Анализ экосистемы подсети Bittensor: новая парадигма ИИ-инфраструктуры
В феврале 2025 года сеть Bittensor завершила обновление Dynamic TAO (dTAO), переключив модель управления на рыночно-управляемое децентрализованное распределение ресурсов. Это обновление значительно освободило инновационную энергию сети. Всего за несколько месяцев количество активных подсетей увеличилось с 32 до 118, что составляет увеличение на 269%. Эти подсети охватывают несколько сегментов AI-индустрии, от базового текстового вывода, генерации изображений до передовых задач, таких как сворачивание белков и количественная торговля, формируя в настоящее время наиболее полную децентрализованную экосистему AI.
Рыночные показатели также впечатляют. Общая капитализация топовых подсетей возросла с 4 миллионов долларов до 690 миллионов долларов после обновления, а годовая доходность от стейкинга стабильно составляет 16-19%. Каждая подсеть распределяет сетевые стимулы в зависимости от рыночной ставки стейкинга TAO, причем 10 крупнейших подсетей занимают 51,76% сетевых эмиссий, что демонстрирует механизм естественного отбора на рынке.
Анализ основной сети (топ-10 по эмиссии)
1. Chutes (SN64) - безсерверные AI вычисления
Chutes использует архитектуру "мгновенного запуска", сокращая время запуска AI модели до 200 миллисекунд, что в 10 раз эффективнее традиционных облачных сервисов. Более 8000 GPU-узлов по всему миру поддерживают основные модели от DeepSeek R1 до GPT-4, обрабатывая более 5 миллионов запросов в день, с задержкой ответа в пределах 50 миллисекунд.
Бизнес-модель устойчива, используется стратегия бесплатного увеличения для привлечения пользователей. Путем сотрудничества с платформой OpenRouter предоставляется вычислительная мощность для популярных моделей, получая доход с каждого вызова API. Явные преимущества по стоимости, на 85% ниже, чем AWS Lambda. В настоящее время общее количество использованных токенов превышает 9042,37B, услуги предоставляются более чем 3000 корпоративным клиентам.
dTAO запустился и за 9 недель достиг рыночной капитализации в 100 миллионов долларов, текущая капитализация составляет 79 миллионов, технические преимущества очевидны, коммерческие достижения идут успешно, уровень признания на рынке высок, он является лидером подсети.
2. Celium (SN51) - оптимизация вычислений на аппаратном уровне
Celium сосредоточен на оптимизации вычислений на уровне оборудования. С помощью четырех технологических модулей: планирования GPU, абстракции оборудования, оптимизации производительности и управления энергоэффективностью, максимизируется эффективность использования оборудования. Поддерживает всю серию оборудования, включая NVIDIA A100/H100, AMD MI200, Intel Xe, цена на 90% ниже, чем у аналогичных продуктов, а вычислительная эффективность увеличена на 45%.
В настоящее время Celium является второй по величине подсетью в Bittensor, занимая 7,28% от эмиссии сети. Аппаратная оптимизация является ключевым элементом ИИ-инфраструктуры, обладая технологическими барьерами и тенденцией к росту цен, текущая рыночная капитализация составляет 56 миллионов.
Ядром Targon является TVM (Targon Virtual Machine), безопасная платформа для конфиденциальных вычислений, поддерживающая обучение, вывод и валидацию AI моделей. TVM использует такие технологии конфиденциальных вычислений, как Intel TDX и конфиденциальные вычисления NVIDIA, что обеспечивает безопасность и защиту конфиденциальности на протяжении всего рабочего процесса AI. Система поддерживает сквозное шифрование от аппаратного обеспечения до уровня приложений, позволяя пользователям использовать мощные AI услуги без утечки данных.
Targon имеет высокие технические барьеры, четкая бизнес-модель и стабильные источники дохода. В настоящее время запущен механизм выкупа дохода, все доходы используются для выкупа токенов, недавно была проведена операция на сумму 18 000 долларов.
4. τemplar (SN3) - Исследование ИИ и распределенное обучение
Templar является ведущей подсетью, специализирующейся на распределенном обучении крупных AI моделей, чья миссия - стать "лучшей платформой для обучения моделей в мире". Объединяя ресурсы GPU, предоставляемые участниками со всего мира, она сосредоточена на совместном обучении передовых моделей и инновациях, подчеркивая борьбу с мошенничеством и высокую эффективность сотрудничества.
