Bittensor (TAO) 的看跌分析

通过订阅，你同意 Substack 的 使用条款，并确认其 信息收集通知 和 隐私政策。

Bittensor (TAO) 的看空论点

引言

Bittensor 的原生代币 TAO 的交易价格约为 275 美元，市值 26 亿美元，FDV 为 58 亿美元。该项目获得了 Grayscale 的机构支持（S-1 文件于 2025 年 12 月提交，用于在纽约证券交易所上市的 ETF），获得了 NVIDIA CEO 黄仁勋的公开认可，并拥有引人注目的供应叙事：2100 万枚的硬上限以及比特币式的减半机制。2025 年 12 月的首次减半将每日发行量从 7,200 TAO 削减至 3,600 TAO。子网数量在一年内从 32 个增长到 128 个，而 Templar 的 Covenant-72B 训练运行证明去中心化计算可以产生具有基准竞争力的语言模型。

本报告不质疑上述任何一点。它审视了网络的经济学原理是否能够产生足以支撑当前估值的需求侧收入，以及其竞争定位在面对中心化提供商和自托管计算时如何保持。

价值如何在网络中流动

Bittensor 有四种参与者类别。子网所有者创建专业的 AI 市场，并获得其子网 18% 的 TAO 发行量。矿工执行 AI 工作（推理、训练、数据处理）并获得 41%，每天总计约 1,476 TAO（约 406,000 美元，年化 1.48 亿美元）。验证者对矿工的输出进行评分并获得 41%。质押者将 TAO 分配到子网流动性池中，获得子网专属的 alpha token。根据 Taoflow 模型，子网的发行份额由其 TAO 质押净流入量决定。负流入的子网不获得任何发行量。

TAO 是通用的准入货币。矿工注册、验证者质押、子网代币购买和服务支付都要求使用 TAO。子网活动理论上为基础代币创造了结构性需求。

需求侧

供应透明度 vs. 需求不透明度

Bittensor 的供应经济学是透明的。每日 3,600 TAO 的发行量按程序分配：41% 给矿工，41% 给验证者，18% 给子网所有者。减半机制是硬编码的。质押比例（约占总供应量的 70%）、发行份额和流量数据都在链上。前 10 个子网控制着大约 56% 的总发行量。

需求侧没有同等透明度。没有聚合仪表板跟踪按子网划分的外部收入。AI 服务交付（推理请求、计算任务、训练调用）发生在链下，不记录在区块链上。投资者根据代理指标推断需求：质押流量、子网代币价格以及各团队自行报告的数据。这种不透明性是结构性的，而非暂时性的。区块链记录的是代币流转，而不是 API calls。

以下是截至 2026 年 3 月可获得的最完整的需求侧图景。

Chutes (SN64)：补贴背后的节省

Chutes 占据网络发行量的 14.4%，是所有子网中最高的。它由 Rayon Labs 开发，提供开源模型（DeepSeek、Mistral、LLaMA）的无服务器推理服务，据报道其价格比 AWS 低 85%，比 Together AI 低 10-50%。使用指标是生态系统中最强劲的：40 万以上用户（其中 10 万以上通过 API），每日请求量超过 500 万次，处理了 9.1 万亿 tokens，每日 tokens 生成量在三个月内从 66 亿飙升至 1010 亿。Chutes 在 OpenRouter 上排名顶级推理提供商，在某些特定模型上超越了一些中心化竞争对手。

然而，其定价并未反映运营效率，而是反映了补贴。以 14.4% 的发行量计算，Chutes 每天获得约 518 TAO，价值约 142,000 美元，年化约 5200 万美元。这些资金流向子网的矿工、验证者和所有者。与此相比，估计的外部收入每年约为 130 万至 240 万美元（较高的数据是 Chutes 团队在 2025 年 10 月向 DL News 自行报告的；较低的数据来自 2026 年 3 月的估算，两者均未经过独立审计）。该协议以大约 22-40:1 的比例补贴子网的运营。客户每支付一美元，网络就贡献 22-40 美元的 TAO 发行量。

如果没有补贴，定价会是怎样，模拟后其影响就变得清晰。Chutes 每天处理约 1010 亿 tokens。如果矿工必须仅靠客户收入来覆盖其成本，他们就需要从 tokens 吞吐量中收回每日约 142,000 美元的成本。这意味着无补贴价格约为每百万 tokens 1.41 美元。

当前相同开源模型的市场价格：Together.ai 对 LLaMA 3.3 70B Turbo 的定价约为每百万 tokens 0.88 美元。DeepSeek V3 在有竞争力的提供商之间定价为 0.40-0.80 美元。较小的模型甚至低至每百万 tokens 0.18 美元。以每百万 tokens 1.41 美元计算，无补贴的 Chutes 定价将比中心化替代方案贵 1.6-3.5 倍。成本优势没有缩小，反而完全颠倒了。Chutes 讨论中经常强调的 85% 节省是由 TAO 持有者通过通货膨胀资助的，而非去中心化的任何结构性效率。

当发行量再次减半（预计在 2026 年末或 2027 年），要么定价大致翻倍，要么矿工离开子网，要么补贴与收入之间的差距进一步扩大。显而易见的驳斥是，这类似于标准的创业公司引导模式：早期补贴以建立网络密度，一旦用户被锁定就提高价格。Uber、DoorDash 和 AWS 都采用了这种策略。不同之处在于，这些公司在补贴期内建立了转换成本（专有平台、司机网络、企业集成）。Bittensor 子网没有建立任何这些。模型是开源的，API 是标准的，用户可以零摩擦地迁移到任何提供相同权重的提供商。当补贴缩减时，没有锁定效应可以阻止用户流失。

