Sei Mencapai Posisi Tertinggi dalam 6 Bulan — Apa yang Mendorong Momentum Ekosistem?

Abstrak: Sejak Februari, subnet telah mencapai pertumbuhan yang pesat. Artikel ini mengulas subnet penting dan memberikan strategi investasi kunci.

1. Tinjauan Pasar: Upgrade dTAO Memicu Ledakan Ekologi

Pada 13 Februari 2025, jaringan Bittensor menyambut upgrade bersejarah Dynamic TAO (dTAO), yang mengubah jaringan dari model pemerintahan terpusat menjadi alokasi sumber daya terdesentralisasi yang didorong oleh pasar. Setelah upgrade, setiap subnet memiliki token alfa independennya sendiri, memungkinkan pemegang TAO untuk bebas memilih target investasi mereka, benar-benar mewujudkan mekanisme penemuan nilai yang berorientasi pasar.

Data menunjukkan bahwa peningkatan dTAO telah melepaskan vitalitas inovatif yang luar biasa. Dalam beberapa bulan saja, Bittensor telah berkembang dari 32 subnet menjadi 118 subnet aktif, meningkat sebesar 269%. Subnet-subnet ini mencakup berbagai subsektor industri AI, dari penalaran teks dasar dan生成图像 hingga pelipatan protein mutakhir dan perdagangan kuantitatif, membentuk ekosistem AI terdesentralisasi yang paling lengkap hingga saat ini.

Kinerja pasar juga sangat mengesankan. Total kapitalisasi pasar dari subnet-subnet teratas telah tumbuh dari 4 juta USD sebelum peningkatan menjadi 690 juta USD, dengan hasil tahunan staking stabil di 16-19%. Setiap subnet mengalokasikan insentif jaringan berdasarkan tingkat staking TAO yang ditentukan oleh pasar, dengan 10 subnet teratas menyumbang 51,76% dari emisi jaringan, mencerminkan mekanisme pasar bertahan hidup yang paling fit.

https://taostats.io/subnets

2. Analisis Subnet Inti (10 Emisi Teratas)

1. @chutes_ai, Chutes (SN64) - komputasi AI tanpa server

Nilai Inti: Menginovasi pengalaman penerapan model AI dan secara signifikan mengurangi biaya komputasi.

Chutes mengadopsi arsitektur "peluncuran instan", mengompresi waktu startup model AI menjadi 200 milidetik, mencapai efisiensi 10 kali lipat dibandingkan layanan cloud tradisional. Dengan lebih dari 8.000 node GPU di seluruh dunia, ia mendukung model-model utama dari DeepSeek R1 hingga GPT-4, memproses lebih dari 5 juta permintaan setiap hari, dengan latensi respons dikendalikan dalam 50 milidetik.

Model bisnis ini matang, menggunakan strategi freemium untuk menarik pengguna. Melalui integrasi dengan platform OpenRouter, Chutes menyediakan dukungan daya komputasi untuk model-model populer seperti DeepSeek V3, menghasilkan pendapatan dari setiap panggilan API. Keunggulan biaya sangat signifikan, yaitu 85% lebih rendah dibandingkan AWS Lambda. Saat ini, total penggunaan token melebihi 9042,37B, melayani lebih dari 3000 klien perusahaan.

dTAO mencapai nilai pasar 100 juta USD 9 minggu setelah diluncurkan, dengan nilai pasar saat ini sebesar 79 juta. Ini memiliki keunggulan teknologi yang kuat, kemajuan komersialisasi yang lancar, dan tingkat pengakuan pasar yang tinggi, saat ini memimpin subnet.

https://chutes.ai/app/research

2. @celiumcompute, Celium (SN51) - optimisasi komputasi perangkat keras

Nilai Inti: Mengoptimalkan perangkat keras dasar untuk meningkatkan efisiensi komputasi AI

Dikembangkan oleh Datura AI, berfokus pada optimasi komputasi di tingkat perangkat keras. Memaksimalkan efisiensi pemanfaatan perangkat keras melalui empat modul teknis kunci: penjadwalan GPU, abstraksi perangkat keras, optimasi kinerja, dan manajemen efisiensi energi. Mendukung seluruh jangkauan perangkat keras termasuk NVIDIA A100/H100, AMD MI200, Intel Xe, dengan harga yang dikurangi hingga 90% dibandingkan produk serupa, dan efisiensi komputasi meningkat sebesar 45%.

