logo

Bittensor生態代幣 $N 3 月漲 5 倍，黃仁勳一句話背後發生了什麼？

By: blockbeats|2026/03/26 18:00:08
0
分享
copy
原文標題：《黃仁勳點名？SN3 月漲 5 倍，到底做了什麼》
原文作者：KarenZ，Foresight News

2026 年 3 月 20 日，All-In 創投播客裡有一幕並不尋常的對話。

風投大佬 Chamath Palihapitiya 把話頭遞給了英偉達 CEO 黃仁勳，說 Bittensor 上有個項目「完成了一件相當瘋狂的技術成就」，用分佈式算力在互聯網上訓練了一個大型語言模型，過程完全去中心化，沒有任何中心化的數據中心參與。

黃仁勳沒有回避。他把這件事對標到「Folding@home 的現代版本」，那個在 2000 年代讓普通用戶貢獻閒置算力、共同對抗蛋白質折疊難題的分佈式項目。

在此之前的 4 天前，3 月 16 日，Anthropic 聯合創始人 Jack Clark 在發布一期 AI 研究進展報告中，也用大量篇幅重點介紹和引用這項突破：Bittensor 生態子網 Templar（SN3）完成 720 億參數大模型（Covenant 72B）的分佈式訓練，模型性能與 Meta 2023 年發布的 LLaMA-2 相當。

Jack Clark 為該章節命名為「通過分佈式訓練挑戰 AI 政治經濟學」，並在分析中強調，這是一項值得持續追踪的技術——他能想像一個未來：設備端 AI 大量採用去中心化訓練產出的模型，而雲端 AI 則繼續運行專有大模型。

市場的反應略微滯後但非常劇烈：SN3 過去一個月漲逾 440%，過去兩周漲逾 340%，市值達到 1.3 億美元。子網的叙事爆發，會直接傳導為 TAO 的購買壓力。也因此，TAO 快速上漲，一度達到 377 美元，過去一個月翻倍，FDV 達到約 75 億美元。

問題來了：SN3 到底做了什麼？為何會被推至聚光燈下？分佈式訓練和去中心化 AI 的價值叙事又將如何演變？

那個 72B 的模型

要回答這個問題，得先看清楚 SN3 交出的成績單。

2026 年 3 月 10 日，Covenant AI 團隊在 arXiv 上發布了一篇技術報告，正式宣告 Covenant-72B 完成訓練。這是一個 720 億參數的大型語言模型，超過 70 個獨立節點 peers（每輪約 20 個節點同步，每個節點配備 8 張 B200），在約 1.1 萬億 tokens 的語料上完成了 720 億參數模型的預訓練。

Bittensor生態代幣 $N 3 月漲 5 倍，黃仁勳一句話背後發生了什麼？

Templar 給出了在基準測試方面的一些數據，當然，對比的 LLaMA-2-70B 為 Meta 在 2023 年發布的大模型。正如 Anthropic 聯合創始人 Jack Clark 所說，Covenant-72B 放在 2026 年可能有些過時了。Covenant-72B 在 MMLU 上的 67.1 分，大致對標的是 Meta 2023 年發布的 LLaMA-2-70B（65.6 分）。

而 2026 年的前沿模型——無論是 GPT 系列、Claude 還是 Gemini——早已在數十萬塊 GPU 上完成了參數量遠超 1000 億的訓練，推理、代碼、數學能力的差距是數量級而非百分比的問題。這個現實差距不應該被市場情緒淹沒。

但換算到「用開放互聯網上的分佈式算力訓練出來」這個前提下，意味就完全不同了。

來做個比較：同為去中心化訓練的 INTELLECT-1（Prime Intellect 團隊出品，100 億參數）MMLU 得分 32.7；另一個在白名單參與者中進行的分佈式訓練項目 Psyche Consilience（400 億參數）得分 24.2。Covenant-72B 以 72B 的規模、67.1 的 MMLU 分數，在去中心化訓練賽道中是個顯眼的數字。

更關鍵的是，這次訓練是「無需許可」的。任何人都可以接入成為參與節點，不需要事先審核，不需要白名單。超過 70 個獨立節點參與了模型更新，從全球各地連接貢獻算力。

黃仁勳說了什麼，沒說什麼

還原一下那場播客對話的細節，有助於校正外界對這次「背書」的解讀。

Chamath Palihapitiya 在對話中把 Bittensor 的技術成就呈現給黃仁勋，並描述為用分佈式算力訓練了一個 Llama 模型，過程「完全分佈式，同時保持狀態」。黃仁勋的回應是把這比作「現代版的 Folding@home」，並展開討論了開源與專有模型並行共存的必要性。

