Інвестиційний посібник по підмережі Bittensor: використання можливостей розвитку ШІ
У лютому 2025 року мережа Bittensor запустила оновлення Dynamic TAO (dTAO), що переводить модель управління в сторону ринково-орієнтованого децентралізованого розподілу ресурсів. Це оновлення значно активізувало інноваційну діяльність в екосистемі, за короткий час кількість активних підмереж зросла з 32 до 118, що становить приріст 269%. Ці підмережі охоплюють різні підсектори AI-індустрії, від базового текстового міркування, генерації зображень до передового згортання білків і кількісної торгівлі, створюючи найбільш повну децентралізовану екосистему штучного інтелекту на сьогодні.
Ринкова поведінка також вражає. Загальна капіталізація топових підмереж зросла з 4 мільйонів доларів до 690 мільйонів доларів після оновлення, а річна доходність 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 викидів, що відображає механізм ринку "перемога або поразка".
Аналіз основної мережі (10 найвищих викидів)
1. Chutes (SN64) - безсерверні обчислення AI
Основна цінність: інноваційний досвід розгортання AI-моделей, значне зниження витрат на обчислювальну потужність
Chutes використовує архітектуру "мгновенного запуску", яка зменшує час запуску AI моделей до 200 мілісекунд, підвищуючи ефективність у 10 разів. Понад 8000 GPU вузлів по всьому світу підтримують основні моделі, обробляючи понад 5 мільйонів запитів на день, з затримкою відповіді, що контролюється в межах 50 мілісекунд.
Комерційна модель зріла, використовується стратегія безкоштовного підвищення вартості. Через певну відкриту платформу інтеграція забезпечує підтримку обчислювальної потужності популярних моделей. Витратні переваги значні, на 85% нижчі, ніж у певного хмарного сервісу. Наразі загальний обсяг використання токенів перевищує 9042.37B, обслуговуються понад 3000 корпоративних клієнтів.
Після 9 тижнів після запуску dTAO ринкова капіталізація перевищила 100 мільйонів доларів, наразі складає 79 мільйонів, технологічний бар'єр глибокий, комерціалізація просувається успішно, рівень визнання на ринку високий, наразі є лідером підмережі.
2. Celium (SN51) - апаратна оптимізація обчислень
Основна цінність: оптимізація апаратного забезпечення, підвищення ефективності обчислень AI
Зосередження на оптимізації обчислень на апаратному рівні. Максимізація ефективності використання апаратного забезпечення завдяки чотирьом основним технічним модулям: розподіл GPU, абстракція апаратного забезпечення, оптимізація продуктивності та управління енергоефективністю. Підтримка основних серій GPU, ціна на 90% нижча, ніж у аналогічних продуктів, підвищення обчислювальної ефективності на 45%.
Наразі Bittensor є другою за величиною підмережою за викидами, займаючи 7,28% від загальних викидів мережі. Оптимізація апаратного забезпечення є ключовим етапом інфраструктури ШІ, має технологічні бар'єри, і спостерігається сильна тенденція до зростання цін, поточна ринкова капіталізація становить 56M.
3. Targon (SN4) - децентралізована AI платформа для виведення висновків
Основна цінність: технології конфіденційних обчислень, що забезпечують безпеку конфіденційності даних
Ядром Targon є TVM (Targon Virtual Machine), безпечна платформа конфіденційних обчислень, яка підтримує навчання, інференцію та верифікацію моделей ШІ. Використовуючи передові технології конфіденційних обчислень, вона забезпечує безпеку робочих процесів ШІ та захист конфіденційності. Система підтримує шифрування «з кінця в кінець», що дозволяє користувачам використовувати послуги ШІ без розкриття даних.
Високий технічний бар'єр, чітка бізнес-модель, наявність стабільного джерела доходу. Вже запущено механізм викупу доходу, останній викуп склав 18 тисяч доларів.
4. τemplar (SN3) - Дослідження ШІ та розподілене навчання
Основна цінність: співпраця у навчанні великих AI моделей, зниження порогу навчання
Спеціалізується на розподіленому навчанні великих AI моделей, мета - стати "найкращою платформою для навчання моделей у світі". Співпрацюючи з GPU-ресурсами учасників з усього світу, зосереджується на спільному навчанні передових моделей та інноваціях.
Завершено навчання моделі з 1,2 мільярда параметрів, пройдено понад 20 тисяч циклів навчання, взяли участь приблизно 200 GPU. У 2024 році буде оновлено механізм валідації, щоб підвищити децентралізацію та безпеку; у 2025 році буде розпочато навчання великих моделей, масштаб параметрів досягне 70B+, а продуктивність відповідатиме галузевим стандартам.