Rayon Labs 还运营 SN56 (Gradients) 和 SN19 (Nineteen)，两者合计占据总发行量的约 23.7%。两者均未披露外部收入数据。一个团队控制着网络近四分之一的激励分配。

Targon、Templar 及其他

Targon (SN4) 是收入最高的子网。它由 Manifold Labs（A 轮融资 1050 万美元）运营，为企业客户提供机密 GPU 计算。估计的年化收入约为 1040 万美元，而估值为 4800 万美元，这意味着 4.6 倍的收入倍数。这是生态系统中最扎实的估值。然而，这 1040 万美元是多个分析师报告中引用的预测，而非审计过的数字。多位研究人员指出了缺乏不包括发行量的实时收入仪表板，这是一个透明度问题。

Templar (SN3) 完成了 Covenant-72B（720 亿参数，1.1 万亿 tokens，67.1 MMLU），并拥有 9800 万美元市值。它不产生任何外部收入。训练 API 和企业销售被描述为“正在进行中”，但没有付费产品上线。

其余 120 多个子网要么没有报告外部收入，要么处于产品开发前期，要么主要通过捕获发行量来运营。Celium (SN59) 声称有收入，但没有公布任何数据。Nineteen AI (SN19) 没有披露任何数据。

整体图景

整个网络可识别的总需求侧收入每年约为 300 万至 1500 万美元，该范围反映了已验证收入（Chutes 的约 240 万美元）与未经审计的预测（Targon 的约 1040 万美元）之间的差异。单个子网的发行补贴（仅 Chutes 就约 5200 万美元）超过了整个网络所产生外部收入的上限。

相对于 26 亿美元的市值，这意味着约 175-200 倍的收入倍数。相对于 58 亿美元的 FDV，则为约 400 倍。中心化 AI 基础设施公司（CoreWeave、Lambda）在最近几轮融资中以 15-25 倍的远期收入估值。高增长 SaaS 公司很少能维持 50 倍以上的估值。Bittensor 的隐含倍数比加密货币或传统基础设施中估值最激进的可比公司高 4-10 倍。

估值与需求侧经济学之间的差距反映了市场对 TAO 的定价几乎完全基于供应侧稀缺性（减半、质押锁定）、机构催化剂（Grayscale ETF、交易所上市）和 AI 行业情绪，而非已证实的经济生产力。这些是真正的价格驱动因素。但它们不同于 Bittensor 作为 AI 服务网络正在创造可持续价值的论点。

定价困境

子网同时面临来自两个方向的利润压缩。

自托管从上方限制了定价。 Bittensor 上的每个模型都是开源的。权重在 Hugging Face 上。一个 H100 每天总成本约为 40-50 美元，可服务一个 70B 模型。vLLM 和 Ollama 等工具使本地部署变得微不足道。NVIDIA 的路线图 (Blackwell, Rubin) 旨在将每 token 推理成本降低几个数量级。自托管提供无限推理，没有 token 摩擦，没有交易对手风险，也没有网络依赖。任何具有足够大的使用量的组织，本地运行都已是更经济的选择。

超大规模服务商从下方施压。 微软、谷歌、亚马逊和 Meta 在 2025 年 collectively 投资了超过 2000 亿美元的 AI 资本支出。他们拥有硬件优先分配权、专用数据中心、现有企业关系，并有能力用相邻的现金流补贴 AI。Bittensor 的全部年度激励预算（约 3.6 亿美元）甚至低于微软一周在 AI 基础设施上的支出。专业提供商（Together.ai、Fireworks、Groq）以风投补贴的定价在相同的开源模型上竞争。

子网必须在这两个界限之间定价，同时承担去中心化特有的成本：token 摩擦、验证者开销、子网所有者费用和网络延迟。

护城河问题

如果一个子网开发了一项有价值的服务，其底层模型和方法根据设计是公开可用的。Covenant-72B 采用 Apache 许可。SparseLoCo 在 arXiv 上。任何竞争对手都可以在不参与 TAO 经济的情况下复制该方法。

传统护城河（专有技术、网络效应、转换成本、品牌）不适用。技术是开放的。网络效应体现在 TAO 上，而非单个子网。当每个提供商都提供相同的权重时，转换成本为零。社区认为激励机制是护城河，但这要求发行预算足够大以吸引计算资源，而它会随着每次减半而缩小。

TAO 定价的依据

以 26 亿美元市值计算，TAO 的定价并非基于需求侧基本面。每年 300 万至 1500 万美元的收入在任何传统框架下都无法支撑这一价格。市场对 TAO 的定价几乎完全基于类似比特币的稀缺性、Grayscale ETF 催化剂、AI 板块轮动以及去中心化 AI 的长期期权价值。这些是合理的投机因素。但它们完全是供应侧和情绪驱动的。

基于稀缺性和叙事的 TAO 头寸，无论需求经济学如何，都可能表现良好。而基于 Bittensor 成为一个有意义的 AI 服务网络的头寸，则需要目前尚不存在的证据，并面临可能阻碍其实现的结构性阻力。投资者应明确自己持有什么样的论点。

• 原文链接： pineanalytics.substack.c...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～