https://celiumcompute.ai/

Saat ini, Celium adalah subnet terbesar kedua berdasarkan emisi di Bittensor, yang menyumbang 7,28% dari emisi jaringan. Optimalisasi perangkat keras adalah aspek inti dari infrastruktur AI, dengan tren naik yang kuat dalam hambatan teknis dan kenaikan harga, saat ini bernilai 56M.

3. @TargonCompute, Targon (SN4) - platform inferensi AI terdesentralisasi

Nilai inti: Teknologi komputasi rahasia, memastikan privasi dan keamanan data.

Inti dari Targon adalah TVM (Targon Virtual Machine), yang merupakan platform komputasi rahasia yang aman yang mendukung pelatihan, inferensi, dan validasi model AI. TVM memanfaatkan teknologi komputasi rahasia seperti Intel TDX dan komputasi rahasia NVIDIA untuk memastikan keamanan dan privasi dari seluruh alur kerja AI. Sistem ini mendukung enkripsi end-to-end dari lapisan perangkat keras hingga aplikasi, memungkinkan pengguna untuk memanfaatkan layanan AI yang kuat tanpa mengorbankan data.

Teknologi Targon memiliki ambang batas tinggi, model bisnis yang jelas, dan sumber pendapatan yang stabil. Saat ini, mekanisme pembelian kembali pendapatan telah dimulai, dengan semua pendapatan digunakan untuk pembelian kembali token, dan pembelian kembali terbaru adalah 18.000 USD.

4. @tplr_ai, τemplar (SN3) - penelitian AI dan pelatihan terdistribusi

Nilai inti: Pelatihan kolaboratif model AI berskala besar, menurunkan ambang pelatihan.

Templar adalah subnet perintis yang didedikasikan untuk pelatihan terdistribusi berskala besar model AI di jaringan Bittensor, dengan misi untuk menjadi "platform pelatihan model terbaik di dunia." Ini berkolaborasi dalam pelatihan melalui sumber daya GPU yang disumbangkan oleh peserta global, fokus pada pelatihan kolaboratif model mutakhir dan inovasi, menekankan anti-kecurangan dan kerjasama yang efisien.

Dalam hal pencapaian teknologi, Templar telah berhasil menyelesaikan pelatihan model dengan 1,2 miliar parameter, menjalani lebih dari 20.000 siklus pelatihan, dengan sekitar 200 GPU berpartisipasi sepanjang proses tersebut. Pada tahun 2024, akan meningkatkan mekanisme commit-reveal untuk meningkatkan desentralisasi dan keamanan validasi; pada tahun 2025, akan terus memajukan pelatihan model besar, dengan skala parameter mencapai lebih dari 70 miliar, berkinerja setara dengan standar industri dalam pengujian tolok ukur AI standar, dan menerima dukungan pribadi dari pendiri Bittensor, Const.

Keunggulan teknologi Templar sangat mencolok, dengan nilai pasar saat ini sebesar 35M, yang mencakup 4,79% dari emisi.

5. @gradients_ai, Gradients (SN56) - Pelatihan AI Terdesentralisasi

Nilai inti: Membuat pelatihan AI dapat diakses oleh publik, secara signifikan menurunkan hambatan biaya.

Juga dikembangkan oleh Rayon Labs, ini mengatasi masalah biaya pelatihan AI melalui pelatihan terdistribusi. Sistem penjadwalan cerdas ini berdasarkan pada sinkronisasi gradien, secara efisien mengalokasikan tugas ke ribuan GPU. Pelatihan model dengan 118 triliun parameter telah diselesaikan dengan biaya hanya $5 per jam, yang 70% lebih murah daripada layanan cloud tradisional dan 40% lebih cepat daripada solusi terpusat. Antarmuka satu klik menurunkan ambang penggunaan, dengan lebih dari 500 proyek sudah menggunakannya untuk penyempurnaan model, mencakup bidang seperti kesehatan, keuangan, dan pendidikan.

