Vào tháng 3 năm 2026, lĩnh vực AI tiền mã hóa đã trải qua một đợt tái định giá mang tính cấu trúc. Dẫn đầu bởi Bittensor cùng các giao thức hạ tầng AI phi tập trung khác, lĩnh vực này đã chứng kiến một đợt tăng trưởng bứt phá nhờ cả các đột phá công nghệ lẫn nhận thức thị trường ngày càng gia tăng. Theo dữ liệu thị trường Gate, tính đến ngày 3 tháng 4 năm 2026, token gốc TAO của Bittensor được giao dịch ở mức 301,96 USD, tăng 1,2% trong 24 giờ, với vốn hóa thị trường lưu hành khoảng 3,26 tỷ USD và khối lượng giao dịch 24 giờ đạt 323 triệu USD. Trong sáu tuần vừa qua, TAO đã tăng khoảng 140%, bao gồm mức tăng 105% kể từ ngày 8 tháng 3.
Đợt tăng này không xuất phát từ đầu cơ ngắn hạn mà được thúc đẩy bởi một bước tiến công nghệ mang tính bước ngoặt: lần đầu tiên, tính khả thi trên thực tế của việc huấn luyện mô hình ngôn ngữ lớn phân tán đã được xác thực. Sự thay đổi này đang làm thay đổi căn bản cách thị trường định giá các dự án AI phi tập trung.
Từ Đột Phá Công Nghệ Đến Nhận Diện Thị Trường: Điểm Bùng Phát Cho Huấn Luyện Phân Tán
Tháng 3 năm 2026, đội ngũ Covenant AI thuộc Subnet 3 (Templar) của Bittensor đã công bố báo cáo kỹ thuật trên arXiv, thông báo về việc huấn luyện thành công mô hình Covenant-72B. Đây là mô hình ngôn ngữ lớn với 72 tỷ tham số, được huấn luyện sơ bộ theo phương thức không cần cấp phép trên hơn 70 nút phân tán toàn cầu. Mô hình đạt điểm số 67,1 trên bảng chuẩn MMLU, xếp cùng nhóm cạnh tranh với LLaMA-2-70B của Meta (điểm số 65,6) phát hành năm 2023.
Ý nghĩa ngành của thành tựu này nằm ở bằng chứng có thể kiểm chứng rằng huấn luyện phân tán—từng bị quan điểm chính thống cho là "quá chậm và rời rạc"—thực tế có thể tạo ra kết quả ngang ngửa với các mô hình tập trung. Quá trình huấn luyện Covenant-72B không dựa vào bất kỳ trung tâm dữ liệu tập trung nào mà dựa vào sức mạnh tính toán tập thể do các nút phi tập trung toàn cầu đóng góp.
Yếu tố kỹ thuật cốt lõi là thuật toán SparseLoCo, giúp nén dữ liệu huấn luyện truyền giữa các nút lên tới khoảng 146 lần—tức hơn 97%—mà gần như không làm giảm độ chính xác của mô hình. Điều này đồng nghĩa huấn luyện phân tán không còn yêu cầu băng thông mạng siêu cao; một kết nối băng thông rộng gia đình tiêu chuẩn 500 Mb/s là đủ để giao tiếp giữa các nút, qua đó giảm mạnh rào cản tham gia.
CEO NVIDIA Jensen Huang đã công khai bàn luận về đột phá này trên podcast All-In, gọi huấn luyện phân tán của Bittensor là "một thành tựu kỹ thuật đáng chú ý". Nhà đầu tư mạo hiểm Chamath Palihapitiya cũng dẫn dắt cuộc thảo luận trong cùng chương trình. Sự quan tâm từ các lãnh đạo công nghệ nổi bật đã thúc đẩy nhanh hơn quá trình thị trường đánh giá lại tính khả thi của huấn luyện AI phân tán.
