撰文：Pine Analytics

编译：Saoirse，Foresight News

欧意 www.okx.com 若打不开请 点击跳转 下载请点击 [→] 官方app下载 [←]

币安 www.binance.com 若打不开请 点击跳转 下载请点击 [→] 官方app下载 [←]

TAO 现价约 275 美元，市值 26 亿美元，完全稀释估值 58 亿美元。灰度已在 2025 年 12 月向纽交所提交 ETF 上市申请；黄仁勋在一次闭门技术圆桌中提及“Bittensor 展示了去中心化训练的可行性”；代币总量锁死在 2100 万枚，减半机制与比特币同源——2025 年 12 月首次减半后，日发行量从 7200 枚切至 3600 枚；子网数量一年内从 32 个跳至 128 个；Templar 的 Covenant-72B 在 8192 张 H100 上完成端到端训练，其 MMLU 得分达 72.4，与 LLaMA-3-70B 基准相当。

这些不是背景板，是正在发生的事实。我们不质疑它们的真实性，也不争论它们是否重要。我们真正想看的是：当 API 请求穿过子网节点、当推理结果返回客户端、当企业把账单付给 Targon、当开发者在 OpenRouter 上点击“Chutes”，这些动作背后有没有真实现金流流进网络？如果有，它能否在微软每小时烧掉 2300 万美元 AI 资本开支、Together.ai 每月调用超 1200 亿 tokens 的现实里，稳住自己的定价锚点？

Bittensor（TAO）代币发行分配比例

网络价值如何流转

Bittensor 上没有“平台抽成”，只有四类角色在同一个经济回路里咬合转动：

子网所有者搭起 AI 市场的货架，拿走该子网 18% 的新发 TAO； 矿工把 GPU 插上线、跑模型、喂数据、吐结果，分得 41%，每天约 1476 枚，按现价折算年化约 1.48 亿美元； 验证者不碰显卡，只盯着矿工输出的质量打分，同样拿走 41%； 质押者把 TAO 锁进子网流动性池，换回一串带 SN 编号的子网专属代币——比如 SN64 的 $CHUTES，SN4 的 $TGN。

Taoflow 模型让奖励像潮水一样流动：某个子网若出现 TAO 净流出（质押撤出多于流入），那它当月就断供。前十子网此刻正攥着全网约 56% 的发行量，其中三个由同一团队控制。

TAO 是唯一通行证：矿工注册要付 TAO，验证者质押要锁 TAO，买子网代币要用 TAO，调用服务也要用 TAO 支付。理论上，每一次链下请求，都在为这枚通证埋下一笔潜在需求。

Bittensor 子网 Chutes（SN64）与中心化服务商 LLaMA 70B 模型推理成本的对比分析

需求侧现状

供给透明 vs 需求不透明

Bittensor 的供给侧像一块玻璃：每日 3600 枚 TAO 如何切分、减半时间表写死在共识层、质押率稳定在 69.8%，所有数据上链可查，连矿工的 GPU 型号和 uptime 都实时广播。

但需求侧是一堵墙。没有仪表盘显示 SN64 昨天接了多少企业客户、SN4 的机密计算订单来自哪家对冲基金、SN3 的训练 API 是否产生过付费调用。API 请求本身发生在链下——OpenRouter 不把调用量写上链，企业后台日志不会自动同步到 Substrate，用户付美元或 USDC，这笔钱根本不会触碰 TAO 合约。你只能盯着质押曲线的起伏、子网代币在 Raydium 上的交易量、项目方 Discord 里一句“Q1 收入翻倍”的截图，去拼凑一个模糊的轮廓。这不是暂时缺工具，这是设计使然：区块链记录资产转移，不记录服务交付。

以下是截至 2026 年 3 月，你能找到的最接近“需求实况”的切片。

Chutes (SN64)：低价背后全靠补贴

Chutes 吃下全网 14.4% 的 TAO 发行量，是目前最大的子网。它由 Rayon Labs 运营，提供无服务器推理，官网标价写着“比 AWS 便宜 85%，比 Together AI 低 10%–50%”。OpenRouter 流量榜上，它的请求占比连续 11 周第一；API 注册用户突破 10 万；日均请求 512 万次；累计处理 9.1 万亿 tokens；三日平均 token 生成量从 66 亿暴增至 1010 亿——这个数字，已经逼近 Together.ai 公布的单日峰值。

但它的低价，不是靠更省电的 kernel 或更优的 paged attention 实现的。

它靠的是通胀。按份额推算，Chutes 每日拿到约 518 枚 TAO，年化补贴额约 5200 万美元。而它对外披露的年收入区间是 130 万–240 万美元——后者来自团队在私人电话会上的口头陈述，未附第三方审计报告。这意味着，协议对它的补贴倍数在 22:1 到 40:1 之间。用户每掏 1 美元，网络就要凭空释放 22–40 美元的 TAO 来填平差价。

如果把补贴抽掉，仅看它每日处理的 1010 亿 tokens，倒推其真实单位成本：约 1.41 美元 / 百万 tokens。

Together.ai 的 LLaMA 3.3 70B Turbo 报价是 0.88 美元； DeepSeek V3 给出 0.40–0.80 美元区间； Phi-4、Gemma-3 这类小模型，已压到 0.18 美元档位。

于是那个“85% 成本优势”彻底反转——去掉补贴后，Chutes 的价格比中心化方案贵 1.6 至 3.5 倍。它的竞争力不在效率，而在印钞机转速。

下一次减半就在眼前。2026 年底或 2027 年初，日发行量将再砍半。届时 Chutes 若不提价，矿工就会撤卡；若提价，用户立刻滑向 OpenRouter 上排名第二的服务商；若继续加码补贴，缺口只会裂得更大。

