Технологический прорыв Bittensor стимулирует рост AI-токенов: распределённое обучение и расширение экосистемы

В марте 2026 года крипто-направление «крипто-ИИ» пережило раунд структурной переоценки. Децентрализованные протоколы инфраструктуры ИИ, представленные Bittensor, при совместном воздействии технологических прорывов и рыночного осознания прошли период самостоятельного ценового движения. По данным аналитики Gate, по состоянию на 3 апреля 2026 года нативная токеновая цена Bittensor TAO составляет 301.96 доллара, 24-часовой рост — 1.2%, оборотная капитализация — около 3.26 млрд долларов, а 24-часовой объем торгов — 323 млн долларов. За последние шесть недель TAO суммарно вырос примерно на 140%, в том числе с 8 марта — примерно на 105%.

Ключевые драйверы этого ралли — не краткосрочные спекулятивные настроения, а технологический прогресс, имеющий структурное значение для отрасли: впервые получила реальную подтверждаемость осуществимость обучения распределенных больших языковых моделей. Это изменение начинает менять логику ценообразования на рынке децентрализованного ИИ-направления.

От технологического прорыва к рыночному признанию: переломный момент в доверии к распределенному обучению

В марте 2026 года команда Covenant AI из подграфа 3 (Templar) Bittensor опубликовала технический отчет на arXiv, объявив, что завершила обучение модели Covenant-72B. Это большая языковая модель с 72 млрд параметров, обученная без разрешений на более чем 70 глобально распределенных вычислительных узлах. Модель набрала 67.1 на бенчмарке MMLU — в том же конкурентном диапазоне, что и LLaMA-2-70B (67.6) от Meta, выпущенная в 2023 году.

Отраслевое значение этого достижения заключается в том, что оно впервые предоставляет проверяемые доказательства: метод распределенного обучения, который в течение долгого времени доминирующее мнение считало «слишком медленным и фрагментированным», способен выдавать результаты, сопоставимые с централизованными моделями. Обучение Covenant-72B не опирается на какие-либо централизованные дата-центры — обучение выполнено за счет вычислительных мощностей, предоставляемых распределенными по миру узлами.

Ключевую технологическую поддержку этого прорыва обеспечивает алгоритм SparseLoCo. Этот алгоритм сжимает примерно в 146 раз тренировочные данные, которые должны передаваться между узлами; коэффициент сжатия превышает 97%, а точность модели практически без потерь. Это означает, что для распределенного обучения больше не требуется сверхвысокая сетевая пропускная способность: примерно 500 Mb/s домашнего широкополосного доступа достаточно для обеспечения потребностей узлов в коммуникациях, что существенно снижает порог входа.

Генеральный директор NVIDIA Хуан Жэньсюн публично упомянул этот технологический прогресс в подкасте All-In и оценил результаты распределенного обучения Bittensor как «весьма замечательное технологическое достижение». Инвестфонд Chamath Palihapitiya также в том же выпуске направлял обсуждение в эту тему. Внимание ключевых фигур из мейнстримного технологического сообщества дополнительно ускорило переосмысление рыночного восприятия осуществимости распределенного ИИ-обучения.

От dTAO-апгрейда к вхождению институционалов

Рыночная динамика Bittensor в этот период не является изолированным событием, а представляет собой результат наложения нескольких структурных факторов. Ниже приведены ключевые временные точки, формирующие рамку для понимания логики развития.

Февраль 2025 года — апгрейд механизма Dynamic TAO с введением системы токенов подграфов. Пользователи могут стейкать TAO в ликвидностные пулы определенных подграфов; потоки рыночного капитала определяют распределение TAO-эмиссии, получаемой каждым подграфом. Таким образом, экономический механизм регулирования смещается с голосования валидаторов к рыночной конкуренции.

Декабрь 2025 года — Bittensor впервые сталкивается с сокращением блоковой награды вдвое: ежедневная эмиссия TAO снижается с 7,200 до 3,600, а на стороне предложения вводятся ожидания дефляции.