Từ Nâng Cấp dTAO Đến Sự Tham Gia Của Tổ Chức
Hiệu suất thị trường gần đây của Bittensor không phải là sự kiện đơn lẻ mà là kết quả của nhiều yếu tố cấu trúc hội tụ. Các cột mốc quan trọng sau đây tạo nên khung tham chiếu để hiểu về sự phát triển này:
Tháng 2 năm 2025 — Cơ chế Dynamic TAO (dTAO) được nâng cấp, giới thiệu hệ thống token subnet. Người dùng có thể staking TAO vào các pool thanh khoản cho từng subnet cụ thể, với dòng vốn quyết định phân bổ phát hành TAO. Điều này chuyển cơ chế điều tiết kinh tế từ bỏ phiếu của validator sang cạnh tranh dựa trên thị trường.
Tháng 12 năm 2025 — Bittensor thực hiện lần giảm một nửa phần thưởng khối đầu tiên, giảm phát hành TAO hàng ngày từ 7.200 xuống 3.600 và tạo kỳ vọng giảm phát về phía cung.
Cuối năm 2025 đến đầu năm 2026 — Sự tham gia của tổ chức tăng tốc. Cuối tháng 12 năm 2025, Grayscale nộp đơn S-1 lên SEC cho một quỹ ETF TAO giao ngay, Bitwise cũng nộp đơn cùng ngày. Công ty con Yuma của Digital Currency Group phát hành báo cáo thường niên "State of Bittensor", đánh giá hệ thống subnet một cách hệ thống.
Đầu tháng 3 năm 2026 — Tin tức về việc huấn luyện thành công Covenant-72B lan rộng trong cộng đồng công nghệ. Đồng sáng lập Anthropic, Jack Clark, đã nhấn mạnh đột phá này trong báo cáo tiến độ nghiên cứu AI của mình, đặt tiêu đề một phần là "Thách thức kinh tế chính trị AI thông qua huấn luyện phân tán".
Giữa tháng 3 năm 2026 — Sự ủng hộ công khai của Jensen Huang đã thu hút sự chú ý rộng rãi hơn từ thị trường. Giá TAO tăng khoảng 20% chỉ trong 24 giờ sau thông báo, với khối lượng giao dịch vượt 471 triệu USD.
Cuối tháng 3 năm 2026 — Nền kinh tế subnet tiếp tục mở rộng, với tổng vốn hóa thị trường token subnet đạt 27% vốn hóa TAO—mức cao kỷ lục.
Đầu tháng 4 năm 2026 — Tính đến ngày 3 tháng 4, nguồn cung lưu hành của TAO khoảng 10,79 triệu, tỷ lệ staking vượt 68%. Chỉ số GMCI AI đã tăng khoảng 48% kể từ đầu tháng 2.
Đặc Điểm Cấu Trúc Của Đợt Tăng Chỉ Số
Chỉ số GMCI AI là thước đo quan trọng để theo dõi hiệu suất tổng thể của lĩnh vực AI tiền mã hóa. Đầu tháng 4, chỉ số đạt 51,26, tăng khoảng 48% kể từ tháng 2. Tuy nhiên, con số này cần được diễn giải cẩn trọng dựa trên thành phần cấu thành chỉ số.
Chỉ số GMAI gồm chín token, nhưng có sự tập trung lớn: Bittensor (TAO), Render (RNDR) và Artificial Superintelligence Alliance (ASI) chiếm hơn 71% trọng số chỉ số. Do đó, chỉ số chủ yếu phản ánh hiệu suất của ba token hạ tầng AI lớn này, thay vì tâm lý toàn ngành. Riêng TAO chiếm khoảng 24,89% trọng số, và việc giá TAO gần như tăng gấp đôi trong tháng 3 là động lực chính kéo chỉ số đi lên.
Xét về tokenomics, tổng cung và cung tối đa của TAO đều là 21 triệu, với nguồn cung lưu hành hiện tại khoảng 10,79 triệu—tương ứng tỷ lệ lưu hành khoảng 51,4%. Với hơn 68% token được staking, phần lớn nguồn cung lưu hành bị khóa, giúp giảm áp lực bán ngay trên thị trường thứ cấp.
