Інвестиційний посібник по підмережі Bittensor: скористайтеся наступною хвилею AI

Огляд ринку: оновлення dTAO викликало сплеск екосистеми

У лютому 2025 року мережа Bittensor реалізувала оновлення Dynamic TAO (dTAO), змінивши модель управління на ринкову, орієнтовану на децентралізоване розподіл ресурсів. Після оновлення кожна підмережа має незалежні альфа-токени, а володільці TAO можуть вільно обирати об'єкти інвестування, що реалізує ринковий механізм виявлення вартості.

Дані показують, що оновлення dTAO вивільнило величезну інноваційну енергію. За короткий проміжок часу Bittensor виріс з 32 підмереж до 118 активних підмереж, що складає приріст 269%. Ці підмережі охоплюють різні сегменти індустрії AI, від базового текстового розуміння, генерації зображень до передових складок білків та кількісної торгівлі, формуючи найповнішу на сьогодні децентралізовану екосистему AI.

Ринкові показники також вражаючі. Загальна капіталізація топових підмереж зросла з 4 мільйонів доларів до 690 мільйонів доларів, річна ставка доходу від стейкінгу стабільно тримається на рівні 16-19%. Кожна підмережа отримує мережеві стимули відповідно до ринкової ставки стейкінгу TAO, перші 10 підмереж займають 51,76% мережевих виплат, що відображає ринковий механізм виживання найсильніших.

Аналіз основної мережі ( викиди топ-10 )

1. Chutes (SN64) - безсерверні AI обчислення

Основна цінність: інноваційний досвід впровадження AI моделей, значне зниження витрат на обчислювальні потужності

Chutes використовує архітектуру "миттєвого запуску", скорочуючи час запуску AI-моделей до 200 мілісекунд, підвищуючи ефективність у 10 разів. Понад 8000 GPU-вузлів по всьому світу підтримують основні моделі, обробляючи більше 5 мільйонів запитів на день, а затримка відповіді контролюється в межах 50 мілісекунд.

Модель бізнесу зріла, використовується стратегія безкоштовного доповнення. Через певну платформу інтеграція, надається підтримка обчислювальної потужності популярних моделей, доходи отримуються через виклики API. Вартісні переваги помітні, на 85% нижчі, ніж у певного хмарного сервісу. Наразі загальне використання токенів перевищило 9042.37B, обслуговується понад 3000 корпоративних клієнтів.

dTAO запустився 9 тижнів тому з ринковою капіталізацією в 100 мільйонів доларів, наразі 79 мільйонів. Технічний захист глибокий, комерційні досягнення успішні, рівень визнання на ринку високий, наразі є лідером підмережі.

2. Celium (SN51) - апаратна оптимізація обчислень

Основна цінність: оптимізація апаратного забезпечення, підвищення ефективності обчислень AI

Зосереджено на оптимізації обчислень на апаратному рівні. Завдяки чотирьом технологічним модулям: планування GPU, апаратна абстракція, оптимізація продуктивності та управління енергетичною ефективністю, максимізується ефективність використання апаратного забезпечення. Підтримка основного апаратного забезпечення, зниження цін на 90%, підвищення обчислювальної ефективності на 45%.

Наразі це друга за величиною підмережа викидів, яка становить 7,28% від викидів в мережі. Оптимізація апаратного забезпечення є ключовим елементом інфраструктури ШІ, має технічні бар'єри, тенденція до зростання цін є сильною, поточна ринкова капіталізація становить 56M.

3. Targon (SN4) - децентралізована платформа AI-інтерпретації

Основна цінність: технології конфіденційних обчислень, забезпечення безпеки даних і конфіденційності

Ядро Targon - це TVM( Targon Virtual Machine), безпечна платформа для конфіденційних обчислень, що підтримує навчання, інференцію та верифікацію AI моделей. Використовуючи передові технології конфіденційних обчислень, вона забезпечує безпеку робочих процесів AI та захист конфіденційності. Система підтримує шифрування від кінця до кінця, що дозволяє користувачам використовувати AI сервіси без розкриття даних.