Что касается достижений в технологии, Templar успешно завершил обучение модели с 1,2B параметрами, пройдя более 20 000 циклов обучения, при этом в процессе участвовало около 200 GPU. В 2024 году будет обновлен механизм commit-reveal, что повысит децентрализацию и безопасность валидации; в 2025 году будет продолжено обучение больших моделей, масштаб параметров достигнет 70B+, а результаты в стандартных AI бенчмарках будут соответствовать отраслевым стандартам.
Технические преимущества Templar довольно заметны, текущая рыночная капитализация составляет 35M, занимает 4,79% от эмиссии.
5. Градиенты (SN56) - Децентрализованное AI обучение
Gradients решает проблему затрат на обучение ИИ с помощью распределенного обучения. Умная система управления на основе синхронизации градиентов эффективно распределяет задачи на тысячи GPU. Завершено обучение модели с 118 триллионами параметров, стоимость составляет всего 5 долларов в час, что на 70% дешевле традиционных облачных услуг, а скорость обучения на 40% быстрее централизованных решений. Интерфейс с одной кнопкой снижает порог вхождения, уже более 500 проектов используют его для дообучения моделей в таких областях, как медицина, финансы, образование.
Текущая рыночная капитализация 30M, высокий спрос на рынке, явные технологические преимущества, это одна из подсетей, на которую стоит обращать внимание в долгосрочной перспективе.
SN8 - это децентрализованная платформа количественной торговли и финансового прогнозирования, управляемая ИИ, которая генерирует торговые сигналы для множества активов. Уникальная торговая сеть применяет технологии машинного обучения для прогнозирования финансовых рынков, создавая многоуровневую архитектуру прогнозных моделей. Ее модель временного прогнозирования сочетает технологии LSTM и Transformer, что позволяет обрабатывать сложные временные ряды. Модуль анализа рыночного настроения предоставляет индикаторы настроения как вспомогательные сигналы для прогнозирования, анализируя контент в социальных сетях и новостях.
На сайте можно увидеть доходность и бэктест стратегий, предлагаемых разными майнерами. SN8 сочетает ИИ и блокчейн, предлагая инновационные способы торговли на финансовых рынках, текущая капитализация составляет 27M.
7. Оценка (SN44) - Спортивный анализ и оценка
Score — это фреймворк компьютерного зрения, сосредоточенный на анализе спортивных видео, который снижает стоимость сложного видеоанализа с помощью легковесной технологии валидации. Используется двухступенчатая валидация: обнаружение поля и проверка объектов на основе CLIP, что снижает традиционные затраты на разметку в тысячи долларов за один матч до 1/10 или 1/100. В сотрудничестве с Data Universe средняя точность прогнозирования DKING AI составляет 70%, когда-то достигая 100% точности за один день.
Спортивная индустрия имеет огромные масштабы, значительные технологические инновации и широкий рынок. Score является подсетью с четким направлением применения, на которую стоит обратить внимание.
8. OpenKaito (SN5) - открытый текстовый вывод
OpenKaito сосредоточен на разработке моделей текстовой эмбеддинга и поддерживается важным участником области InfoFi Kaito. Как проект с открытым исходным кодом, управляемый сообществом, OpenKaito стремится создать высококачественные возможности для понимания и вывода текста, особенно в области информационного поиска и семантического поиска.
Эта подсеть все еще находится на ранней стадии строительства, в основном сосредоточена на создании экосистемы вокруг модели текстового встраивания. Стоит обратить внимание на предстоящую интеграцию Yaps, которая может значительно расширить ее области применения и пользовательскую базу.
9. Data Universe (SN13) - AI инфраструктура данных
Data Universe обрабатывает 500 миллионов строк данных в день, накопив более 55,6 миллиарда строк, поддерживает 100 ГБ хранилища. Архитектура DataEntity предоставляет основные функции, такие как стандартизация данных, оптимизация индексов и распределенное хранилище. Инновационный механизм голосования "гравитация" реализует динамическую корректировку весов.
