Інвестиційний посібник для підмережі Bittensor: використання нових можливостей ШІ

У лютому 2025 року мережа Bittensor завершила оновлення Dynamic TAO (dTAO), реалізувавши перехід від централізованого управління до ринково орієнтованого децентралізованого розподілу ресурсів. Після оновлення кожна підмережа має незалежні токени alpha, а власники TAO можуть вільно обирати об'єкти інвестування, що дійсно реалізує механізм виявлення вартості на основі ринку.

Дані показують, що оновлення dTAO звільнило величезну інноваційну енергію. За кілька місяців Bittensor зріс з 32 підмереж до 118 активних підмереж, зростання склало 269%. Ці підмережі охоплюють усі сегменти AI-індустрії, від основного текстового розуміння, генерації зображень до передових технологій складення білків та кількісної торгівлі, утворюючи наразі найбільш повну децентралізовану AI-екосистему.

Ринкові результати також вражаючі. Загальна капіталізація топових підмереж зросла з 4 мільйонів доларів до 690 мільйонів доларів після оновлення, а річна доходність стейкінгу стабільно коливається в межах 16-19%. Кожна підмережа розподіляє мережеві стимули відповідно до ринкового коефіцієнта стейкінгу TAO, а перші 10 підмереж займають 51,76% мережевих викидів, що відображає механізм ринкового добору.

Аналіз основної мережі (10 найкращих викидів)

1. Chutes (SN64) - безсерверні обчислення ШІ

Основна цінність: інноваційний досвід розгортання AI моделей, значне зниження витрат на обчислювальну потужність

Chutes використовує архітектуру "миттєвого запуску", зменшуючи час запуску AI-моделі до 200 мілісекунд, що в 10 разів ефективніше, ніж традиційні хмарні сервіси. Понад 8000 GPU-вузлів по всьому світу підтримують основні моделі від DeepSeek R1 до GPT-4, обробляючи понад 5 мільйонів запитів на день, з затримкою відповіді, контрольованою в межах 50 мілісекунд.

Бізнес-модель зріла, використовується стратегія безкоштовного надання послуг з метою залучення користувачів, через інтеграцію платформи надається обчислювальна потужність для популярних моделей, отримуючи дохід з кожного виклику API. Витратна перевага є значною, на 85% нижча, ніж деякі хмарні послуги. Наразі загальний обсяг використання токенів перевищує 9042.37B, обслуговуються понад 3000 корпоративних клієнтів.

dTAO після 9 тижнів з моменту запуску досягнув капіталізації в 100 мільйонів доларів, поточна капіталізація становить 79 мільйонів, технологічний захист глибокий, комерційний розвиток проходить успішно, рівень визнання на ринку досить високий, наразі є лідером підмережі.

2. Celium (SN51) - апаратна оптимізація обчислень

Основна цінність: оптимізація апаратного забезпечення нижнього рівня, підвищення ефективності обчислень AI

Зосередження на оптимізації обчислень на апаратному рівні. Максимізація ефективності використання апаратного забезпечення через чотири основні технологічні модулі: планування GPU, абстракцію апаратного забезпечення, оптимізацію продуктивності та управління енергетичною ефективністю. Підтримуються всі серії апаратного забезпечення, такі як NVIDIA A100/H100, AMD MI200, Intel Xe, ціна зменшена на 90% в порівнянні з аналогічними продуктами, ефективність обчислень підвищена на 45%.

Наразі це друга за обсягом викидів підмережа на Bittensor, яка становить 7,28% викидів мережі. Оптимізація апаратного забезпечення є ключовим етапом інфраструктури штучного інтелекту, має сильну тенденцію до зростання цін через технологічні бар'єри, поточна ринкова капіталізація становить 56M.

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

Основна цінність: технологія конфіденційних обчислень, що забезпечує безпеку конфіденційності даних

Ядром Targon є TVM (Targon Virtual Machine), це безпечна платформа конфіденційних обчислень, що підтримує навчання, висновок і верифікацію AI моделей. TVM використовує передові технології конфіденційних обчислень, що забезпечують безпеку та захист конфіденційності всього робочого процесу AI. Система підтримує кінцеве до кінцевого шифрування від апаратного забезпечення до прикладного рівня, що дозволяє користувачам використовувати потужні AI послуги без розкриття даних.

Targon має високу технологічну планку, чітку бізнес-модель та стабільне джерело доходу. Наразі активовано механізм викупу доходів, всі доходи йдуть на викуп токенів, нещодавно було здійснено викуп на 18 тисяч доларів.