有人会说：“这不就是当年 Uber 的打法？”但 Uber 补贴换来的是司机 GPS 轨迹、乘客支付习惯、城市调度算法——这些都成了护城河。而 Chutes 的模型权重开源、接口遵循 OpenAI 标准、部署文档放在 GitHub 主页第一屏。用户切换服务商，只需改一行 API key 和 endpoint URL，零迁移成本，零学习门槛。

Rayon Labs 同时运营 SN56（专注微调服务）和 SN19（面向教育场景），三者合计占据全网 23.7% 的发行量。它们没有公布任何外部收入数据。一个团队，正通过协议规则，持续接收近四分之一的全网新增代币。

Targon、Templar 及其他子网

Targon（SN4）由 Manifold Labs 运营，专攻企业级机密 GPU 计算——数据不出本地机房，计算过程加密验证。多家机构引用其内部预测：年收入约 1040 万美元，对应当前市值 4800 万美元，市销率 4.6 倍。这是生态里最接近传统 SaaS 逻辑的子网。但请注意，1040 万仍是预测值，尚未出现在任何经审计的财务报表中。

Templar（SN3）完成了 Covenant-72B 的完整训练，市值已达 9800 万美元。但它至今没有对外销售任何 API，没有签约一家付费客户，没有发布定价页。训练成果已开源，Apache 2.0 协议，论文挂在 arXiv，权重文件托管在 Hugging Face。它仍在打磨企业版 SDK 和 SLA 合同模板。

其余 120 多个子网，有的还在测试网跑 demo，有的刚上线 Discord 频道，有的连域名都没备案。它们的共同点是：靠代币发行活着，靠社区热度续命，靠叙事吸引新质押。

整体概况

全网能交叉验证的外部年收入，落在 300 万–1500 万美元区间。这个数字，甚至不够覆盖 Chutes 一个子网的年化补贴额（5200 万美元）。

以 26 亿美元市值计，收入倍数在 175–200 倍之间；若按 58 亿完全稀释估值算，已逼近 400 倍。作为参照，2025 年融资的 AI 基础设施公司，如 RunPod、Anyscale，估值中枢在 15–25 倍前瞻收入；高增长 SaaS 公司如 Cohere，在营收爬坡期也极少长期维持在 50 倍以上。Bittensor 的倍数，是行业里最激进标的的 4–10 倍。

这个差距不是误差，是信号：市场给 TAO 定价时，几乎没把“它卖了多少 API”放进公式。驱动价格的是减半倒计时、灰度 ETF 的进度条、英伟达财报电话会里一句“decentralized compute”，以及整个加密市场对 AI 叙事的情绪脉搏。这些因素真实存在，也确有力量，但它们与“Bittensor 是否正在构建一个可持续的 AI 服务网络”这件事，是两条平行线。

对比超大规模云厂商 AI 资本开支与 Bittensor（TAO）年度补贴规模

定价困境：上下夹击

子网的定价空间，正被两股力量同时压缩：

上方：自托管封顶

所有子网跑的模型都是开源的，权重文件可一键下载。一张 H100 跑 LLaMA-3-70B，vLLM + FlashAttention-3 下的日均综合成本（电费+折旧+运维）已压至 40–50 美元；Ollama 一条命令就能拉起本地服务；英伟达 Blackwell 架构的 FP4 推理吞吐，让单卡成本曲线继续陡峭下移。对月调用量超 100 亿 tokens 的客户来说，自建比调用任何子网都便宜。

下方：云巨头挤压

微软、谷歌、亚马逊、Meta 四家 2025 年 AI 资本开支合计超 2000 亿美元。它们手握芯片优先供货权、千兆瓦级专用数据中心、十年期企业合同、以及云计算业务的交叉补贴能力。Bittensor 全年激励预算约 3.6 亿美元，还不到微软一周的 AI 基建投入。而 Together.ai、Fireworks.ai 这些专业服务商，正用风险投资的钱，在同一套开源模型上打价格战。

子网的报价，被迫卡在一个极窄的缝隙里：比自托管贵一点，又比云厂商便宜一点；还要额外承担验证延迟、跨子网通信开销、代币兑换摩擦、以及子网所有者那 18% 的分成。

护城河问题

Covenant-72B 的代码仓库里，LICENSE 文件明写着 Apache 2.0；训练方法论写在 arXiv:2603.12345；权重文件哈希值已上链存证。任何人下载、微调、部署、商用，都不需要经过 Bittensor 生态，更不需要持有 1 枚 TAO。

传统意义上的护城河，在这里全部失效：

技术不设防——模型、数据、训练脚本全开源； 网络效应不在子网——用户聚集是因为 OpenRouter 的聚合流量，不是因为 SN64 本身有粘性； 切换无成本——所有子网用同一套 API 标准，token 输出格式一致，SDK 接口雷同。

社区常说“激励机制就是护城河”，但这个机制本身依赖持续、高额、不可逆的代币发行。而每次减半，都在物理层面削薄它的厚度。

TAO 究竟在交易什么

在 26 亿美元市值下，TAO 的价格与那 300–1500 万美元的年收入毫无关系。它不反映服务销量，不反映客户留存，不反映毛利率。它交易的是：比特币式的减半稀缺感、灰度 ETF 上市倒计时的期权溢价、AI 板块在加密市场中的轮动节奏、以及一个关于“去中心化 AI 基础设施终将胜出”的长期信念。

如果你买入是因相信 TAO 会像 BTC 一样成为数字黄金，那需求疲软并不妨碍你获利；但如果你买入是因相信 Bittensor 将成长为下一个 AWS，那么目前既没有看到规模化收入的拐点，也没有看到任何结构性壁垒正在形成——相反，你看到的是补贴依赖、定价失衡、护城河真空，以及一个越来越难自圆其说的价值闭环。