Данные — это нефть ИИ, инфраструктура имеет стабильную ценность, а экосистема важна. В качестве поставщика данных для нескольких подсетей, глубокое сотрудничество с проектами, такими как Score, подчеркивает ценность инфраструктуры.
10. TAOHash (SN14) - PoW-майнинг вычислительной мощности
TAOHash позволяет биткойн-майнерам перенаправлять свою вычислительную мощность на сеть Bittensor, зарабатывая токены alpha через майнинг для стейкинга или торговли. Эта модель сочетает традиционный PoW-майнинг с вычислениями AI, предоставляя майнерам новые источники дохода.
За короткие несколько недель было привлечено более 6EH/s вычислительной мощности (примерно 0,7% от глобальной вычислительной мощности), что подтверждает признание рынка этой гибридной модели. Майнеры могут выбирать между традиционным майнингом биткойнов и получением токенов TAOHash, оптимизируя доход в зависимости от рыночной ситуации.
Анализ экосистемы
Технические инновации Bittensor создают уникальную децентрализованную экосистему ИИ. Алгоритм консенсуса Yuma обеспечивает качество сети через децентрализованное подтверждение, а рыночный механизм распределения ресурсов, внедренный в обновлении dTAO, значительно повышает эффективность. Каждая подсеть оснащена механизмом AMM, что позволяет осуществлять ценообразование между токенами TAO и alpha; такой дизайн позволяет рыночным силам напрямую участвовать в распределении ресурсов ИИ.
Протоколы сотрудничества между подсетями поддерживают распределенную обработку сложных задач ИИ, создавая мощный сетевой эффект. Двуякая структура стимулов (эмиссия TAO и прирост альфа-токенов) обеспечивает долгосрочные мотивации для участия, создатели подсетей, майнеры, валидаторы и ставящие также получают соответствующие вознаграждения, формируя устойчивую экономическую замкнутую систему.
В отличие от традиционных централизованных AI-сервисов, Bittensor предлагает действительно децентрализованную альтернативу, которая выделяется по эффективности затрат. Несколько подсетей демонстрируют значительные преимущества по стоимости, например, Chutes дешевле AWS на 85%, это преимущество в стоимости обусловлено повышением эффективности децентрализованной архитектуры. Открытая экосистема способствует быстрому инновационному процессу, количество и качество подсетей постоянно растет, а скорость инноваций значительно превышает традиционные внутренние НИОКР компаний.
Тем не менее, экосистема сталкивается с реальными вызовами. Технический порог все еще довольно высок, несмотря на постоянное улучшение инструментов, участие в майнинге и валидации по-прежнему требует значительных технических знаний. Неопределенность регуляторной среды является еще одним фактором риска, децентрализованные AI-сети могут столкнуться с различными регуляторными политиками в разных странах. Традиционные облачные провайдеры, такие как AWS и Google Cloud, не останутся в стороне и, как ожидается, выпустят конкурентоспособные продукты. С увеличением масштабов сети поддержание баланса между производительностью и децентрализацией также становится важным испытанием.
Взрывной рост AI-индустрии предоставляет Bittensor огромные рыночные возможности. Goldman Sachs прогнозирует, что к 2025 году глобальные инвестиции в AI достигнут почти 200 миллиардов долларов, что создаст сильную поддержку для потребностей в инфраструктуре. Ожидается, что глобальный рынок AI вырастет с 294 миллиардов долларов в 2025 году до 1,77 триллиона долларов в 2032 году, с годовыми темпами роста на уровне 29%, что создает широкие возможности для развития децентрализованной AI-инфраструктуры.
Поддержка развития ИИ в разных странах создала окно возможностей для децентрализованной инфраструктуры ИИ, в то время как внимание к конфиденциальности данных и безопасности ИИ увеличило спрос на такие технологии, как конфиденциальные вычисления, что является основным преимуществом подсетей, таких как Targon. Интерес институциональных инвесторов к инфраструктуре ИИ продолжает расти, участие известных учреждений обеспечивает финансирование и ресурсную поддержку экосистемы.