值得注意的是，黃仁勋沒有直接提到 Bittensor 的代幣或任何投資含義，也沒有進一步討論去中心化 AI 訓練。

理解 Bittensor 子網和 SN3

要理解 SN3 的突破，首先需明確 Bittensor 及其子網的運作邏輯。簡單來說，Bittensor 可看作是一條 AI 公鏈和平台，而每個子網就相當於一條獨立的「AI 生產流水線」，各自明確核心任務、設計激勵機制，協同構成去中心化 AI 生態。

其運作流程清晰且去中心化：子網所有者定義子網目標並編寫激勵模型；礦工在子網中提供算力、完成 AI 相關任務（如推理、訓練、存儲等）；驗證者對礦工的貢獻進行打分，並將評分上傳至 Bittensor 共識層；最終，Bittensor 的 Yuma 共識算法會根據各子網累積的獎勵，向子網參與者分配相應收益。

目前 Bittensor 上有 128 個子網，覆蓋推理、無伺服器 AI 雲服務、圖像、數據標註、強化學習、存儲、計算等各類 AI 任務。

而 SN3 就是其中的一個子網。它不做應用層套殼，不租用現成的大模型 API，而是直接瞄準了整個 AI 產業鏈裡最貴、最封閉的核心環節之一：大模型預訓練本身。

SN3 希望利用 Bittensor 網路協調異構計算資源的分佈式訓練，通過激勵式分佈式大模型訓練，證明無需昂貴的中心化超級計算機集群，同樣可以訓練出強大的基礎模型。核心吸引力在於「平權」——打破中心化訓練的資源壟斷，讓普通個體或中小機構也能參與大模型訓練，同時借助分佈式算力降低訓練成本。

推動 SN3 發展的核心力量是 Templar，其背後的研究團隊為 Covenant Labs。該團隊還同時運營著另外兩個子網：Basilica（SN39，專注計算服務）和 Grail（SN81，專注 RL 後訓練與模型評估）。三個子網形成垂直整合，完整覆蓋了大模型從預訓練到對齊優化的全流程，構建起去中心化大模型訓練的完整生態。

具體而言，礦工貢獻計算資源，將梯度更新（模型參數的調整方向和力度）上傳至網路；驗證者評估每位礦工的貢獻品質，按照誤差改善幅度給予鏈上評分。結果決定獎勵權重，自動分配，無需信任任何第三方。

激勵機制設計的關鍵是，獎勵直接掛鉤「你的貢獻讓模型變好了多少」，而非單純的算力出勤。這就從根本上解決了去中心化場景中最難的問題：如何防止礦工摸魚。

那 Covenant-72B 如何解決通訊效率和激勵相容問題？

讓幾十個互不信任、硬件各異、網路質量參差不齊的節點協同訓練同一個模型，挑戰有兩個：一是通訊效率，標準的分佈式訓練方案要求節點間高帶寬、低延遲的互聯；二是激勵相容，如何防止惡意節點提交錯誤的梯度？如何確保每個參與者都在老老實實訓練，而不是抄襲他人的結果？

SN3 用兩個核心組件解決了這兩個問題：SparseLoCo 和 Gauntlet。

SparseLoCo 解決通訊效率問題。傳統的分佈式訓練每一步都要同步完整梯度，數據量巨大。SparseLoCo 採用的方案是：每個節點在本地跑完 30 步的內部優化（AdamW），然後把產生的「偽梯度」壓縮後再上傳給其他節點。壓縮方式包括 Top-k 稀疏化（只保留最關鍵的梯度分量）、誤差反饋（把被丟掉的部分存起來累積到下一輪）、以及 2 位量化。最終的壓縮比超過 146 倍。

換句話說，原本需要傳輸 100MB 的東西，現在不到 1MB 就夠了。

這讓系統在普通互聯網（上行 110Mbps，下行 500Mbps）的帶寬限制下，把計算利用率維持在約 94.5%——20 個節點、每節點 8 塊 B200、每輪通訊耗時僅 70 秒。