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

Основна цінність: співпраця у навчанні великих AI моделей, зниження бар'єрів для навчання

Templar є піонером підмережі, яка спеціалізується на розподіленому навчанні великих AI моделей, чия місія полягає в тому, щоб стати "найкращою платформою для навчання моделей у світі". Співпрацюючи з ресурсами GPU, внесеними глобальними учасниками, Templar зосереджується на спільному навчанні та інноваціях передових моделей, підкреслюючи запобігання шахрайству та ефективну співпрацю.

У досягненнях технологій Templar успішно завершила навчання моделі з 1,2B параметрами, пройшовши понад 20 тисяч циклів навчання, приблизно 200 GPU брали участь у всьому процесі. У 2024 році буде оновлено механізм верифікації, щоб підвищити децентралізацію та безпеку; у 2025 році буде продовжено навчання великих моделей, масштаб параметрів досягне 70B+, а в стандартних AI бенчмарках показники будуть відповідати галузевим стандартам.

Технологічні переваги Templar є помітними, поточна ринкова капіталізація становить 35M, займаючи 4,79% від викидів.

5. Градієнти (SN56) - децентралізоване навчання AI

Основна цінність: демократизація навчання ШІ, суттєве зниження бар'єру для витрат

Рішення проблеми витрат на навчання ШІ 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 лише 5 доларів на годину, що на 70% дешевше за традиційні хмарні сервіси, швидкість навчання на 40% вища за централізовані рішення. Інтерфейс з однією кнопкою знижує бар'єри для використання, вже понад 500 проектів використовуються для тонкого налаштування моделей, охоплюючи медицину, фінанси, освіту та інші сфери.

Поточна ринкова капіталізація 30M, великий попит на ринку, чітка технологічна перевага, це один з підмереж, на який варто звернути увагу в довгостроковій перспективі.

6. Приватна торгівля (SN8) - фінансова квантова торгівля

Основна цінність: Торгові сигнали та фінансові прогнози на основі штучного інтелекту для різних активів

SN8 — це децентралізована платформа для кількісної торгівлі та фінансового прогнозування, що використовує AI для торгівельних сигналів з багатьох активів. Приватна торгова мережа застосовує технології машинного навчання для прогнозування фінансових ринків, створюючи багаторівневу архітектуру прогнозних моделей. Її модель часових прогнозів поєднує технології LSTM та Transformer, здатна обробляти складні часові серії даних. Модуль аналізу ринкових настроїв, аналізуючи контент соціальних медіа та новин, надає індикатори настроїв як допоміжний сигнал для прогнозування.

На сайті можна побачити доходи та тестування стратегій, які пропонують різні майнери. SN8 поєднує ШІ та блокчейн, пропонуючи інноваційні способи торгівлі на фінансових ринках, поточна ринкова капіталізація становить 27M.

7. Оцінка (SN44) - Спортивний аналіз та оцінка

Основна цінність: аналіз спортивних відео, націлений на футбольну індустрію в 600 млрд доларів

Фреймворк комп'ютерного зору, зосереджений на аналізі спортивних відео, знижує витрати на складний відеоаналіз за допомогою легковажної верифікації. Використовує двоступеневу верифікацію: виявлення поля та перевірка об'єктів на основі CLIP, що зменшує витрати на маркування традиційних матчів з тисяч доларів до 1/10 - 1/100. У співпраці з іншими проектами, середня точність прогнозування AI-агентів становить 70%, колись досягала 100% за один день.

Спортивна індустрія має величезні масштаби, помітні технологічні інновації та широкий ринковий потенціал, Score є проектом з чітким напрямком застосування для підмережі, який варто звернути увагу.

8. OpenKaito (SN5) - відкритий текстовий вивід

Основна цінність: розробка моделей вбудовування тексту, оптимізація інформаційного пошуку

OpenKaito зосереджується на розробці моделей вбудовування тексту за підтримки важливих учасників у сфері InfoFi. Як проект з відкритим вихідним кодом, що керується спільнотою, OpenKaito прагне створити високоякісні можливості розуміння тексту та міркування, особливо в галузі інформаційного пошуку та семантичного пошуку.

Ця підмережа все ще на ранній стадії будівництва, основна увага приділяється створенню екосистеми навколо моделей текстового вбудовування. Варто звернути увагу на майбутнє інтеграцію нових функцій, яка може суттєво розширити її сфери застосування та базу користувачів.

9. Data Universe (SN13) - AI дані інфраструктура

Основна цінність: обробка великих обсягів даних, постачання даних для навчання ШІ

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

Дані є нафтою штучного інтелекту, цінність інфраструктури стабільна, екологічна ніша важлива. Як постачальник даних для кількох підмереж, глибока співпраця з такими проектами, як Score, відображає цінність інфраструктури.

