAO cộng với sự tăng giá của token alpha) đảm bảo động lực tham gia lâu dài, các nhà tạo mạng con, thợ đào, người xác minh và người staking đều có thể nhận được phần thưởng tương ứng, tạo thành một vòng kinh tế bền vững.
So với các nhà cung cấp dịch vụ AI tập trung truyền thống, Bittensor cung cấp một giải pháp thay thế thực sự phi tập trung, với hiệu quả chi phí nổi bật. Nhiều mạng con thể hiện lợi thế chi phí đáng kể, chẳng hạn như Chutes rẻ hơn 85% so với AWS, lợi thế chi phí này đến từ sự nâng cao hiệu quả của kiến trúc phi tập trung. Hệ sinh thái mở thúc đẩy đổi mới nhanh chóng, số lượng và chất lượng mạng con liên tục tăng lên, tốc độ đổi mới vượt xa so với nghiên cứu và phát triển nội bộ của các doanh nghiệp truyền thống.
Tuy nhiên, hệ sinh thái cũng phải đối mặt với những thách thức thực tế. Rào cản công nghệ vẫn còn cao, mặc dù các công cụ đang không ngừng cải thiện, nhưng việc tham gia mining và validation vẫn cần một kiến thức kỹ thuật đáng kể. Sự không chắc chắn của môi trường pháp lý là một yếu tố rủi ro khác, mạng AI phi tập trung có thể phải đối mặt với các chính sách quản lý khác nhau từ các quốc gia. Các nhà cung cấp dịch vụ đám mây truyền thống như AWS và Google Cloud sẽ không ngồi yên, dự kiến sẽ ra mắt các sản phẩm cạnh tranh. Khi quy mô mạng tăng lên, việc duy trì sự cân bằng giữa hiệu suất và phi tập trung cũng trở thành một thử thách quan trọng.
Sự bùng nổ trong ngành công nghiệp AI đã mang đến cho Bittensor cơ hội thị trường lớn. Goldman Sachs dự đoán rằng vào năm 2025, đầu tư toàn cầu vào AI sẽ gần đạt 200 tỷ USD, cung cấp hỗ trợ mạnh mẽ cho nhu cầu cơ sở hạ tầng. Thị trường AI toàn cầu dự kiến sẽ tăng từ 294 tỷ USD vào năm 2025 lên 1.77 triệu tỷ USD vào năm 2032, với tỷ lệ tăng trưởng hàng năm đạt 29%, điều này tạo ra không gian phát triển rộng lớn cho cơ sở hạ tầng AI phi tập trung.
Các chính sách hỗ trợ phát triển AI của các quốc gia đã tạo ra cơ hội cho cơ sở hạ tầng AI phi tập trung, đồng thời sự chú ý đến quyền riêng tư dữ liệu và an toàn AI đã làm tăng nhu cầu về các công nghệ như tính toán bảo mật, đây chính là lợi thế cốt lõi của các mạng con như Targon. Sự quan tâm của các nhà đầu tư tổ chức đối với cơ sở hạ tầng AI đang gia tăng, sự tham gia của các tổ chức nổi tiếng đã cung cấp tài chính và hỗ trợ nguồn lực cho hệ sinh thái.
Khung chiến lược đầu tư
Đầu tư vào mạng con Bittensor cần xây dựng một khung đánh giá hệ thống. Ở cấp độ công nghệ, cần xem xét mức độ đổi mới và độ sâu của các hào phòng thủ, sức mạnh công nghệ của đội ngũ và khả năng thực thi, cũng như hiệu ứng hợp tác với các dự án khác trong hệ sinh thái. Ở cấp độ thị trường, cần phân tích quy mô và tiềm năng tăng trưởng của thị trường mục tiêu, cấu trúc cạnh tranh và lợi thế khác biệt, tình hình người dùng áp dụng và hiệu ứng mạng, cũng như môi trường quy định và rủi ro chính sách. Ở cấp độ tài chính, cần chú ý đến mức độ định giá hiện tại và hiệu suất lịch sử, tỷ lệ phát thải TAO và xu hướng tăng trưởng, tính hợp lý của thiết kế kinh tế token, cũng như tính thanh khoản và độ sâu giao dịch.
Trong quản lý rủi ro cụ thể, đầu tư phân tán là chiến lược cơ bản. Đề xuất phân bổ đầu tư giữa các loại mạng con khác nhau, bao gồm loại cơ sở hạ tầng (như Chutes, Celium), loại ứng dụng (như Score, BitMind) và loại giao thức (như Targon, Templar). Đồng thời, cần điều chỉnh chiến lược đầu tư theo giai đoạn phát triển của mạng con, các dự án giai đoạn đầu có rủi ro cao nhưng lợi nhuận tiềm năng lớn, các dự án trưởng thành tương đối ổn định nhưng không gian tăng trưởng hạn chế. Xem xét rằng tính thanh khoản của token alpha có thể không bằng TAO, cần sắp xếp tỷ lệ phân bổ vốn hợp lý, giữ lại mức đệm thanh khoản cần thiết.
Sự kiện giảm một nửa đầu tiên vào tháng 11 năm 2025 sẽ trở thành một chất xúc tác quan trọng cho thị trường. Sự giảm phát thải sẽ nâng cao tính khan hiếm của các mạng con hiện có, đồng thời có thể loại bỏ các dự án hoạt động kém, điều này sẽ định hình lại bức tranh kinh tế của toàn bộ mạng. Các nhà đầu tư có thể chuẩn bị trước để đầu tư vào các mạng con chất lượng cao, nắm bắt cơ hội cấu hình trước khi giảm một nửa.
Trong trung hạn, số lượng mạng con dự kiến sẽ vượt qua 500 cái, bao phủ các lĩnh vực phân khúc khác nhau của ngành AI. Sự gia tăng ứng dụng doanh nghiệp sẽ thúc đẩy sự phát triển của các mạng con liên quan đến tính toán bí mật và quyền riêng tư dữ liệu, sự hợp tác giữa các mạng con sẽ trở nên thường xuyên hơn, hình thành chuỗi cung ứng dịch vụ AI phức tạp. Khung quy định dần được làm rõ sẽ giúp các mạng con tuân thủ đạt được sự rõ ràng.