Gauntlet 解決激勵相容問題。它運行在 Bittensor 區塊鏈（Subnet 3）上，負責驗證每個節點提交的偽梯度品質。具體方式是：用一小批數據測試「用上這個節點的梯度後，模型損失降低了多少」，結果稱為 LossScore。同時，系統還檢查節點是否在用自己分配到的數據訓練——如果一個節點在隨機數據上的損失改善比在自己分配數據上還好，會被打負分。

最終，每輪訓練只選取評分最高的節點的梯度參與聚合，其餘節點被淘汰出這一輪。超出的參與者會隨時補位，使系統保持穩健。整個訓練過程中，平均每輪有 16.9 個節點的梯度被納入聚合，累計參與過的唯一節點 ID 超過 70 個。

-- 價格

--

去中心化 AI 的價值敘事，正在發生根本性轉變

從技術和行業視角看這件事，Covenant-72B 代表的方向有幾個真實的意義。

第一，打破了「分佈式訓練只適合小模型」的預設。儘管和前沿模型還差得遠，但證明了這個方向的可擴展性。

第二，無許可參與是真實可行的。這一點被低估了。此前的分佈式訓練項目依賴白名單——只有經過審核的參與者才能貢獻算力。SN3 這次訓練中，任何擁有足夠算力的人都可以接入，驗證機制負責過濾惡意貢獻。這是向「真正去中心化」邁出的具體一步。

第三，Bittensor 的 dTAO 機制讓子網價值的市場發現成為可能。dTAO 允許每個子網發行自己的 Alpha 代幣，通過 AMM 機制讓市場來決定哪些子網獲得更多的 TAO 排放。這為像 SN3 這樣產出了具體成果的子網提供了一套粗糙但有效的價值捕獲機制。當然，這套機制同樣容易被敘事和情緒干擾，LLM 訓練成果的質量很難被普通市場參與者獨立評估。

第四，去中心化 AI 訓練的政治經濟含義。Jack Clark 在 Import AI 中把這個問題提升到「誰擁有 AI 的未來」這個層面。當前前沿模型訓練被少數擁有大規模數據中心的機構壟斷，這不只是商業問題，也是權力結構問題。分佈式訓練如果能持續取得技術進展，有可能在某些模型類型（如特定領域的小規模前沿模型）上形成真正去中心化的開發生態。當然，這個前景目前還遠。

小結：一個真實的里程碑，以及一堆真實的問題

黃仁勋說，這像「現代版的 Folding@home」。Folding@home 在分子模擬領域做出了真實貢獻，但它沒有威脅到大型製藥公司的核心研發地位。這個類比非常準確。

SN3 跑通了協議，驗證了分佈式訓練的可行方向。但從技術和行業視角看，它交出的這份成績單背後，還有一堆很少有人願意認真討論的問題：

MMLU 本身在學界也是一個充滿爭議的指標，公開基準的題目與答案存在洩漏進訓練集的風險。更值得關注的是比較基線的選取：論文所對標的 LLaMA-2-70B 與 LLM360 K2 均為 2023 至 2024 年的老模型，而同一區間的 65 至 70 分，在問及 Grok、豆包時均被歸為中下游與入門級水平，在 Claude 看來則屬嚴重落後。若將其置於動態更新的榜單或具備抗污染設計的新一代基準之上，結論或許會更加誠實。

更關鍵的是，決定模型能力上限的高質量數據——對話數據、程式碼、數學推導、科學文獻，大概率在各大公司、出版機構和學術數據庫手裡。算力民主化了，數據端依然是寡頭結構，這個矛盾沒有被討論過。

關於安全性，無許可參與意味著你不知道那 70 多個節點背後是誰，也不知道他們在用什麼數據訓練。Gauntlet 能過濾明顯異常的梯度，但無法防範微妙的數據投毒——如果一個節點系統性地在某類有害內容方向多訓練幾輪，產生的梯度變化足夠細微，能通過損失評分篩查，但對模型行為產生累積偏移。最終的問題是：在金融、醫療、法律這類高合規、安全要求的場景，使用一個由少數匿名節點參與訓練、數據來源追溯不完整的模型，會帶來怎樣的隱患？

還有一個結構性問題值得直說：Covenant-72B 本身以 Apache 2.0 許可證開源，不使用 SN3 代幣。持有 SN3 代幣，分享的是這個子網未來持續產出新模型所帶來的排放收益，而不是模型被使用時的任何直接收益。這個價值鏈條，依賴於持續的訓練產出，以及 Bittensor 整體網路排放機制的健康運轉。如果未來訓練停滯，或者新的訓練成果質量不達預期，代幣的估值邏輯就會鬆動。