Dengan nilai pasar saat ini sebesar 30 juta, permintaan pasar yang kuat, dan keunggulan teknologi yang jelas, ini adalah salah satu subnet yang layak mendapatkan perhatian jangka panjang.

https://x.com/rayon_labs/status/1911932682004496800

6. @taoshiio, Perdagangan Proprietary (SN8) - Perdagangan Kuantitatif Keuangan

Nilai Inti: Sinyal perdagangan multi-aset dan perkiraan keuangan yang didorong oleh AI

SN8 adalah platform perdagangan kuantitatif terdesentralisasi dan prediksi keuangan yang memanfaatkan sinyal perdagangan multi-aset yang didorong oleh AI. Jaringan perdagangan miliknya menerapkan teknologi pembelajaran mesin untuk prediksi pasar keuangan, membangun arsitektur model prediksi bertingkat. Model prediksi temporal mengintegrasikan teknologi LSTM dan Transformer, yang mampu menangani data deret waktu yang kompleks. Modul analisis sentimen pasar menyediakan indikator sentimen sebagai sinyal tambahan untuk prediksi dengan menganalisis konten media sosial dan berita.

Di situs web, Anda dapat melihat hasil dan pengujian ulang dari strategi yang diberikan oleh berbagai penambang. SN8 menggabungkan AI dan blockchain untuk menawarkan pendekatan perdagangan inovatif di pasar keuangan, dengan kapitalisasi pasar saat ini sebesar 27J.

https://dashboard.taoshi.io/miner/5Fhhc5Uex4XFiY7V3yndpjsPnfKp9F4EhrzWJg7cY6sWhYGS

7. @_scorevision, Score (SN44) - Analisis dan Evaluasi Olahraga

Nilai Inti: Analisis Video Olahraga, Menargetkan Industri Sepak Bola senilai $600 Miliar

Sebuah kerangka visi komputer yang fokus pada analisis video olahraga yang mengurangi biaya analisis video yang kompleks melalui teknologi verifikasi ringan. Ini menggunakan verifikasi dua langkah: deteksi lapangan dan inspeksi objek berbasis CLIP, mengurangi biaya anotasi tradisional dari ribuan dolar per pertandingan menjadi 1/10 hingga 1/100. Bekerja sama dengan Data Universe, agen DKING AI memiliki akurasi prediksi rata-rata 70%, dengan akurasi harian puncak sebesar 100%.

https://x.com/webuildscore/status/1942893100516401598

Industri olahraga memiliki skala yang besar, dengan inovasi teknologi yang signifikan dan prospek pasar yang luas. Score memiliki arah aplikasi yang jelas untuk subnet dan layak untuk diperhatikan.

8. @openkaito, OpenKaito (SN5) - Inferensi Teks Sumber Terbuka

Nilai inti: pengembangan model embedding teks, optimasi pengambilan informasi

OpenKaito berfokus pada pengembangan model embedding teks, didukung oleh Kaito, pemain penting di bidang InfoFi. Sebagai proyek open-source yang didorong oleh komunitas, OpenKaito berdedikasi untuk membangun kemampuan pemahaman dan penalaran teks yang berkualitas tinggi, terutama dalam bidang pengambilan informasi dan pencarian semantik.

Subnet masih dalam tahap pembangunan awal, terutama membangun ekosistem di sekitar model penyematan teks. Perlu dicatat integrasi Yaps yang akan datang, yang dapat secara signifikan memperluas skenario aplikasi dan basis penggunanya.

9. @MacrocosmosAI, Data Universe (SN13) - Infrastruktur Data AI

Nilai inti: pemrosesan data skala besar, pasokan data pelatihan AI

Memproses 500 juta baris data per hari, dengan total lebih dari 55,6 miliar baris, mendukung penyimpanan 100GB. Arsitektur DataEntity menyediakan fungsi inti seperti standardisasi data, optimasi indeks, dan penyimpanan terdistribusi. Mekanisme pemungutan suara "gravity" yang inovatif mencapai penyesuaian bobot dinamis.

https://www.macrocosmos.ai/sn13/dashboard

Data adalah minyak AI, nilai infrastruktur stabil, dan ceruk ekologi penting. Sebagai penyedia data untuk beberapa subnet, kerja sama yang dalam dengan proyek seperti Score mencerminkan nilai infrastruktur.