Инвестиционная стратегия
Инвестиции в подсеть Bittensor требуют создания системной оценки. С технической стороны необходимо оценить уровень инноваций и глубину защитных механизмов, технические способности команды и ее исполнительные навыки, а также синергетические эффекты с другими проектами в экосистеме. С рыночной точки зрения необходимо проанализировать размер целевого рынка и его потенциал роста, конкурентную структуру и дифференцированные преимущества, уровень принятия пользователями и сетевые эффекты, а также регулирующую среду и риски политики. С финансовой стороны следует обратить внимание на текущий уровень оценки и исторические показатели, долю эмиссии TAO и тенденции роста, разумность дизайна токеномики, а также ликвидность и глубину торгов.
В конкретном управлении рисками диверсифицированные инвестиции являются основным стратегическим подходом. Рекомендуется распределять инвестиции между различными типами подсетей, включая инфраструктурные (например, Chutes, Celium), прикладные (например, Score, BitMind) и протокольные (например, Targon, Templar). При этом необходимо корректировать инвестиционную стратегию в зависимости от стадии развития подсетей: на ранних этапах проекты имеют высокий риск, но потенциально большую прибыль, в то время как зрелые проекты относительно стабильны, но имеют ограниченное пространство для роста. Учитывая, что ликвидность токенов alpha может быть ниже, чем у TAO, необходимо разумно планировать пропорции распределения средств, чтобы поддерживать необходимую ликвидную подушку.
Событие первого уменьшения награды в ноябре 2025 года станет важным катализатором рынка. Снижение эмиссии повысит дефицит существующих подсетей, одновременно возможно исключение неэффективных проектов, что изменит экономический ландшафт всей сети. Инвесторы могут заранее подготовиться к качественным подсетям, чтобы воспользоваться окном размещения перед уменьшением награды.
В среднесрочной перспективе ожидается, что количество подсетей превысит 500, охватывая все сегменты AI-отрасли. Увеличение корпоративных приложений будет способствовать развитию подсетей, связанных с конфиденциальными вычислениями и защитой данных, сотрудничество между подсетями станет более частым, что приведет к формированию сложной цепочки поставок AI-услуг. Постепенное уточнение регуляторной структуры позволит соответствующим подсетям получить ясность.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Экосистема Bittensor подсети взрывается: новая парадигма децентрализованной AI инфраструктуры
Анализ экосистемы подсети Bittensor: новая парадигма ИИ-инфраструктуры
В феврале 2025 года сеть Bittensor завершила обновление Dynamic TAO (dTAO), переключив модель управления на рыночно-управляемое децентрализованное распределение ресурсов. Это обновление значительно освободило инновационную энергию сети. Всего за несколько месяцев количество активных подсетей увеличилось с 32 до 118, что составляет увеличение на 269%. Эти подсети охватывают несколько сегментов AI-индустрии, от базового текстового вывода, генерации изображений до передовых задач, таких как сворачивание белков и количественная торговля, формируя в настоящее время наиболее полную децентрализованную экосистему AI.
Рыночные показатели также впечатляют. Общая капитализация топовых подсетей возросла с 4 миллионов долларов до 690 миллионов долларов после обновления, а годовая доходность от стейкинга стабильно составляет 16-19%. Каждая подсеть распределяет сетевые стимулы в зависимости от рыночной ставки стейкинга TAO, причем 10 крупнейших подсетей занимают 51,76% сетевых эмиссий, что демонстрирует механизм естественного отбора на рынке.
Анализ основной сети (топ-10 по эмиссии)
1. Chutes (SN64) - безсерверные AI вычисления
Chutes использует архитектуру "мгновенного запуска", сокращая время запуска AI модели до 200 миллисекунд, что в 10 раз эффективнее традиционных облачных сервисов. Более 8000 GPU-узлов по всему миру поддерживают основные модели от DeepSeek R1 до GPT-4, обрабатывая более 5 миллионов запросов в день, с задержкой ответа в пределах 50 миллисекунд.
Бизнес-модель устойчива, используется стратегия бесплатного увеличения для привлечения пользователей. Путем сотрудничества с платформой OpenRouter предоставляется вычислительная мощность для популярных моделей, получая доход с каждого вызова API. Явные преимущества по стоимости, на 85% ниже, чем AWS Lambda. В настоящее время общее количество использованных токенов превышает 9042,37B, услуги предоставляются более чем 3000 корпоративным клиентам.
dTAO запустился и за 9 недель достиг рыночной капитализации в 100 миллионов долларов, текущая капитализация составляет 79 миллионов, технические преимущества очевидны, коммерческие достижения идут успешно, уровень признания на рынке высок, он является лидером подсети.