把這些問題列出來，不是為了否定 Covenant-72B 的意義。它證明了一件以前被認為不可能的事情可以做到，這個事實不會消失。但做到了，和它意味著什麼，是兩件不同的事情。

SN3 代幣過去一個月上漲 440%。這其中的距離，可能並非單純的炒作，而是敘事的速度總是快於現實的速度。至於這段距離最終會被現實填補，還是被市場修正消化，取決於 Covenant AI 團隊接下來真正交出什麼。

值得關注的是，Grayscale 已在 2026 年 1 月份提交 TAO ETF 申請，指向機構資本對這條賽道的進場信號。此外，2025 年 12 月 Bittensor 將每日 TAO 排放減半，供給端的結構性收緊還在發酵。

原文連結

猜你喜歡

如何成為一名專業的加密貨幣交易員：WEEX 對法拉利賽車手卡爾·穆恩的訪談

法拉利賽車手卡爾·穆恩談如何掌握加密貨幣交易：80/20 法則、人工智慧工具、比特幣9.5 萬美元，以及賽道上的風險教訓。

早報 | 亞馬遜追加投資 Anthropic 最高達 250 億美元；SEC 擬推出“創新豁免”機制支持代幣化證券鏈上合規交易

4 月 21 日市場重要事件一覽

杰夫·霍夫曼，Booking.com的創始人：Web3和人工智慧如何重塑萬億美元的社交旅行市場

最有價值的平台不僅是供應商的聚合者，還將圍繞支付、忠誠度和社群建立關係網絡。

美國司法部開設40億美元的OneCoin申請賠償平台

美國司法部推出了一個專供OneCoin受騙投資者申請賠償的平台，涉及被詐騙的資金總額達40億美元。 平台目前可供索賠的金額超過4千萬美元，資金來自犯罪資產沒收，特別是與Konstantin Ignatov相關的資金。 索賠截止日期為2026年6月30日，投資者需在此之前提交相關損失證明。 可用資金相對於被盜的總金額來說僅為九牛一毛，投資者最多只能拿回每美元被盜資金的一分。 主謀「加密女王」Ruja Ignatova仍然在逃，被列入聯邦調查局十大頭號通緝名單。 WEEX Crypto News, 美國司法部OneCoin申請賠償平台的運作 美國司法部新推出的平台允許OneCoin詐騙的受害者申請賠償，平台提供的4千萬美元來自於犯罪資產的沒收。這些資金與被捕的共同協作者Konstantin Ignatov相關，他被控以電信欺詐和洗錢罪名。受害者需提交經過文件證明的索賠，司法部將根據受害者的損失情況進行驗證，並根據獲得的賠償金額按比例分配。 平台運作有約束，因為證據不足或法律管轄權的缺乏，使得部分資產無法追回。該詐騙案的實際總損失遠超於司法部可收回的4千萬，造成每名索賠者拿到的金額僅僅是其損失的極小部分。 [放置圖像：OneCoin標誌或詐騙主謀圖片] 美國司法部舉措的成效和挑戰 OneCoin詐騙案的籌劃主腦Karl Sebastian…

以太坊價格預測：ETH 自早上以來上漲 9%，表現優於大多數資產

以太坊價格在過去 24 小時內上漲 9%，目前接近 $2,400 的阻力位。 比特幣 ETF 出現淨流出 $325.8 百萬，而以太幣 ETF 流入 $187 百萬，顯示市場資金轉移。 以太坊日交易量週比上升 41%，達到約 360…