Технічні переваги виражені, поточна ринкова капіталізація 35M, займає 4,79% від викидів.
5. Градієнти (SN56) - децентралізоване AI навчання
Основна цінність: демократизація навчання ШІ, значне зниження бар'єрів для витрат
Вирішення проблеми вартості навчання ШІ за допомогою розподіленого навчання. Інтелектуальна система планування ефективно розподіляє завдання на тисячі GPU. Завершено навчання моделі з 118 трильйонами параметрів, вартість лише 5 доларів за годину, що на 70% дешевше за традиційні хмарні послуги, швидкість навчання на 40% вища. Інтерфейс з одним натисканням знижує бар'єри для користування, понад 500 проектів для тонкого налаштування моделей, охоплюючи медицину, фінанси, освіту та інші сфери.
Поточна ринкова капіталізація 30M, великий попит на ринку, чіткі технологічні переваги, варто приділити увагу в довгостроковій перспективі.
Основна цінність: AI-управляючі торгові сигнали з багатьох активів та фінансові прогнози
Децентралізована платформа для кількісної торгівлі та фінансового прогнозування, що базується на штучному інтелекті з багатозадачними торговими сигналами. Власна торгова мережа застосовує технології машинного навчання для прогнозування фінансових ринків, створюючи багаторівневу архітектуру прогнозних моделей. Модель часових рядів об'єднує технології LSTM та Transformer для обробки складних часових рядів. Модуль аналізу ринкових емоцій аналізує контент соціальних медіа та новин, надаючи емоційні індикатори як допоміжні сигнали для прогнозування.
Веб-сайт демонструє прибутковість і тестування стратегій, які пропонують різні майнери. Поєднуючи штучний інтелект та блокчейн, надає інноваційні способи торгівлі на фінансових ринках, поточна ринкова капіталізація 27M.
7. Оцінка (SN44) - спортивний аналіз та оцінка
Основна цінність: аналіз спортивних відео, націлений на футбольну індустрію в 6000 мільярдів доларів
Фреймворк комп'ютерного зору, зосереджений на аналізі спортивних відео, знижує витрати на складний аналіз відео за допомогою легковагової технології валідації. Використовується двоступенева валідація: виявлення поля та перевірка об'єктів на основі CLIP, що знижує традиційні витрати на маркування тисяч доларів за один матч до 1/10 - 1/100. У співпраці з певною платформою даних AI-агент має середню точність прогнозування 70%, що колись досягало 100% точності за один день.
Спортивна індустрія має величезний масштаб, помітні технологічні інновації, широкий ринковий потенціал, Score 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
Зосереджений на розробці моделей вбудовування тексту, підтримується важливими учасниками в галузі інформаційного пошуку. Як проект з відкритим кодом, що підтримується спільнотою, прагне створити високоякісні можливості розуміння тексту та міркування, особливо в галузі інформаційного пошуку та семантичного пошуку.
Ця підмережа все ще знаходиться на ранній стадії розвитку, в основному навколо моделі вбудовування тексту для будівництва екосистеми. Наступна інтеграція заслуговує на увагу, оскільки вона може суттєво розширити її сценарії використання та базу користувачів.
9. Дата Всесвіт (SN13) - AI дані інфраструктура
Основна цінність: обробка великих обсягів даних, постачання даних для навчання AI
Обробка 500 мільйонів рядків даних на день, усього понад 55,6 мільярда рядків, підтримка 100 ГБ зберігання. Інноваційна архітектура забезпечує стандартизацію даних, оптимізацію індексів, розподілене зберігання та інші ключові функції. Інноваційний механізм голосування "гравітація" реалізує динамічне коригування ваг.
Дані є нафтою ШІ, інфраструктурна цінність стабільна, екологічна ніша важлива. Як постачальник даних для кількох підмереж, ми глибоко співпрацюємо з іншими проектами, що відображає цінність інфраструктури.
10. TAOHash (SN14) - видобуток на основі PoW
Основна цінність: з'єднання традиційного майнінгу і AI обчислень, інтеграція ресурсів обчислювальної потужності
Дозволяє майнерам біткоїнів перенаправляти обчислювальну потужність на мережу Bittensor, отримуючи токени за допомогою майнінгу для стейкінгу або торгівлі. Поєднує традиційний PoW-майнінг з обчисленнями ШІ, надаючи майнерам нові джерела доходу.