Високий технологічний бар'єр, чітка бізнес-модель, стабільне джерело доходу. Вже запущено механізм викупу доходів, всі доходи використовуються для викупу токенів, останній викуп склав 18 тисяч доларів.

4. τemplar (SN3) - Дослідження AI та розподілене навчання

Основна цінність: спільне навчання великих AI моделей, зниження бар'єра для навчання

Піонер підмережі, що спеціалізується на дистрибутивному навчанні великих масштабів AI моделей, має місію стати "найкращою у світі платформою для навчання моделей". Через глобальних учасників, які вносять ресурси GPU для спільного навчання, ми зосереджуємось на спільному навчанні та інноваціях передових моделей, підкреслюючи стійкість до шахрайства та ефективну співпрацю.

Успішно завершено навчання моделі з 1,2B параметрами, пройшовши понад 20 тисяч циклів навчання, з участю приблизно 200 GPU. У 2024 році буде оновлено механізм безпеки, у 2025 році буде просунуте навчання великих моделей з масштабом параметрів 70B+, з показниками, що відповідають галузевим стандартам у стандартних тестах AI.

Технологічні переваги виділяються, поточна ринкова капіталізація 35M, займає 4,79% викидів.

5. Градієнти (SN56) - децентралізоване навчання AI

Основна цінність: демократизація навчання штучного інтелекту, значне зниження бар'єру вартості

Рішення проблеми витрат на навчання ІІ за допомогою розподіленого навчання. Інтелектуальна система планування на основі синхронізації градієнтів ефективно розподіляє завдання на тисячі GPU. Завершено навчання моделі з 118 трильйонами параметрів, витрати становлять лише 5 доларів на годину, що на 70% дешевше традиційних хмарних послуг і на 40% швидше. Інтерфейс з одною кнопкою знижує поріг використання, понад 500 проектів для доопрацювання моделей, охоплюючи медицину, фінанси, освіту тощо.

Поточна ринкова капіталізація 30M, великий попит на ринку, технічні переваги чітко визначені, варто звернути на це увагу в довгостроковій перспективі.

6. Приватна торгівля (SN8) - фінансовий квантовий трейдинг

Основна цінність: AI-управлінні торгові сигнали з множинними активами та фінансові прогнози

Децентралізована платформа для кількісної торгівлі та фінансового прогнозування, сигналів торгівлі з використанням штучного інтелекту для багатосекторальних активів. Застосування технологій машинного навчання для прогнозування фінансових ринків, побудова багаторівневої архітектури прогнозних моделей. Моделі часових рядів об'єднують технології LSTM та Transformer для обробки складних часових рядів даних. Модуль аналізу ринкових настроїв аналізує соціальні медіа та новинний контент, надаючи індикатори настроїв як допоміжні сигнали для прогнозування.

Сайт демонструє прибутки та тестування стратегій, які надають різні майнери. Поєднуючи ШІ та блокчейн, пропонує інноваційні способи торгівлі на фінансових ринках, поточна капіталізація 27M.

7. Оцінка (SN44) - Спортивний аналіз та оцінка

Основна цінність: аналіз спортивних відео, націлений на футбольну індустрію обсягом 600 мільярдів доларів

Фреймворк комп'ютерного зору, орієнтований на аналіз спортивних відео, знижує витрати на складний аналіз відео за допомогою легковагових технологій валідації. Використовує двоступеневу валідацію: виявлення поля та перевірка об'єктів на основі CLIP, що знижує традиційні витрати на анотацію тисяч доларів за один матч до 1/10 до 1/100. У співпраці з певною платформою даних середня точність прогнозів AI-агента становить 70%, досягала 100% точності за один день.

