去中心化 AI 网络 Bittensor 1.4 万字研报：迎来链上 AI 的 “DeepSeek 时刻” 后，其能否成为抗衡中心化 AI 的差异化 “第二极”？全景式拆解其发展背景、项目愿景、生态现状、潜在风险及发展前景

2026 年 3 月 20 日，NVIDIA CEO Jensen Huang 在 All-In Podcast 上将 Bittensor 比作 “现代版的 Folding@home”（一个利用全球用户闲置电脑算力来进行蛋白质结构模拟的分布式计算项目）——那个曾动员全球数百万台闲置电脑模拟蛋白质折叠的分布式计算传奇，而该表态一度引发了市场中对于 Bittensor 及相关 AI 板块的强烈关注。

为什么一位执掌市值 3 万亿美元公司的 CEO 会对一个 Web3 项目做出如此评价？因为在他说这番话的 10 天前，Bittensor 的 Subnet 3 Templar 刚刚宣布完成了 Covenant-72B 的训练——720 亿参数、约 1.1 万亿 Token 的数据量、超过 70 个独立节点参与、全部通过普通互联网连接完成——这是人类历史上规模最大的一次去中心化大语言模型预训练。

一面是 OpenAI、Google、Meta 用吉瓦级算力集群和数十亿美元构筑的中心化 AI 高墙，另一面是一群散布全球的匿名贡献者用家用 GPU 和宽带网络训练出的 720 亿参数模型。当后者在 MMLU 基准测试（用于衡量模型在多学科知识理解与推理任务中的综合能力）中取得 67.1 分、超越 Meta 同规模的 LLaMA-2-70B（65.6 分）时，一个问题浮出水面：AI 的生产关系是否正在发生真正的转变？

本研报不试图给答案，而是围绕 Bittensor 展开一场层层递进的分析旅程：从基础特征到生态现状，从技术对比到风险审视，从近期前景到长期推演。我们的目标不是告诉读者 “应该如何做”，而是提供足够的信息密度和思考维度，让每一位关注 AI 与区块链交叉领域的读者都能形成自己的判断。

一个核心论点贯穿全文： Bittensor 代表的去中心化 AI 网络并非要在算力规模上正面取代科技巨头，而是将通过其独特的 Subnet 机制与激励设计，在成本效率、Censorship Resistance（意指避免节点对交易进行审查）、可定制化和长尾创新等维度构建差异化优势，成为 AI 基础设施中互补且不可或缺的” 第二极”。

作者：Clare Yang，外捕研究（Web3Caff Research）研究员

封面：Logo from Bittensor，Photo by Visax on Unsplash，Typography by 外捕研究（Web3Caff Research）

字数：全文共计 14500+ 字

一、Bittensor 的基础特征：认知基石与核心机制
- 起源与愿景：AI 的 “比特币时刻”
- 三层架构：区块链、Subnet 与 Token 经济
- dTAO：从 “委员会分配” 到 “市场定价” 的范式转变
二、生态现状：从静态特征到动态全貌
- 网络规模：从小众实验到生态雏形
- 关键 Subnet 图谱：头部力量与垂直分工
- 机构入场：从边缘实验到主流视野
三、标志性战役：Covenant-72B 与 Templar 的崛起
- 从数据矿工到模型铸造师：Templar 的战略转型
- SparseLoCo：打破通信瓶颈的核心算法
- 训练成果：Covenant-72B 的性能画像
- 为什么称之为”DeepSeek 时刻”？
- 市场反应与行业验证
四、竞争对比：体系与体系的差异化对弈
- 算力规模：绝对差距与分布式潜力
- 技术路径：规模至上 vs. 韧性优先
- 治理与经济模型：公司制 vs. 协议制
- 韧性与风险模型：单点脆弱 vs. 分布式抗压
五、利弊风险：直面优劣与不确定性
- 优势总结：去中心化 AI 的差异化价值
- 经济模型挑战：“补贴驱动” 还是 “效率驱动”？
- 技术瓶颈：分布式训练的天花板在哪里？
- 监管不确定性：去中心化 AI 的法律灰区
- 生态治理与竞争风险
六、未来推演：从补充到共生的演进路径
- 近期（2026-2027 年）：差异化生存与有机收入验证
- 中期（2028-2029 年）：并行基础设施的形成
- 长期（2030 年+）：公共基础设施与新平衡
总结与启示
要点结构图
参考文献

一、Bittensor 的基础特征：认知基石与核心机制

Bittensor 本质上是一个试图将 AI 能力生产、评估与激励机制协议化的去中心化网络。它并非单一模型、单一产品或单一区块链应用，而更像一个开放的 AI 协作市场：全球范围内的参与者可以通过贡献算力、模型、数据处理能力或评估能力加入网络，并依据其实际贡献获得激励。

其核心愿景，是打破少数科技巨头对 AI 研发与分发的高度集中控制，让 AI 能力像互联网带宽或电力资源一样，逐步成为一种可以被开放接入、自由组合和市场化定价的公共基础设施。

1.1 起源与愿景：AI 的” 比特币时刻”

如果说比特币探讨的核心问题是 “价值能否在去中心化发行主体的情况下运转”，那么 Bittensor 追问的是一个同样宏大的命题：AI 能力能否不由少数科技巨头垄断？

Bittensor 由 Jacob Steeves（前 Google 软件工程师）和 Ala Shaabana（多伦多大学前助理教授、McMaster 大学计算机科学博士）于 2019 年正式创立。在此之前，Jacob Steeves 从 2016 年便开始构思将区块链激励机制应用于 AI 开发的可能性。根据 OSS Capital 的公开记录，Bittensor 的发展大致经历了四个关键阶段：2015 年形成最初构想，2016 年进入机制设计，2021 年主网上线，2023 年则随着独立链迁移和 Subnet 架构落地进入规模化发展阶段。2021 年 1 月，Bittensor 主网以代号 “Kusanagi” 首次上线；经过两次迭代（Nakamoto、Finney），2023 年 3 月完成了向独立 Substrate 链的迁移，并在同年 10 月通过”Revolution 升级” 正式引入自定义 Subnet 架构。

与许多区块链项目不同，TAO（Bittensor 的原生 Token）所有流通中的 TAO 都由网络参与者通过贡献获得。根据 CoinMarketCap 的数据，截至 2026 年 3 月底，TAO 的总市值已达到约 30 亿至 35 亿美元。

那么，Bittensor 究竟如何将 AI 能力转化为一种可以在全球范围内生产、交易和激励的” 数字商品”？答案藏在它的三层核心架构中。

本文共计 14507 字，订阅会员后继续查阅