Конец 2025 года — начало 2026 года — ускорение институциональной подготовки. Grayscale в конце декабря 2025 подает в SEC заявку S-1 на spot ETF по TAO; Bitwise следует за этим в тот же день. Подразделение Digital Currency Group Yuma публикует годовой отчет 《State of Bittensor》, в котором систематически разбирается расширение экосистемы подграфов.

Начало марта 2026 года — новость о завершении обучения Covenant-72B распространяется по техническому сообществу. Джек Кларк, сооснователь Anthropic, в отчете о прогрессе исследований в области ИИ делает акцент на этом прорыве и называет соответствующую главу «Бросая вызов политической экономии ИИ через распределенное обучение».

Середина марта 2026 года — Хуан Жэньсюн публично высказывается, что вызывает еще более широкое внимание рынка. В течение 24 часов после публикации новости цена TAO вырастает примерно на 20%, а объем торгов превышает 72B долларов.

Конец марта 2026 года — дальнейшее расширение экономики подграфов: суммарная рыночная капитализация токенов подграфов достигает 27% от рыночной капитализации TAO, обновляя исторический максимум.

Начало апреля 2026 года — по состоянию на 3 апреля: оборотное предложение TAO — около 10.79 млн монет, общая доля стейкинга — более 68%. Индекс GMCI AI с начала февраля суммарно вырос примерно на 48%.

Структурные особенности роста индекса

Индекс GMCI AI — один из бенчмарков, который отражает общую динамику крипрто-ИИ-направления. По состоянию на начало апреля этот индекс зафиксировал значение 51.26, что соответствует росту примерно на 48% с февраля. Однако эти данные нужно осторожно интерпретировать с учетом структуры индекса.

Индекс GMAI состоит из 9 токенов, но концентрация в топе крайне высока: три токена — Bittensor (TAO), Render (RNDR) и альянс искусственного сверхинтеллекта (ASI) — в сумме составляют более 71%. Это означает, что индекс в большей степени отражает результаты трех крупнейших токенов инфраструктуры ИИ, а не широкие настроения всего направления. Вес TAO в индексе — около 24.89%; его ценовая траектория в марте близка к удвоению, и именно она формирует основную часть роста индекса.

С точки зрения токеномики: общее предложение TAO и максимальное предложение равны 21 млн монет; текущее оборотное предложение — около 10.79 млн, а оборотный коэффициент — около 51.4%. Доля стейкинга превышает 68%, что указывает на то, что значительная часть оборотного предложения находится в заблокированном состоянии, снижая мгновенное давление продаж на вторичном рынке.

Экономика подграфов — еще одно важное измерение экосистемы Bittensor. К марту 2026 года в экосистеме Bittensor насчитывается около 129 активных подграфов; суммарная рыночная капитализация токенов подграфов — около 70B долларов, а годовой доход — около 100 млн долларов. Суммарная рыночная капитализация токенов подграфов уже достигает примерно 27% от капитализации TAO. Рост этой доли показывает, что ценность перемещается от базового уровня сети (TAO) к прикладному уровню (подграфы), а экономическая активность внутри экосистемы становится все более интенсивной. Токен τemplar подграфа (SN3) в марте вырос более чем на 400%, а его рыночная капитализация достигла примерно 130 млн долларов.

Консенсус, споры и информационные пробелы

Вокруг ралли Bittensor в этот период на рынке присутствует несколько уровней нарратива; акценты у разных участников заметно различаются.

Оптимисты в технике фокусируются на переломном моменте, где осуществимость распределенного обучения оказалась «опровергнутой и снова подтвержденной». Ранее распределенное обучение в течение длительного времени в мейнстрим-ИИ-индустрии считали неэффективным и неспособным масштабироваться. Covenant-72B завершил обучение в масштабе 72 млрд параметров без разрешений, а оценка MMLU достигла 67.1; в контуре децентрализованного обучающего трека это уровень, который заметно опережает (в сравнении с INTELLECT-1 — 32.7 и Psyche Consilience — 24.2). Это достижение меняет рыночную оценку базового тезиса «возможно ли распределенное ИИ-обучение».