2. Celium (SN51) - оптимизация вычислений на аппаратном уровне
Celium сосредоточен на оптимизации вычислений на уровне оборудования. С помощью четырех технологических модулей: планирования GPU, абстракции оборудования, оптимизации производительности и управления энергоэффективностью, максимизируется эффективность использования оборудования. Поддерживает всю серию оборудования, включая NVIDIA A100/H100, AMD MI200, Intel Xe, цена на 90% ниже, чем у аналогичных продуктов, а вычислительная эффективность увеличена на 45%.
В настоящее время Celium является второй по величине подсетью в Bittensor, занимая 7,28% от эмиссии сети. Аппаратная оптимизация является ключевым элементом ИИ-инфраструктуры, обладая технологическими барьерами и тенденцией к росту цен, текущая рыночная капитализация составляет 56 миллионов.
3. Targon (SN4) - децентрализованная платформа ИИ-вычислений
Ядром Targon является TVM (Targon Virtual Machine), безопасная платформа для конфиденциальных вычислений, поддерживающая обучение, вывод и валидацию AI моделей. TVM использует такие технологии конфиденциальных вычислений, как Intel TDX и конфиденциальные вычисления NVIDIA, что обеспечивает безопасность и защиту конфиденциальности на протяжении всего рабочего процесса AI. Система поддерживает сквозное шифрование от аппаратного обеспечения до уровня приложений, позволяя пользователям использовать мощные AI услуги без утечки данных.
Targon имеет высокие технические барьеры, четкая бизнес-модель и стабильные источники дохода. В настоящее время запущен механизм выкупа дохода, все доходы используются для выкупа токенов, недавно была проведена операция на сумму 18 000 долларов.
4. τemplar (SN3) - Исследование ИИ и распределенное обучение
Templar является ведущей подсетью, специализирующейся на распределенном обучении крупных AI моделей, чья миссия - стать "лучшей платформой для обучения моделей в мире". Объединяя ресурсы GPU, предоставляемые участниками со всего мира, она сосредоточена на совместном обучении передовых моделей и инновациях, подчеркивая борьбу с мошенничеством и высокую эффективность сотрудничества.
Что касается достижений в технологии, Templar успешно завершил обучение модели с 1,2B параметрами, пройдя более 20 000 циклов обучения, при этом в процессе участвовало около 200 GPU. В 2024 году будет обновлен механизм commit-reveal, что повысит децентрализацию и безопасность валидации; в 2025 году будет продолжено обучение больших моделей, масштаб параметров достигнет 70B+, а результаты в стандартных AI бенчмарках будут соответствовать отраслевым стандартам.
Технические преимущества Templar довольно заметны, текущая рыночная капитализация составляет 35M, занимает 4,79% от эмиссии.
5. Градиенты (SN56) - Децентрализованное AI обучение
Gradients решает проблему затрат на обучение ИИ с помощью распределенного обучения. Умная система управления на основе синхронизации градиентов эффективно распределяет задачи на тысячи GPU. Завершено обучение модели с 118 триллионами параметров, стоимость составляет всего 5 долларов в час, что на 70% дешевле традиционных облачных услуг, а скорость обучения на 40% быстрее централизованных решений. Интерфейс с одной кнопкой снижает порог вхождения, уже более 500 проектов используют его для дообучения моделей в таких областях, как медицина, финансы, образование.
Текущая рыночная капитализация 30M, высокий спрос на рынке, явные технологические преимущества, это одна из подсетей, на которую стоит обращать внимание в долгосрочной перспективе.
6. Проприетарная торговля (SN8) - Финансовая квантовая торговля
SN8 - это децентрализованная платформа количественной торговли и финансового прогнозирования, управляемая ИИ, которая генерирует торговые сигналы для множества активов. Уникальная торговая сеть применяет технологии машинного обучения для прогнозирования финансовых рынков, создавая многоуровневую архитектуру прогнозных моделей. Ее модель временного прогнозирования сочетает технологии LSTM и Transformer, что позволяет обрабатывать сложные временные ряды. Модуль анализа рыночного настроения предоставляет индикаторы настроения как вспомогательные сигналы для прогнозирования, анализируя контент в социальных сетях и новостях.