Nền kinh tế subnet là một chiều kích quan trọng khác của hệ sinh thái Bittensor. Tính đến tháng 3 năm 2026, có khoảng 129 subnet hoạt động, với tổng vốn hóa token subnet khoảng 1,5 tỷ USD và doanh thu thường niên khoảng 100 triệu USD. Token subnet hiện chiếm khoảng 27% vốn hóa TAO. Tỷ trọng này ngày càng tăng cho thấy giá trị đang dịch chuyển từ lớp nền tảng (TAO) lên lớp ứng dụng (subnet), với hoạt động kinh tế trong hệ sinh thái ngày càng sôi động. Token subnet τemplar (SN3) đã tăng hơn 400% trong tháng 3, đạt vốn hóa khoảng 130 triệu USD.
Đồng Thuận, Tranh Cãi Và Khoảng Trống Thông Tin
Đợt tăng giá mới nhất của Bittensor đã tạo ra nhiều tầng câu chuyện, với các bên liên quan tập trung vào những khía cạnh khác nhau.
Những người lạc quan về công nghệ tập trung vào điểm bùng phát khi tính khả thi của huấn luyện phân tán vừa bị "bác bỏ rồi lại được chứng minh". Huấn luyện phân tán từng bị AI chính thống coi là không hiệu quả và không thể mở rộng. Việc huấn luyện thành công Covenant-72B theo phương thức không cần cấp phép với 72 tỷ tham số, đạt điểm MMLU 67,1, là dẫn đầu rõ rệt trong các nỗ lực huấn luyện phi tập trung (để so sánh: INTELLECT-1 đạt 32,7, Psyche Consilience đạt 24,2). Kết quả này đã thay đổi đánh giá của thị trường về câu hỏi cốt lõi: "AI phân tán có khả thi không?"
Những người theo hướng câu chuyện nhấn mạnh ảnh hưởng của các sự ủng hộ bên ngoài. Bình luận của Jensen Huang trên podcast được xem như một phiếu tín nhiệm cho hướng đi AI phân tán. Ông cũng định hình lại tranh luận là "không phải A hoặc B, mà là A và B", cho rằng hạ tầng phi tập trung và mô hình sở hữu độc quyền có thể cùng tồn tại lâu dài. Quan điểm này giúp giá trị AI phân tán được ngành công nghiệp chính thống công nhận. Trên mạng xã hội, các cuộc thảo luận về Bittensor trên X, Reddit và Telegram đạt mức cao thứ hai trong lịch sử, với chỉ số cảm xúc cho thấy cứ 1,5 bình luận tích cực thì có 1 bình luận tiêu cực. Sự tham gia của nhà đầu tư nhỏ lẻ vẫn chưa đạt đến mức thường thấy khi có hoạt động đầu cơ mạnh.
Những người hoài nghi về giá trị bày tỏ lo ngại về nền tảng kinh tế. Vấn đề cốt lõi là khoảng cách giữa trợ cấp mạng lưới của Bittensor và doanh thu bên ngoài. Trợ cấp phát hành mạng hàng năm vào khoảng 360 triệu USD, trong khi doanh thu bên ngoài của subnet chỉ khoảng 100 triệu USD. Những người hoài nghi cho rằng định giá hiện tại chủ yếu được thúc đẩy bởi câu chuyện khan hiếm phía cung, chứ không phải nhu cầu sử dụng thực tế. Một điểm tranh cãi khác là tính bền vững của "hào kỹ thuật"—kết quả huấn luyện mô hình là mã nguồn mở, người dùng gần như không mất chi phí chuyển đổi giữa các nền tảng tính toán, khiến subnet khó thiết lập rào cản cạnh tranh thực sự.