Спортивна індустрія має величезний масштаб, помітні технологічні інновації, широкий ринковий потенціал, є підмережа з чітким напрямком застосування, на яку варто звернути увагу.

8. OpenKaito (SN5) - відкритий текстовий висновок

Основна цінність: розробка моделей вбудовування тексту, оптимізація інформаційного пошуку

Зосереджено на розробці моделей вбудовування тексту, підтримується важливими учасниками певної інформаційної платформи. Як проект з відкритим вихідним кодом, що керується спільнотою, прагне створити високоякісні можливості розуміння та умовиводу тексту, особливо в сферах інформаційного пошуку та семантичного пошуку.

Ця підмережа все ще знаходиться на ранній стадії будівництва, головним чином навколо моделей вбудовування тексту для побудови екосистеми. Варто звернути увагу на найближчу інтеграцію, яка може суттєво розширити її можливості застосування та базу користувачів.

9. Всесвіт даних (SN13) - ІТ-інфраструктура даних

Основні цінності: обробка великих даних, постачання даних для навчання ШІ

Щоденна обробка 500 мільйонів рядків даних, загалом понад 55,6 мільярдів рядків, підтримка 100 ГБ зберігання. Архітектура DataEntity забезпечує стандартизацію даних, оптимізацію індексів, розподілене зберігання та інші основні функції. Інноваційний механізм голосування "гравітація" реалізує динамічне коригування ваг.

Дані є нафтою для ШІ, вартість інфраструктури стабільна, екологічна ніша важлива. Як постачальник даних для кількох підмереж, глибоко співпрацюємо з проектами, такими як Score, що відображає вартість інфраструктури.

10. TAOHash (SN14) - PoW обчислювальна потужність майнінгу

Основна цінність: з'єднання традиційного майнінгу з обчисленнями AI, інтеграція обчислювальних ресурсів

Дозволяє майнерам біткоїнів перенаправляти обчислювальну потужність на мережу Bittensor, отримуючи токени alpha через видобуток для стейкінгу або торгівлі. Поєднує традиційний PoW видобуток з AI обчисленнями, надаючи майнерам нові джерела доходу.

Протягом короткого часу залучили понад 6EH/s потужності (, що складає приблизно 0,7% світового ринку ), підтверджуючи визнання ринку змішаних моделей. Шахтарі можуть вибирати між традиційним видобутком біткоїнів та отриманням токенів TAOHash, оптимізуючи прибуток.

Аналіз екосистеми

технічна архітектура основні переваги

Технологічні інновації Bittensor створюють унікальну децентралізовану екосистему ШІ. Алгоритм консенсусу Yuma забезпечує якість мережі через децентралізовану верифікацію, а оновлення dTAO впроваджує механізм ринкового розподілу ресурсів, що суттєво підвищує ефективність. Кожна підмережа оснащена механізмом AMM, що дозволяє здійснювати ціновий моніторинг між токенами TAO та alpha, дозволяючи ринковим силам безпосередньо брати участь у розподілі ресурсів ШІ.

Протокол співпраці між підмережами підтримує розподілену обробку складних AI-завдань, формуючи потужний мережевий ефект. Подвійна структура стимулювання забезпечує довгострокову мотивацію для участі, творці підмереж, майнери, валідатори та стейкери отримують відповідні винагороди, формуючи стійкий економічний замкнутий цикл.

Конкурентні переваги та виклики

Порівняно з традиційними централізованими постачальниками AI, Bittensor пропонує справжнє децентралізоване альтернативне рішення з вираженою вартісною ефективністю. Кілька підмереж демонструють значні переваги в витратах, наприклад, Chutes дешевше за певні хмарні послуги на 85%, що обумовлено підвищенням ефективності децентралізованої архітектури. Відкрита екосистема сприяє швидким інноваціям, кількість і якість підмереж постійно зростає, а швидкість інновацій значно перевищує внутрішні НДДКР традиційних компаній.