Нарратив-драйверы обращают внимание на передачу влияния извне. Позиция Хуана Жэньсюн в подкасте трактуется рынком как «подтверждение» траектории развития распределенного ИИ. При этом Хуан Жэньсюн в подкасте также предлагает рамку: «это не A или B, а A и B», считая, что децентрализованная инфраструктура и проприетарные модели могут в долгосрочной перспективе сосуществовать. Эта точка зрения дает обоснование ценности распределенного ИИ, полученное от представителей мейнстримной ИИ-индустрии. По социальным данным: дискуссии вокруг Bittensor на платформах X, Reddit и Telegram достигли исторического второго пика по вовлеченности; индикатор настроений примерно 1.5 позитивных комментария на каждые 1 негативный. Розничное участие пока не достигло уровня, обычно связанного с высокоинтенсивной спекулятивной активностью.

Сомневающиеся в ценности ставят под вопрос тезис, исходя из экономических фундаментальных показателей. Главный спор таков: между масштабом субсидий сети Bittensor и внешними доходами наблюдается заметный разрыв. Годовая эмиссионная субсидия всей сети — около 360 млн долларов, тогда как внешние доходы подграфов составляют лишь около 100 млн долларов. Сомневающиеся считают, что текущая оценка в основном поддерживается нарративом о дефицитности со стороны предложения, а не реальным использованием со стороны спроса. Еще один спор касается устойчивости технического «рва» — результаты обучения модели открыты исходно (open source), а стоимость переключения пользователей между разными вычислительными платформами почти равна нулю; это означает, что подграфам сложно построить действительно конкурентные барьеры.

Анализ влияния для отрасли: от одной монеты к многоуровневой экосистеме

Влияние показателей Bittensor на крипрто-ИИ-направление в этот период можно проанализировать на трех уровнях.

Первый уровень: перестройка логики оценки трека. Ранее децентрализованный ИИ долго сталкивался с фундаментальным сомнением: «возможно ли распределенное обучение». Поэтому оценка не имела технического якоря. Результаты Covenant-72B меняют ситуацию: фокус рынка смещается с токеномики на реальные технологические прогрессы. В отчете Grayscale, опубликованном 31 марта 2026 года, отмечено: «Успешное обучение модели с 72 млрд параметров — это ключевая веха; она переводит внимание рынка с токеномики на реальные технологические достижения».

Второй уровень: изменение конкурентной картины. Сейчас капитал и ликвидность в крипто-ИИ-направлении концентрируются вокруг небольшого числа экосистем, связанных с ИИ. Bittensor, Render и альянс искусственного сверхинтеллекта (FET) являются ключевыми бенефициарами этой концентрации. По состоянию на начало апреля цена FET — около 0.2427 доллара, а Render — около 1.86 доллара. В сумме три токена занимают более 70% веса в индексе GMCI AI, формируя структуру «крупные становятся еще крупнее». Для средних и малых проектов внутри трека это означает рост порога для получения внимания и ликвидности.

Третий уровень: размывание границ между крипто и ИИ-индустрией. Зрелость экономики подграфов означает, что децентрализованные ИИ-проекты переходят от чисто концептуальной стадии к «операционным сущностям с доходами». Токены подграфов преобразуются в компании, способные генерировать доход; некоторые бизнес-модели подграфов выходят за пределы традиционного крипто-сегмента и напрямую конкурируют с рынком сервисов традиционного ИИ. Например, рынок GPU-вычислений Targon вступает в прямое конкурентное противостояние с централизованными облачными провайдерами. Эта тенденция может вызвать больше внимания со стороны традиционной ИИ-индустрии к децентрализованным альтернативам, а также привести к появлению новых тем на регуляторной повестке.

Моделирование эволюции в разных сценариях: три возможных дальнейших пути

Исходя из текущих технологических достижений, экономической структуры и рыночной среды, дальнейшая эволюция Bittensor и трека ИИ-токенов может развиваться по нескольким траекториям.