Phân Tích Ảnh Hưởng Ngành: Từ Token Đơn Lẻ Đến Hệ Sinh Thái Đa Tầng
Hiệu suất thị trường gần đây của Bittensor đã tạo ra ảnh hưởng đa tầng lên lĩnh vực AI tiền mã hóa:
Tầng thứ nhất: Tái cấu trúc logic định giá ngành. AI phi tập trung lâu nay đối mặt với nghi ngờ cơ bản về tính khả thi của huấn luyện phân tán, khiến định giá thiếu điểm tựa kỹ thuật vững chắc. Đột phá Covenant-72B đã chuyển trọng tâm thị trường từ tokenomics sang tiến bộ công nghệ hữu hình. Như Grayscale nhận định trong báo cáo ngày 31 tháng 3 năm 2026: "Huấn luyện thành công mô hình 72 tỷ tham số là một cột mốc quan trọng, chuyển sự chú ý thị trường từ tokenomics sang các tiến bộ kỹ thuật thực tế."
Tầng thứ hai: Thay đổi cục diện cạnh tranh. Vốn và thanh khoản trong lĩnh vực AI tiền mã hóa ngày càng tập trung vào một số hệ sinh thái liên kết AI. Bittensor, Render và Artificial Superintelligence Alliance (FET) là trung tâm của xu hướng này. Đầu tháng 4, FET được giao dịch quanh mức 0,2427 USD, Render khoảng 1,86 USD. Ba token này chiếm hơn 70% trọng số chỉ số GMCI AI, tạo nên cấu trúc "kẻ thắng chiếm đa số". Đối với các dự án nhỏ hơn trong ngành, điều này đồng nghĩa ngưỡng thu hút sự chú ý và thanh khoản ngày càng cao.
Tầng thứ ba: Xóa nhòa ranh giới giữa ngành tiền mã hóa và AI. Sự trưởng thành của nền kinh tế subnet cho thấy các dự án AI phi tập trung đang chuyển từ ý tưởng thuần túy sang "thực thể vận hành tạo doanh thu". Token subnet đang phát triển thành các doanh nghiệp tạo thu nhập, với một số mô hình kinh doanh subnet mở rộng vượt ra ngoài ranh giới truyền thống của tiền mã hóa và cạnh tranh trực tiếp trên thị trường dịch vụ AI chính thống. Ví dụ, thị trường tính toán GPU của Targon cạnh tranh trực diện với các nhà cung cấp đám mây tập trung. Xu hướng này có thể thu hút sự quan tâm lớn hơn từ ngành AI truyền thống đối với các lựa chọn phi tập trung, đồng thời cũng đặt ra các câu hỏi pháp lý mới.
Kịch Bản Đa Chiều: Ba Hướng Phát Triển Tiềm Năng
Dựa trên tiến bộ công nghệ hiện tại, cấu trúc kinh tế và môi trường thị trường, có thể hình dung một số kịch bản tương lai cho Bittensor và lĩnh vực token AI nói chung.
Kịch bản 1: Vòng lặp phản hồi tích cực. Nếu hệ sinh thái subnet tiếp tục tạo ra doanh thu bên ngoài có thể kiểm chứng, với nhiều subnet thu hút khách hàng thương mại và có sử dụng thực tế, tỷ lệ thu nhập bên ngoài so với trợ cấp phát hành sẽ dần được cải thiện. Khi đó, định giá của Bittensor sẽ chuyển từ "dựa trên câu chuyện" sang "dựa trên doanh thu". Các chỉ số cần theo dõi: tốc độ tăng trưởng doanh thu bên ngoài của subnet theo quý, tỷ lệ vốn hóa thị trường tổng các token subnet so với TAO, và số lượng subnet có tiếp tục tăng hay không.