10. TAOHash (SN14) - PoW майнінг потужності

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

TAOHash дозволяє майнерам біткоїнів перенаправляти обчислювальну потужність на мережу Bittensor, отримуючи альфа-токени за допомогою майнінгу для стейкінгу або торгівлі. Ця модель поєднує традиційний PoW майнінг з AI обчисленнями, надаючи майнерам нові джерела доходу.

За кілька тижнів було залучено понад 6EH/s потужності (близько 0,7% від світової потужності), що підтверджує визнання ринку цієї гібридної моделі. Майнеры можуть вибирати між традиційним видобутком біткоїнів та отриманням токенів TAOHash, оптимізуючи прибуток відповідно до ринкової ситуації.

Аналіз екосистеми

Технічні інновації Bittensor створюють унікальну децентралізовану екосистему ШІ. Його алгоритм консенсусу забезпечує якість мережі через децентралізовану валідацію, тоді як механізм ринкового розподілу ресурсів, введений з оновленням dTAO, значно підвищує ефективність. Кожна підмережа обладнана механізмом AMM для реалізації цінового відкриття між токенами TAO та alpha, що дозволяє 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 заохочень (випуск TAO та зростання вартості токенів alpha) забезпечує довгострокову мотивацію для участі, творці підмереж, майнери, валідатори та стейкери отримують відповідні винагороди, формуючи стійкий економічний замкнений цикл.

На відміну від традиційних централізованих постачальників AI-послуг, Bittensor пропонує справжню децентралізовану альтернативу, демонструючи видатну ефективність витрат. Кілька підмереж демонструють значні переваги в витратах, наприклад, Chutes дешевше певних хмарних послуг на 85%, ця перевага в витратах виникає з підвищення ефективності децентралізованої архітектури. Відкана екосистема сприяє швидким інноваціям, кількість і якість підмереж постійно зростає, а швидкість інновацій значно перевищує традиційні внутрішні НДДКР підприємств.

Проте, екосистема також стикається з реальними викликами. Технічний бар'єр все ще залишається високим, незважаючи на те, що інструменти постійно покращуються, участь у mining та validation все ще вимагає значних технічних знань. Невизначеність регуляторного середовища є ще одним ризиковим фактором, оскільки децентралізовані AI мережі можуть стикатися з різними регуляторними політиками в різних країнах. Традиційні постачальники хмарних послуг не залишаться осторонь, очікується, що вони випустять конкурентні продукти. З ростом масштабу мережі, підтримка балансу між продуктивністю та децентралізацією також стає важливим випробуванням.

Вибухове зростання індустрії штучного інтелекту створює величезні ринкові можливості для Bittensor. Очікується, що до 2025 року глобальні інвестиції в ШІ наблизяться до 200 мільярдів доларів, забезпечуючи потужну підтримку для попиту на інфраструктуру. Глобальний ринок ШІ, як очікується, зросте з 294 мільярдів доларів у 2025 році до 1,77 трильйона доларів у 2032 році, з середньорічним темпом зростання 29%, що створює широкі можливості для розвитку децентралізованої інфраструктури ШІ.

Підтримка політики розвитку ШІ з боку різних країн створила можливість для децентралізованої інфраструктури ШІ, в той же час зростаюча увага до конфіденційності даних та безпеки ШІ збільшила попит на такі технології, як конфіденційні обчислення, що є основною перевагою підмережі, такої як Targon. Інтерес інституційних інвесторів до інфраструктури ШІ продовжує зростати, а участь відомих установ забезпечує фінансову та ресурсну підтримку екосистеми.

Інвестиційна стратегія

Інвестування в підмережу Bittensor вимагає створення систематичної оцінювальної структури. У технічному аспекті необхідно оцінити рівень інновацій та глибину захисного бар'єру, технічну спроможність команди та здатність до виконання, а також синергійний ефект з іншими проектами екосистеми. На ринку слід проаналізувати розмір цільового ринку та потенціал зростання, конкурентне середовище та диференційовані переваги, рівень прийняття користувачами та мережеві ефекти, а також регуляторне середовище і ризики політики. У фінансовому аспекті потрібно звернути увагу на поточний рівень оцінки та історичні показники, частку емісії TAO та тенденції зростання, обґрунтованість дизайну токеноміки, а також ліквідність і глибину торгів.

У конкретному управлінні ризиками, диверсифіковані інвестиції є базовою стратегією. Рекомендується диверсифікувати активи між різними типами підмереж, включаючи інфраструктурні (такі як Chutes, Celium), додатки (такі як Score, BitMind) та протоколи (такі як Targon, Templar). Одночасно потрібно коригувати інвестиційну стратегію відповідно до стадії розвитку підмережі: проекти на ранніх стадіях мають високий ризик, але потенційно велику прибутковість, тоді як зрілі проекти відносно стабільні, але мають обмежений простір для зростання.