10. @taohash, TAOHash (SN14) - kekuatan penambangan PoW

Nilai inti: Menghubungkan penambangan tradisional dan komputasi AI, mengintegrasikan sumber daya daya komputasi.

TAOHash memungkinkan para penambang Bitcoin untuk mengalihkan daya hashing mereka ke jaringan Bittensor, menghasilkan token alpha melalui penambangan untuk staking atau trading. Model ini menggabungkan penambangan PoW tradisional dengan komputasi AI, memberikan para penambang sumber pendapatan baru.

Dalam beberapa minggu saja, ia menarik lebih dari 6 EH/s daya komputasi (sekitar 0,7% dari daya komputasi global), membuktikan pengakuan pasar terhadap model hibrida ini. Penambang dapat memilih antara penambangan Bitcoin tradisional dan mendapatkan token TAOHash, mengoptimalkan hasil mereka berdasarkan kondisi pasar.

11. @CreatorBid, Creator.Bid - Platform peluncuran untuk ekosistem agen AI

Creator.Bid, meskipun bukan subnet, memainkan peran koordinasi yang penting dalam ekosistem Bittensor. Ekosistem Creator.Bid dibangun di atas tiga pilar utama. Modul Launchpad menyediakan layanan peluncuran agen AI yang adil dan transparan, menawarkan titik awal yang aman dan transparan untuk agen AI baru melalui kontrak pintar peluncuran adil anti-sniping dan mekanisme peluncuran kurasi. Modul Tokenomics menyatukan seluruh ekosistem melalui token BID, memberikan agen model pendapatan yang berkelanjutan. Modul Hub menyediakan layanan berbasis API yang kuat, termasuk otomatisasi konten, API media sosial, dan model gambar yang disesuaikan.

Inovasi inti dari platform ini terletak pada konsep Kunci Agen. Token keanggotaan digital ini memungkinkan para pencipta untuk membangun komunitas di sekitar agen AI dan mencapai kepemilikan bersama. Setiap agen AI mendapatkan identitas unik melalui Layanan Nama Agen (ANS), yang direalisasikan dalam bentuk NFT, memastikan bahwa setiap agen memiliki pengidentifikasi yang tidak dapat direproduksi. Pengguna dapat memasukkan sifat kepribadian melalui prompt sederhana, menghasilkan agen AI yang sepenuhnya fungsional tanpa perlu pengetahuan pemrograman.

MeskipunCreator.Biddibangun di atas jaringan Base itu sendiri, tetapi telah menjalin hubungan kolaboratif yang dalam dengan ekosistem Bittensor. Dengan mengoperasikan Dewan TAO,Creator.BidMengumpulkan subnet teratas seperti BitMind (SN34), Dippy (SN11 & SN58), telah menjadi "lapisan pengatur untuk agen penyelarasan TAO, subnet, dan pembangun."

Nilai dari hubungan kolaboratif ini terletak pada integrasi keunggulan dari berbagai jaringan. Bittensor menyediakan kemampuan inferensi dan pelatihan AI yang kuat, sementara Creator.Bid menawarkan platform yang ramah pengguna untuk pembuatan dan peluncuran agen. Kombinasi dari kedua ekosistem ini memungkinkan pengembang untuk memanfaatkan kemampuan AI Bittensor untuk membuat agen, dan kemudian men-token dan mengaktifkan komunitas mereka melalui Launchpad Creator.Bid.

Kolaborasi dengan Arena AI Masa (SN59) semakin mencontohkan sinergi ini.Creator.BidSediakan alat pembuatan proxy untuk arena, yang memungkinkan pengguna dengan cepat menerapkan agen AI untuk berpartisipasi dalam kompetisi. Model kolaborasi lintas ekosistem ini menjadi tren penting di bidang AI terdesentralisasi.