Kịch bản 2: Quay lại giá trị trung bình. TAO đã tăng khoảng 140% trong sáu tuần, với một số động lực đã được phản ánh vào giá. Nếu giá Bitcoin điều chỉnh mạnh (ví dụ, giảm xuống dưới 65.000 USD), các token AI có beta cao có thể đối mặt với đợt giảm sâu. Trong trường hợp này, nếu tăng trưởng sử dụng mạng lưới không theo kịp tốc độ mở rộng câu chuyện, mức định giá cao có thể bị thu hẹp. Các chỉ số cần chú ý: xu hướng thị trường Bitcoin tổng thể, khối lượng giao dịch TAO thực tế trên chuỗi, và liệu tỷ lệ staking có giảm hay không.
Kịch bản 3: Phân hóa cấu trúc. Cơ chế cạnh tranh dựa trên thị trường của hệ thống token subnet (dTAO) khiến sự phân hóa hiệu suất là đặc điểm nội tại của thiết kế. Một số subnet đã chứng kiến phát hành giảm về 0 do thiếu cầu. Khi hệ sinh thái trưởng thành, khoảng cách giữa các subnet dẫn đầu và tụt hậu có thể càng nới rộng. Khi đó, TAO với vai trò "chỉ số" của hệ sinh thái có thể sẽ có xu hướng giá tách rời khỏi hiệu suất của từng subnet riêng lẻ theo thời gian. Các chỉ số cần theo dõi: mức độ phân tán biến động giá giữa các token subnet và sự thay đổi trong mức độ tập trung phân bổ phát hành subnet.
Kịch bản 4: Cú sốc ngoại lai. Các cú sốc tiềm ẩn bao gồm: giám sát pháp lý về tính tuân thủ của nguồn dữ liệu AI phi tập trung hoặc kết quả mô hình, phát hiện lỗ hổng bảo mật trong các thuật toán huấn luyện phân tán chủ chốt, hoặc các công ty AI tập trung tung ra sản phẩm tính toán phân tán cạnh tranh hơn. Dù khả năng xảy ra thấp hơn, nhưng nếu xuất hiện, các kịch bản này có thể thay đổi căn bản logic định giá của lĩnh vực AI phi tập trung.
Kết Luận
Bittensor đã thể hiện nổi bật trong quý I năm 2026, được thúc đẩy bởi sự chuyển dịch nhận thức từ "khả thi về lý thuyết" sang "được xác thực trên thực tế" đối với huấn luyện AI phân tán. Việc huấn luyện thành công Covenant-72B theo phương thức không cần cấp phép ở quy mô 72 tỷ tham số đã chứng minh tính khả thi về mặt kỹ thuật của hướng đi này. Sự ủng hộ công khai từ các lãnh đạo ngành như Jensen Huang đã thúc đẩy thị trường nhanh chóng chấp nhận câu chuyện mới này.
Tuy nhiên, vẫn tồn tại khoảng cách giữa xác thực câu chuyện và nền tảng cơ bản. Doanh thu thường niên của hệ sinh thái subnet hiện khoảng 100 triệu USD, vẫn thấp hơn đáng kể so với khoảng 360 triệu USD trợ cấp phát hành hàng năm, cho thấy định giá hiện tại đã phản ánh kỳ vọng tăng trưởng mạnh trong tương lai. Cơ chế cạnh tranh dựa trên thị trường của nền kinh tế subnet (dTAO) đang thúc đẩy quá trình phân hóa cấu trúc trong hệ sinh thái—một quá trình giúp nâng cao hiệu quả nhưng cũng tiềm ẩn nguy cơ một số subnet bị loại bỏ.
Lĩnh vực AI phi tập trung đang ở ngã rẽ quan trọng, chuyển từ giai đoạn thử nghiệm sang xác thực thương mại. Quỹ đạo tương lai sẽ phụ thuộc vào việc các đột phá công nghệ liên tục có thể chuyển hóa thành tăng trưởng sử dụng mạng lưới thực chất hay không, cũng như liệu nguồn thu bên ngoài có dần thu hẹp khoảng cách với trợ cấp phát hành hay không.