На сайте можно увидеть доходность и бэктест стратегий, предлагаемых разными майнерами. SN8 сочетает ИИ и блокчейн, предлагая инновационные способы торговли на финансовых рынках, текущая капитализация составляет 27M.
7. Оценка (SN44) - Спортивный анализ и оценка
Score — это фреймворк компьютерного зрения, сосредоточенный на анализе спортивных видео, который снижает стоимость сложного видеоанализа с помощью легковесной технологии валидации. Используется двухступенчатая валидация: обнаружение поля и проверка объектов на основе CLIP, что снижает традиционные затраты на разметку в тысячи долларов за один матч до 1/10 или 1/100. В сотрудничестве с Data Universe средняя точность прогнозирования DKING AI составляет 70%, когда-то достигая 100% точности за один день.
Спортивная индустрия имеет огромные масштабы, значительные технологические инновации и широкий рынок. Score является подсетью с четким направлением применения, на которую стоит обратить внимание.
8. OpenKaito (SN5) - открытый текстовый вывод
OpenKaito сосредоточен на разработке моделей текстовой эмбеддинга и поддерживается важным участником области InfoFi Kaito. Как проект с открытым исходным кодом, управляемый сообществом, OpenKaito стремится создать высококачественные возможности для понимания и вывода текста, особенно в области информационного поиска и семантического поиска.
Эта подсеть все еще находится на ранней стадии строительства, в основном сосредоточена на создании экосистемы вокруг модели текстового встраивания. Стоит обратить внимание на предстоящую интеграцию Yaps, которая может значительно расширить ее области применения и пользовательскую базу.
9. Data Universe (SN13) - AI инфраструктура данных
Data Universe обрабатывает 500 миллионов строк данных в день, накопив более 55,6 миллиарда строк, поддерживает 100 ГБ хранилища. Архитектура DataEntity предоставляет основные функции, такие как стандартизация данных, оптимизация индексов и распределенное хранилище. Инновационный механизм голосования "гравитация" реализует динамическую корректировку весов.
Данные — это нефть ИИ, инфраструктура имеет стабильную ценность, а экосистема важна. В качестве поставщика данных для нескольких подсетей, глубокое сотрудничество с проектами, такими как Score, подчеркивает ценность инфраструктуры.
10. TAOHash (SN14) - PoW-майнинг вычислительной мощности
TAOHash позволяет биткойн-майнерам перенаправлять свою вычислительную мощность на сеть Bittensor, зарабатывая токены alpha через майнинг для стейкинга или торговли. Эта модель сочетает традиционный PoW-майнинг с вычислениями AI, предоставляя майнерам новые источники дохода.
За короткие несколько недель было привлечено более 6EH/s вычислительной мощности (примерно 0,7% от глобальной вычислительной мощности), что подтверждает признание рынка этой гибридной модели. Майнеры могут выбирать между традиционным майнингом биткойнов и получением токенов TAOHash, оптимизируя доход в зависимости от рыночной ситуации.
Анализ экосистемы
Технические инновации Bittensor создают уникальную децентрализованную экосистему ИИ. Алгоритм консенсуса Yuma обеспечивает качество сети через децентрализованное подтверждение, а рыночный механизм распределения ресурсов, внедренный в обновлении dTAO, значительно повышает эффективность. Каждая подсеть оснащена механизмом AMM, что позволяет осуществлять ценообразование между токенами TAO и alpha; такой дизайн позволяет рыночным силам напрямую участвовать в распределении ресурсов ИИ.
Протоколы сотрудничества между подсетями поддерживают распределенную обработку сложных задач ИИ, создавая мощный сетевой эффект. Двуякая структура стимулов (эмиссия TAO и прирост альфа-токенов) обеспечивает долгосрочные мотивации для участия, создатели подсетей, майнеры, валидаторы и ставящие также получают соответствующие вознаграждения, формируя устойчивую экономическую замкнутую систему.