Foundry迅速攫取Zcash算力近三成份額

Foundry在短短一個月內攫取了Zcash網絡29%的算力，這一速度與ViaBTC的步伐形成鮮明對比。 該公司透過提供針對機構礦工的合規基礎設施迅速完成了算力的擴張。 Foundry與ViaBTC各控制約三成算力，意味著Zcash的礦池集中度結構發生改變。 Foundry的進入可能代表去中心化，而逐步上升超過35%則會改變這一敘述。 WEEX Crypto News, Foundry疾速佔領Zcash礦池算力的背後意義 Foundry在短短一個月內就獲得了Zcash網絡算力的29%。這一數字代表著Zcash現存的挖礦環境發生顯著改變，新的算力架構吸引了許多機構礦工。在這種情況下，網絡的安全性必須進行重新評估。Foundry的快速進入與其具備的合規性設計密不可分，確保了在滿足多數機構需求的基礎上，不影響礦池的運行效率。 Foundry將成為Zcash網絡結構的轉折點？ Foundry能否維持其目前的算力份額，將取決於其後續在網絡內部的市場行為。如果Foundry的份額繼續上升到35%以上，那麼最初以去中心化為目的的進入，就可能被解讀為新的中心化趨勢。Zooko Wilcox，Zcash的創始人，表示Foundry的參與有利於分散原本集中於一個池的算力力量，並且提高了整個網絡的反應效率。 Foundry的設施如何滿足機構需求？ 從Foundry的行為模式可以看出，其在算力池內部組建了一套基於美國監管標準的合規系統，並包含PPLNS支付模式、KYC/AML查驗、SOC 1與SOC 2等同級審計及24/7技術支持服務。這樣的高標準令其成為吸引機構礦工的主要力量，這與其在比特幣池中的表現相互呼應。 Zcash未來的路徑會像比特幣一樣嗎？ Zcash的算力結構迅速演變，機構力量的介入加速了整個網絡的激活程度。Foundry的快速崛起表明，各礦工對於合規池的需求似乎已過時論斷。因此，未來的挑戰在於如何將這種活力轉化為持久的社會信任，而不是回落至過去的集中化狀態。…

小丑回來，馬上加入牌局
更大的獎池、自動出牌、幸運加成
小丑回來，馬上加入牌局立即參與，贏取獎勵！

目錄

熱門幣種

最新加密貨幣要聞

11:49

RootData：HYPE 將於一週後解鎖價值約 4.01 億美元的代幣

ChainCatcher 消息，据 Crypto 資產數據平台 RootData 代幣解鎖數據，Hyperliquid（HYPE）將於北京時間 04 月 29 日 7 時解鎖約 992 萬枚代幣，價值約 4.01 億美元。
11:49

SuiLend 回應 Volo 安全事件：平台運行正常，用戶資金安全

ChainCatcher 消息，SuiLend 在 X 平台發文表示，目前平台各項功能均正常運行，包括存款、借貸、提現及還款，用戶資金安全未受影響。同時，團隊正密切關注此前 Volo Protocol 安全事件進展，並將持續發布後續更新。
11:49

SBF 早期 20 萬美元參投 Cursor 融資，若不售出股權目前價值約 30 億美元

ChainCatcher 消息，SpaceX 今日宣布已與 AI 程式設計初創公司 Cursor 達成合作意向，後者授予 SpaceX 今年稍晚以 600 億美元價格將其收購的權利，或支付 100 億美元推進雙方合作。據悉 Cursor 開發商 Anysphere 於 2022 年 4 月完成 40 萬美元 Pre-Seed 輪融資，由 Alameda Research 與 Heroic Ventures 共同投資。其中 Alameda 向 Anysphere 投資 20 萬美元，獲得約 5% 股份，這筆股權在 FTX 破產清算時被以原價出售，若不售出目前價值約 30 億美元。
11:49

Base 發布首個獨立網路升級 Azul，計畫啟動主網

ChainCatcher 消息，Base 宣布其首個獨立網絡升級 Base Azul 已在測試網上線，目標主網啟動時間為 2026 年 5 月 13 日。此次升級是 Base 首次獨立於 OP Stack 進行的網絡級別升級。官方表示 Azul 將在安全性、性能以及開發者體驗三個方面提升：Base 將通過 Azul 啟用了多重證明機制、base-reth-node 將成為其唯一執行客戶端、採用最新的執行層規範（Osaka）使 Base 與以太坊保持一致。用戶無需為此次升級採取任何操作。
11:49

數據：某鯨魚清倉 27.9 億枚 ASTEROID 代幣，投資回報超 2000 倍

ChainCatcher 消息，据 Lookonchain 監測，某鯨魚清倉 27.9 億枚 ASTEROID 代幣，換得 503 枚 ETH，價值 117 萬美元，現在獲得超 2000 倍回報。
閱讀更多
社區
iconiconiconiconiconiconiconicon

聯繫客服Bot：@WEEX_support_smart_Bot

VIP服務：support@weex.com