Протягом короткого часу залучено понад 6EH/s потужності (близько 0,7% світового обсягу), що підтверджує визнання ринку змішаного режиму. Майнери можуть вибирати між традиційним видобутком біткойнів та отриманням токенів TAOHash, оптимізуючи прибуток залежно від ринкової ситуації.
Аналіз екосистеми
Основні переваги технологічної архітектури:
Унікальна децентралізована AI екосистема
Механізм розподілу ресурсів на ринку підвищує ефективність
Підмережа підтримує розподілену обробку складних AI завдань
Подвійна структура стимулювання забезпечує довгострокову мотивацію для участі
Конкурентна перевага:
Справжня децентралізована альтернатива
Значна перевага в ефективності витрат
Відкрита екосистема сприяє швидким інноваціям
Зіткнення з викликами:
Технічний бар'єр все ще досить високий
Невизначеність регуляторного середовища
Конкуренція традиційних хмарних сервісів
Баланс між продуктивністю та децентралізацією
Ринкові можливості:
Вибухове зростання індустрії штучного інтелекту забезпечує величезний ринковий простір
Підтримка політики країн створює можливості для розвитку
Інтерес інституційних інвесторів продовжує зростати
Інвестиційна стратегія
Оцінювальні виміри:
Технології: рівень інновацій, глибина захисного бар'єру, потужність команди, екосистемна синергія
Ринок: цільовий розмір, конкурентне середовище, прийняття користувачами, регуляторні ризики
Фінанси: рівень оцінки, частка випуску TAO, токеноміка, ліквідність
Управління ризиками:
Диверсифікація інвестицій у різні типи підмереж
Коригуйте стратегію відповідно до етапу розвитку
Розумно розподілити пропорції фінансування
Ключовий вузол:
Перше поділення у листопаді 2025 року
Кількість підмереж перевищила 500
Підвищення вимог до відповідності внаслідок впровадження корпоративних додатків
Часті міжпідмережеві співпраці формують ланцюг постачання AI послуг
Довгострокова перспектива:
Станьте важливою складовою глобальної інфраструктури штучного інтелекту
Традиційні компанії з штучного інтелекту використовують змішану модель
Нові бізнес-моделі та сценарії застосування постійно з'являються
Покращена взаємодія з іншими блокчейн-мережами
Екосистема Bittensor представляє нову парадигму розвитку інфраструктури штучного інтелекту, забезпечуючи новий ґрунт для інновацій штучного інтелекту через ринкову розподіл ресурсів і механізми децентралізованого управління. На тлі швидкого розвитку індустрії штучного інтелекту екосистема Bittensor та її підмережа заслуговують на постійну увагу та глибоке дослідження.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
11 лайків
Нагородити
11
4
Поділіться
Прокоментувати
0/400
HalfBuddhaMoney
· 07-27 10:26
увійти в позицію再说吧 躺平赚米
Переглянути оригіналвідповісти на0
MysteriousZhang
· 07-27 10:23
Нехай він піднімається чи ні, спочатку ape, а потім поговоримо.
Переглянути оригіналвідповісти на0
Web3ExplorerLin
· 07-27 10:06
гіпотеза: dTAO bittensor може бути квантовим стрибком, про який ми теоризували в децентралізованому інтелекті... захоплююча паралель до нейронної еволюції, якщо чесно
Переглянути оригіналвідповісти на0
GateUser-c802f0e8
· 07-27 09:58
Сприятлива інформація навіть призвела до великого пампу так сильно
Вибух екосистеми Bittensor: 118 AI підмереж захоплюють ринок на 6,9 мільярда доларів
Інвестиційний посібник по підмережі Bittensor: використання можливостей розвитку ШІ
У лютому 2025 року мережа Bittensor запустила оновлення Dynamic TAO (dTAO), що переводить модель управління в сторону ринково-орієнтованого децентралізованого розподілу ресурсів. Це оновлення значно активізувало інноваційну діяльність в екосистемі, за короткий час кількість активних підмереж зросла з 32 до 118, що становить приріст 269%. Ці підмережі охоплюють різні підсектори AI-індустрії, від базового текстового міркування, генерації зображень до передового згортання білків і кількісної торгівлі, створюючи найбільш повну децентралізовану екосистему штучного інтелекту на сьогодні.
Ринкова поведінка також вражає. Загальна капіталізація топових підмереж зросла з 4 мільйонів доларів до 690 мільйонів доларів після оновлення, а річна доходність 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 викидів, що відображає механізм ринку "перемога або поразка".