В отличие от традиционных централизованных AI-сервисов, Bittensor предлагает действительно децентрализованную альтернативу, которая выделяется по эффективности затрат. Несколько подсетей демонстрируют значительные преимущества по стоимости, например, Chutes дешевле AWS на 85%, это преимущество в стоимости обусловлено повышением эффективности децентрализованной архитектуры. Открытая экосистема способствует быстрому инновационному процессу, количество и качество подсетей постоянно растет, а скорость инноваций значительно превышает традиционные внутренние НИОКР компаний.
Тем не менее, экосистема сталкивается с реальными вызовами. Технический порог все еще довольно высок, несмотря на постоянное улучшение инструментов, участие в майнинге и валидации по-прежнему требует значительных технических знаний. Неопределенность регуляторной среды является еще одним фактором риска, децентрализованные AI-сети могут столкнуться с различными регуляторными политиками в разных странах. Традиционные облачные провайдеры, такие как AWS и Google Cloud, не останутся в стороне и, как ожидается, выпустят конкурентоспособные продукты. С увеличением масштабов сети поддержание баланса между производительностью и децентрализацией также становится важным испытанием.
Взрывной рост AI-индустрии предоставляет Bittensor огромные рыночные возможности. Goldman Sachs прогнозирует, что к 2025 году глобальные инвестиции в AI достигнут почти 200 миллиардов долларов, что создаст сильную поддержку для потребностей в инфраструктуре. Ожидается, что глобальный рынок AI вырастет с 294 миллиардов долларов в 2025 году до 1,77 триллиона долларов в 2032 году, с годовыми темпами роста на уровне 29%, что создает широкие возможности для развития децентрализованной AI-инфраструктуры.
Поддержка развития ИИ в разных странах создала окно возможностей для децентрализованной инфраструктуры ИИ, в то время как внимание к конфиденциальности данных и безопасности ИИ увеличило спрос на такие технологии, как конфиденциальные вычисления, что является основным преимуществом подсетей, таких как Targon. Интерес институциональных инвесторов к инфраструктуре ИИ продолжает расти, участие известных учреждений обеспечивает финансирование и ресурсную поддержку экосистемы.
Инвестиционная стратегия
Инвестиции в подсеть Bittensor требуют создания системной оценки. С технической стороны необходимо оценить уровень инноваций и глубину защитных механизмов, технические способности команды и ее исполнительные навыки, а также синергетические эффекты с другими проектами в экосистеме. С рыночной точки зрения необходимо проанализировать размер целевого рынка и его потенциал роста, конкурентную структуру и дифференцированные преимущества, уровень принятия пользователями и сетевые эффекты, а также регулирующую среду и риски политики. С финансовой стороны следует обратить внимание на текущий уровень оценки и исторические показатели, долю эмиссии TAO и тенденции роста, разумность дизайна токеномики, а также ликвидность и глубину торгов.
В конкретном управлении рисками диверсифицированные инвестиции являются основным стратегическим подходом. Рекомендуется распределять инвестиции между различными типами подсетей, включая инфраструктурные (например, Chutes, Celium), прикладные (например, Score, BitMind) и протокольные (например, Targon, Templar). При этом необходимо корректировать инвестиционную стратегию в зависимости от стадии развития подсетей: на ранних этапах проекты имеют высокий риск, но потенциально большую прибыль, в то время как зрелые проекты относительно стабильны, но имеют ограниченное пространство для роста. Учитывая, что ликвидность токенов alpha может быть ниже, чем у TAO, необходимо разумно планировать пропорции распределения средств, чтобы поддерживать необходимую ликвидную подушку.
Событие первого уменьшения награды в ноябре 2025 года станет важным катализатором рынка. Снижение эмиссии повысит дефицит существующих подсетей, одновременно возможно исключение неэффективных проектов, что изменит экономический ландшафт всей сети. Инвесторы могут заранее подготовиться к качественным подсетям, чтобы воспользоваться окном размещения перед уменьшением награды.
В среднесрочной перспективе ожидается, что количество подсетей превысит 500, охватывая все сегменты AI-отрасли. Увеличение корпоративных приложений будет способствовать развитию подсетей, связанных с конфиденциальными вычислениями и защитой данных, сотрудничество между подсетями станет более частым, что приведет к формированию сложной цепочки поставок AI-услуг. Постепенное уточнение регуляторной структуры позволит соответствующим подсетям получить ясность.