Сценарий один: положительная спираль. Если экосистема подграфов продолжит генерировать проверяемые внешние доходы, то больше подграфов получат коммерческих клиентов и реальное использование. Это будет постепенно улучшать соотношение между внешними доходами и эмиссионными субсидиями. В этом сценарии оценка Bittensor на рынке перейдет от «нарратив-драйва» к «доход-драйву». Ключевые наблюдаемые показатели включают: квартальный темп роста внешних доходов подграфов, продолжает ли расти доля суммарной рыночной капитализации токенов подграфов по отношению к капитализации TAO, и продолжается ли рост числа подграфов.

Сценарий два: возврат к среднему. TAO вырос примерно на 140% за шесть недель; часть катализаторов уже была заранее заложена в цену. Если цена биткоина претерпит существенную коррекцию (например, упадет ниже 65,000 долларов), это может оказать значительное давление на AI-токены с высокой бета-реакцией. В этом сценарии, если темпы роста использования сети не смогут догнать скорость расширения нарратива, премия к оценке может начать сжиматься. Ключевые наблюдаемые показатели включают: общую динамику рынка биткоина, изменение реального ончейн-объема торгов TAO, а также происходит ли снижение доли стейкинга.

Сценарий три: структурная дивергенция. Рыночный механизм маркетизации конкуренции в системе токенов подграфов (dTAO) определяет, что различия в результатах неизбежны и являются следствием системного дизайна. Некоторые подграфы уже столкнулись с тем, что из-за неспособности привлечь достаточный спрос их эмиссия упала до нуля. По мере повышения зрелости экосистемы разрыв между топовыми и «хвостовыми» подграфами может расшириться. В этом сценарии TAO как «индекс» всей экосистемы может в определенный момент отчасти разойтись по времени с динамикой отдельных подграфов. Ключевые наблюдаемые показатели включают: дисперсию (разброс) доходностей между токенами подграфов и изменение концентрации распределения эмиссии между подграфами.

Сценарий четыре: внешний шок. Потенциальные источники шока включают: проверки регулирующих органов на соответствие требованиям децентрализованных источников данных ИИ или правомерность модели на выходе; обнаружение доказанных уязвимостей безопасности в специфических алгоритмах, на которые опирается распределенное обучение; а также выпуск централизованными ИИ-производителями более конкурентоспособных продуктов распределенных вычислений. Хотя вероятность этих сценариев относительно низка, при их реализации они могут оказать системное влияние на логику оценки трека децентрализованного ИИ.

Заключение

В первой четверти 2026 года Bittensor сформировал самостоятельную ценовую динамику, а ее базовый движущий фактор — смена восприятия распределенного ИИ-обучения: от «теоретически возможно» к «практически проверяемо». Covenant-72B завершил безлицензионное распределенное обучение в масштабе 72 млрд параметров, доказав техническую реализуемость этого пути. Публичное внимание со стороны представителей мейнстримной технологической сферы, включая Хуана Жэньсюн, дополнительно ускорило скорость принятия этой нарративной истории рынком.

Однако расстояние между подтверждением нарратива и поддержкой со стороны фундаментальных показателей все еще остается. Годовой доход экосистемы подграфов — около 100 млн долларов, в то время как разрыв с годовой эмиссионной субсидией около 360 млн долларов указывает на то, что в текущих оценках заложены повышенные ожидания по будущему росту. Рыночный механизм маркетизированной конкуренции в экономике подграфов (dTAO) ведет к структурной дивергенции внутри экосистемы; этот процесс одновременно отражает повышение эффективности, но также несет риск отсеивания части подграфов.

Трек децентрализованного ИИ сейчас находится на ключевом этапе перехода от проверки концепции к коммерческой проверке. Будущая траектория рынка будет зависеть от того, сможет ли технологический прогресс продолжать превращаться в существенный рост объема использования сети, и сможет ли постепенно сокращаться разрыв между внешними доходами и эмиссионными субсидиями.