Однак екосистема також стикається з реальними викликами. Технічний бар'єр все ще високий, участь у майнінгу та валідації вимагає значних технічних знань. Невизначеність регуляторного середовища є фактором ризику, оскільки децентралізовані AI мережі можуть стикатися з різними регуляторними політиками в різних країнах. Очікується, що традиційні хмарні постачальники послуг випустять конкурентоспроможні продукти. Зі збільшенням масштабів мережі підтримка балансу між продуктивністю та децентралізацією стає важливим випробуванням.

Вибухове зростання індустрії штучного інтелекту надає величезні ринкові можливості для Bittensor. Очікується, що до 2025 року глобальні інвестиції в AI досягнуть близько 200 мільярдів доларів, надаючи сильну підтримку для попиту на інфраструктуру. Глобальний ринок AI, як очікується, зросте з 294 мільярдів доларів у 2025 році до 1,77 трильйона доларів у 2032 році, з середньорічним темпом зростання 29%, створюючи простір для широкого розвитку децентралізованої AI інфраструктури.

Політики підтримки розвитку ШІ в різних країнах створюють можливості для децентралізованої інфраструктури ШІ, зростаюча увага до конфіденційності даних і безпеки ШІ збільшує попит на такі технології, як конфіденційні обчислення, що є певними ключовими перевагами підмереж. Інтерес інституційних інвесторів до інфраструктури ШІ продовжує зростати, участь відомих установ забезпечує фінансування та ресурсну підтримку для екосистеми.

Інвестиційна стратегія

Інвестиції в підмережу Bittensor вимагають створення системної оцінювальної рамки. На технічному рівні розглядаються ступінь інноваційності та глибина «замкової стіни», технічна спроможність команди та здатність до виконання, а також синергія з іншими проектами екосистеми. На ринковому рівні аналізується обсяг цільового ринку та потенціал зростання, конкурентна структура та диференційовані переваги, ситуація з прийняттям користувачами та мережеві ефекти, а також регуляторне середовище та ризики політики. На фінансовому рівні увага приділяється поточному рівню оцінки та історичній продуктивності, частці емісії TAO та тенденціям зростання, доцільності дизайну токеноміки, а також ліквідності та глибині торгів.

У конкретному управлінні ризиками диверсифіковане інвестування є основною стратегією. Рекомендується розподілити інвестиції між різними типами підмереж, включаючи інфраструктурні, додатків та протоколів. Коригуйте інвестиційну стратегію відповідно до етапу розвитку підмережі: ранні проекти мають високі ризики, але потенційно великі прибутки, зрілі проекти відносно стабільні, але з обмеженим простором для зростання. Врахуйте, що ліквідність токенів alpha може бути не такою високою, як у TAO, тому необхідно розумно планувати пропорції фінансування, зберігаючи необхідну ліквідну буферну зону.

Подія першого зменшення в листопаді 2025 року стане важливим каталізатором для ринку. Зменшення емісії підвищить рідкість існуючої підмережі, що може призвести до виключення малоефективних проєктів та переформатування всієї економічної структури мережі. Інвестори можуть заздалегідь підготуватися до якісних підмереж, щоб скористатися вікном можливостей перед зменшенням.

У середньостроковій перспективі кількість підмереж очікується, що перевищить 500, охоплюючи всі сегменти AI-індустрії. Зростання корпоративних застосувань стимулюватиме розвиток підмереж, пов'язаних із конфіденційними обчисленнями та захистом даних, а співпраця між підмережами стане більш частою, формуючи складний ланцюг постачання AI-сервісів. Постепенне уточнення регуляторної рамки надасть перевагу відповідним підмережам.

У довгостроковій перспективі Bittensor має шанс стати важливим компонентом глобальної інфраструктури ШІ, традиційні компанії ШІ можуть використовувати гібридну модель, переміщуючи частину бізнесу на децентралізовану мережу. Нові бізнес-моделі та сценарії застосування постійно з'являються, разом з іншими блокчейнами.