3. Analisis Ekosistem

Keunggulan inti dari arsitektur teknis

Inovasi teknologi Bittensor telah membangun ekosistem AI terdesentralisasi yang unik. Algoritma konsensus Yuma-nya memastikan kualitas jaringan melalui validasi terdesentralisasi, sementara mekanisme alokasi sumber daya berbasis pasar yang diperkenalkan oleh upgrade dTAO secara signifikan meningkatkan efisiensi. Setiap subnet dilengkapi dengan mekanisme AMM untuk mencapai penemuan harga antara token TAO dan alpha, yang memungkinkan kekuatan pasar untuk berpartisipasi langsung dalam alokasi sumber daya AI.

Protokol kolaborasi antara subnet mendukung pemrosesan terdistribusi dari tugas AI kompleks, menciptakan efek jaringan yang kuat. Struktur insentif ganda (emisi TAO ditambah apresiasi token alpha) memastikan motivasi partisipasi jangka panjang, memungkinkan pencipta subnet, penambang, validator, dan staker untuk menerima imbalan yang sesuai, membentuk siklus ekonomi tertutup yang berkelanjutan.

Keunggulan kompetitif dan tantangan yang dihadapi

Dibandingkan dengan penyedia layanan AI terpusat tradisional, Bittensor menawarkan alternatif terdesentralisasi yang benar-benar unggul dalam efisiensi biaya. Beberapa subnet menunjukkan keuntungan biaya yang signifikan, dengan Chutes menjadi 85% lebih murah dibandingkan AWS; keuntungan biaya ini berasal dari peningkatan efisiensi arsitektur terdesentralisasi. Ekosistem terbuka mendorong inovasi yang cepat, dengan jumlah dan kualitas subnet terus meningkat, dan laju inovasi jauh melebihi penelitian dan pengembangan internal tradisional.

Namun, ekosistem juga menghadapi tantangan nyata. Ambang teknis tetap tinggi; meskipun alat terus diperbaiki, berpartisipasi dalam penambangan dan validasi masih memerlukan pengetahuan teknis yang cukup besar. Ketidakpastian lingkungan regulasi adalah faktor risiko lainnya, karena jaringan AI terdesentralisasi mungkin menghadapi kebijakan regulasi yang berbeda di berbagai negara. Penyedia layanan cloud tradisional seperti AWS dan Google Cloud tidak akan diam saja dan diperkirakan akan meluncurkan produk kompetitif. Seiring dengan berkembangnya jaringan, menjaga keseimbangan antara kinerja dan desentralisasi juga telah menjadi ujian penting.

Pertumbuhan pesat industri AI telah memberikan Bittensor peluang pasar yang besar. Goldman Sachs memprediksi bahwa investasi AI global akan mendekati $200 miliar pada tahun 2025, memberikan dukungan kuat untuk permintaan infrastruktur. Pasar AI global diperkirakan akan tumbuh dari $294 miliar pada tahun 2025 menjadi $1,77 triliun pada tahun 2032, dengan tingkat pertumbuhan tahunan gabungan sebesar 29%, menciptakan ruang pengembangan yang cukup untuk infrastruktur AI terdesentralisasi.

Kebijakan dukungan untuk pengembangan AI di berbagai negara telah menciptakan jendela peluang untuk infrastruktur AI terdesentralisasi. Pada saat yang sama, meningkatnya perhatian terhadap privasi data dan keamanan AI telah meningkatkan permintaan untuk teknologi seperti komputasi rahasia, yang merupakan keunggulan inti dari subnet seperti Targon. Minat investor institusi terhadap infrastruktur AI terus tumbuh, dan partisipasi lembaga terkenal seperti DCG dan Polychain memberikan dukungan pendanaan dan sumber daya untuk ekosistem.

4. Kerangka Strategi Investasi

Investasi di subnet Bittensor memerlukan pembentukan kerangka evaluasi sistematis. Di tingkat teknis, perlu untuk memeriksa derajat inovasi dan kedalaman parit, kekuatan teknis dan kemampuan eksekusi tim, serta efek sinergis dengan proyek lain di ekosistem. Di tingkat pasar, penting untuk menganalisis ukuran pasar target dan potensi pertumbuhannya, lanskap persaingan dan keunggulan diferensiasi, adopsi pengguna dan efek jaringan, serta lingkungan regulasi dan risiko kebijakan. Di tingkat keuangan, perhatian harus diberikan pada tingkat valuasi saat ini dan kinerja historis, proporsi emisi TAO dan tren pertumbuhan, rasionalitas desain ekonomi token, serta likuiditas dan kedalaman perdagangan.