Аналіз основної мережі (10 найвищих викидів)
1. Chutes (SN64) - безсерверні обчислення AI
Основна цінність: інноваційний досвід розгортання AI-моделей, значне зниження витрат на обчислювальну потужність
Chutes використовує архітектуру "мгновенного запуску", яка зменшує час запуску AI моделей до 200 мілісекунд, підвищуючи ефективність у 10 разів. Понад 8000 GPU вузлів по всьому світу підтримують основні моделі, обробляючи понад 5 мільйонів запитів на день, з затримкою відповіді, що контролюється в межах 50 мілісекунд.
Комерційна модель зріла, використовується стратегія безкоштовного підвищення вартості. Через певну відкриту платформу інтеграція забезпечує підтримку обчислювальної потужності популярних моделей. Витратні переваги значні, на 85% нижчі, ніж у певного хмарного сервісу. Наразі загальний обсяг використання токенів перевищує 9042.37B, обслуговуються понад 3000 корпоративних клієнтів.
Після 9 тижнів після запуску dTAO ринкова капіталізація перевищила 100 мільйонів доларів, наразі складає 79 мільйонів, технологічний бар'єр глибокий, комерціалізація просувається успішно, рівень визнання на ринку високий, наразі є лідером підмережі.
2. Celium (SN51) - апаратна оптимізація обчислень
Основна цінність: оптимізація апаратного забезпечення, підвищення ефективності обчислень AI
Зосередження на оптимізації обчислень на апаратному рівні. Максимізація ефективності використання апаратного забезпечення завдяки чотирьом основним технічним модулям: розподіл GPU, абстракція апаратного забезпечення, оптимізація продуктивності та управління енергоефективністю. Підтримка основних серій GPU, ціна на 90% нижча, ніж у аналогічних продуктів, підвищення обчислювальної ефективності на 45%.
Наразі Bittensor є другою за величиною підмережою за викидами, займаючи 7,28% від загальних викидів мережі. Оптимізація апаратного забезпечення є ключовим етапом інфраструктури ШІ, має технологічні бар'єри, і спостерігається сильна тенденція до зростання цін, поточна ринкова капіталізація становить 56M.
3. Targon (SN4) - децентралізована AI платформа для виведення висновків
Основна цінність: технології конфіденційних обчислень, що забезпечують безпеку конфіденційності даних
Ядром Targon є TVM (Targon Virtual Machine), безпечна платформа конфіденційних обчислень, яка підтримує навчання, інференцію та верифікацію моделей ШІ. Використовуючи передові технології конфіденційних обчислень, вона забезпечує безпеку робочих процесів ШІ та захист конфіденційності. Система підтримує шифрування «з кінця в кінець», що дозволяє користувачам використовувати послуги ШІ без розкриття даних.
Високий технічний бар'єр, чітка бізнес-модель, наявність стабільного джерела доходу. Вже запущено механізм викупу доходу, останній викуп склав 18 тисяч доларів.
4. τemplar (SN3) - Дослідження ШІ та розподілене навчання
Основна цінність: співпраця у навчанні великих AI моделей, зниження порогу навчання
Спеціалізується на розподіленому навчанні великих AI моделей, мета - стати "найкращою платформою для навчання моделей у світі". Співпрацюючи з GPU-ресурсами учасників з усього світу, зосереджується на спільному навчанні передових моделей та інноваціях.
Завершено навчання моделі з 1,2 мільярда параметрів, пройдено понад 20 тисяч циклів навчання, взяли участь приблизно 200 GPU. У 2024 році буде оновлено механізм валідації, щоб підвищити децентралізацію та безпеку; у 2025 році буде розпочато навчання великих моделей, масштаб параметрів досягне 70B+, а продуктивність відповідатиме галузевим стандартам.
Технічні переваги виражені, поточна ринкова капіталізація 35M, займає 4,79% від викидів.
5. Градієнти (SN56) - децентралізоване AI навчання
Основна цінність: демократизація навчання ШІ, значне зниження бар'єрів для витрат
Вирішення проблеми вартості навчання ШІ за допомогою розподіленого навчання. Інтелектуальна система планування ефективно розподіляє завдання на тисячі GPU. Завершено навчання моделі з 118 трильйонами параметрів, вартість лише 5 доларів за годину, що на 70% дешевше за традиційні хмарні послуги, швидкість навчання на 40% вища. Інтерфейс з одним натисканням знижує бар'єри для користування, понад 500 проектів для тонкого налаштування моделей, охоплюючи медицину, фінанси, освіту та інші сфери.
Поточна ринкова капіталізація 30M, великий попит на ринку, чіткі технологічні переваги, варто приділити увагу в довгостроковій перспективі.
6. Приватна торгівля (SN8) - фінансова кількісна торгівля
Основна цінність: AI-управляючі торгові сигнали з багатьох активів та фінансові прогнози
Децентралізована платформа для кількісної торгівлі та фінансового прогнозування, що базується на штучному інтелекті з багатозадачними торговими сигналами. Власна торгова мережа застосовує технології машинного навчання для прогнозування фінансових ринків, створюючи багаторівневу архітектуру прогнозних моделей. Модель часових рядів об'єднує технології LSTM та Transformer для обробки складних часових рядів. Модуль аналізу ринкових емоцій аналізує контент соціальних медіа та новин, надаючи емоційні індикатори як допоміжні сигнали для прогнозування.
Веб-сайт демонструє прибутковість і тестування стратегій, які пропонують різні майнери. Поєднуючи штучний інтелект та блокчейн, надає інноваційні способи торгівлі на фінансових ринках, поточна ринкова капіталізація 27M.
7. Оцінка (SN44) - спортивний аналіз та оцінка
Основна цінність: аналіз спортивних відео, націлений на футбольну індустрію в 6000 мільярдів доларів
Фреймворк комп'ютерного зору, зосереджений на аналізі спортивних відео, знижує витрати на складний аналіз відео за допомогою легковагової технології валідації. Використовується двоступенева валідація: виявлення поля та перевірка об'єктів на основі CLIP, що знижує традиційні витрати на маркування тисяч доларів за один матч до 1/10 - 1/100. У співпраці з певною платформою даних AI-агент має середню точність прогнозування 70%, що колись досягало 100% точності за один день.
Спортивна індустрія має величезний масштаб, помітні технологічні інновації, широкий ринковий потенціал, Score 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
Зосереджений на розробці моделей вбудовування тексту, підтримується важливими учасниками в галузі інформаційного пошуку. Як проект з відкритим кодом, що підтримується спільнотою, прагне створити високоякісні можливості розуміння тексту та міркування, особливо в галузі інформаційного пошуку та семантичного пошуку.
Ця підмережа все ще знаходиться на ранній стадії розвитку, в основному навколо моделі вбудовування тексту для будівництва екосистеми. Наступна інтеграція заслуговує на увагу, оскільки вона може суттєво розширити її сценарії використання та базу користувачів.
9. Дата Всесвіт (SN13) - AI дані інфраструктура
Основна цінність: обробка великих обсягів даних, постачання даних для навчання AI
Обробка 500 мільйонів рядків даних на день, усього понад 55,6 мільярда рядків, підтримка 100 ГБ зберігання. Інноваційна архітектура забезпечує стандартизацію даних, оптимізацію індексів, розподілене зберігання та інші ключові функції. Інноваційний механізм голосування "гравітація" реалізує динамічне коригування ваг.
Дані є нафтою ШІ, інфраструктурна цінність стабільна, екологічна ніша важлива. Як постачальник даних для кількох підмереж, ми глибоко співпрацюємо з іншими проектами, що відображає цінність інфраструктури.
10. TAOHash (SN14) - видобуток на основі PoW
Основна цінність: з'єднання традиційного майнінгу і AI обчислень, інтеграція ресурсів обчислювальної потужності
Дозволяє майнерам біткоїнів перенаправляти обчислювальну потужність на мережу Bittensor, отримуючи токени за допомогою майнінгу для стейкінгу або торгівлі. Поєднує традиційний PoW-майнінг з обчисленнями ШІ, надаючи майнерам нові джерела доходу.
Протягом короткого часу залучено понад 6EH/s потужності (близько 0,7% світового обсягу), що підтверджує визнання ринку змішаного режиму. Майнери можуть вибирати між традиційним видобутком біткойнів та отриманням токенів TAOHash, оптимізуючи прибуток залежно від ринкової ситуації.
Аналіз екосистеми
Основні переваги технологічної архітектури:
Конкурентна перевага:
Зіткнення з викликами:
Ринкові можливості:
Інвестиційна стратегія
Оцінювальні виміри:
Управління ризиками:
Ключовий вузол:
Довгострокова перспектива:
Екосистема Bittensor представляє нову парадигму розвитку інфраструктури штучного інтелекту, забезпечуючи новий ґрунт для інновацій штучного інтелекту через ринкову розподіл ресурсів і механізми децентралізованого управління. На тлі швидкого розвитку індустрії штучного інтелекту екосистема Bittensor та її підмережа заслуговують на постійну увагу та глибоке дослідження.