Dalam manajemen risiko spesifik, diversifikasi adalah strategi dasar. Disarankan untuk mendiversifikasi investasi di berbagai jenis subnet, termasuk jenis infrastruktur (seperti Chutes, Celium), jenis aplikasi (seperti Score, BitMind), dan jenis protokol (seperti Targon, Templar). Pada saat yang sama, strategi investasi harus disesuaikan dengan tahap pengembangan subnet; proyek awal memiliki risiko tinggi tetapi potensi pengembalian yang tinggi, sementara proyek yang matang relatif stabil tetapi memiliki potensi pertumbuhan yang terbatas. Mengingat bahwa likuiditas token alfa mungkin tidak setinggi TAO, perlu untuk mengatur rasio alokasi dana dengan wajar dan mempertahankan buffer likuiditas yang diperlukan.

Acara halving pertama pada November 2025 akan menjadi katalis pasar yang penting. Pengurangan emisi akan meningkatkan kelangkaan subnet yang ada sambil berpotensi mengeliminasi proyek yang berkinerja buruk, membentuk kembali lanskap ekonomi seluruh jaringan. Investor dapat memposisikan diri mereka sebelumnya di subnet berkualitas tinggi untuk memanfaatkan jendela alokasi sebelum halving.

Dalam jangka menengah, jumlah subnet diperkirakan akan melebihi 500, mencakup berbagai segmen industri AI. Peningkatan aplikasi tingkat perusahaan akan mendorong pengembangan subnet yang terkait dengan komputasi rahasia dan privasi data, dan kolaborasi lintas subnet akan menjadi lebih sering, membentuk rantai pasokan layanan AI yang kompleks. Klarifikasi bertahap dari kerangka regulasi akan memberi subnet yang mematuhi aturan keuntungan yang signifikan.

Dalam jangka panjang, Bittensor diharapkan menjadi bagian penting dari infrastruktur AI global, dan perusahaan AI tradisional mungkin mengadopsi model hibrida, memindahkan beberapa operasi mereka ke jaringan terdesentralisasi. Model bisnis baru dan skenario aplikasi akan terus muncul, dengan interoperabilitas yang ditingkatkan dengan jaringan blockchain lainnya, yang pada akhirnya membentuk ekosistem terdesentralisasi yang lebih besar. Jalur pengembangan ini mirip dengan evolusi infrastruktur internet awal, dan investor yang dapat menangkap node kunci akan menuai imbalan yang substansial.

5. Kesimpulan

Ekosistem Bittensor mewakili paradigma baru dalam pengembangan infrastruktur AI. Melalui alokasi sumber daya yang berorientasi pasar dan mekanisme tata kelola terdesentralisasi, ia menyediakan tanah baru untuk inovasi AI, menunjukkan vitalitas inovatif yang luar biasa dan potensi pertumbuhan. Di tengah latar belakang perkembangan cepat industri AI, Bittensor dan ekosistem subnetnya layak mendapatkan perhatian terus-menerus dan penelitian mendalam.

Pernyataan:

1. Artikel ini diterbitkan ulang dari [BiteyeCN] Hak cipta milik penulis asli [*Kontributor inti Biteye[@lviswang] Jika Anda memiliki keberatan terhadap cetakan ulang, silakan hubungi Tim Gate LearnTim akan memprosesnya sesegera mungkin sesuai dengan prosedur yang relevan.
2. Penafian: Pandangan dan pendapat yang diungkapkan dalam artikel ini adalah milik penulis dan tidak merupakan saran investasi.
3. Versi artikel dalam bahasa lain diterjemahkan oleh tim Gate Learn, kecuali jika disebutkan lain.GerbangDalam kondisi apapun, artikel yang diterjemahkan tidak boleh disalin, disebarluaskan, atau dijiplak.