В марте 2026 года сектор крипто-ИИ пережил структурную переоценку. Лидерами стали Bittensor и другие протоколы децентрализованной ИИ-инфраструктуры. На фоне технологических прорывов и роста интереса рынка сектор продемонстрировал стремительный рост. По данным Gate, на 3 апреля 2026 года нативный токен Bittensor — TAO — торговался по цене 301,96 $ — рост на 1,2 % за сутки. Рыночная капитализация в обращении составляла примерно 3,26 млрд $, а суточный объем торгов — 323 млн $. За последние шесть недель TAO вырос примерно на 140 %, в том числе на 105 % с 8 марта.
Этот рост был обусловлен не краткосрочными спекуляциями, а ключевым технологическим достижением: впервые была подтверждена практическая реализуемость распределенного обучения больших языковых моделей. Это событие меняет фундаментальные подходы к оценке децентрализованных ИИ-проектов на рынке.
От технологического прорыва к признанию рынком: переломный момент для распределенного обучения
В марте 2026 года команда Covenant AI Subnet 3 (Templar) Bittensor опубликовала на arXiv технический отчет об успешном обучении модели Covenant-72B. Эта большая языковая модель с 72 миллиардами параметров была предобучена в разрешенной для всех среде на более чем 70 распределенных по всему миру узлах. Модель достигла результата 67,1 балла по бенчмарку MMLU, что сопоставимо с Meta LLaMA-2-70B (65,6 балла), выпущенной в 2023 году.
Значение этого достижения для отрасли заключается в том, что оно стало доказательством: распределенное обучение, которое долгое время считалось «слишком медленным и фрагментированным», может давать результаты, сравнимые с централизованными моделями. В процессе обучения Covenant-72B не использовались централизованные дата-центры — вычислительные мощности предоставлялись децентрализованными узлами по всему миру.
Ключевым технологическим фактором стал алгоритм SparseLoCo, который обеспечил сжатие передаваемых между узлами данных примерно в 146 раз — более чем на 97 % — при минимальной потере точности модели. Благодаря этому для коммуникации между узлами теперь достаточно стандартного домашнего интернета на 500 Мбит/с, что значительно снижает барьер входа.
Генеральный директор NVIDIA Дженсен Хуанг публично прокомментировал этот прорыв в подкасте All-In, назвав распределенное обучение Bittensor «выдающимся техническим достижением». Венчурный инвестор Чамат Палихапития также поддержал обсуждение на этой же платформе. Внимание со стороны ведущих технологических лидеров ускорило переоценку рынком потенциала распределенного ИИ-обучения.
От обновлений dTAO к институциональному принятию
Последние успехи Bittensor на рынке стали результатом совокупности структурных факторов. Ключевые этапы развития:
Февраль 2025 года — Внедрение механизма Dynamic TAO (dTAO) с системой токенов подсетей. Пользователи получили возможность стейкать TAO в пулы ликвидности отдельных подсетей, а распределение эмиссии TAO стало зависеть от потоков капитала. Экономическое регулирование перешло от голосования валидаторов к конкуренции на рынке.
Декабрь 2025 года — Произошел первый халвинг вознаграждения за блоки, ежедневная эмиссия TAO сократилась с 7 200 до 3 600, что сформировало ожидания дефляции предложения.
Конец 2025 — начало 2026 года — Усилилось институциональное участие. В конце декабря 2025 года Grayscale подала заявку S-1 в SEC на запуск спотового ETF на TAO, в тот же день аналогичное заявление подала Bitwise. Дочерняя компания Digital Currency Group — Yuma — выпустила ежегодный отчет «State of Bittensor», системно осветив расширение экосистемы подсетей.
Начало марта 2026 года — Информация об успешном обучении Covenant-72B распространилась в технологическом сообществе. Сооснователь Anthropic Джек Кларк выделил этот прорыв в своем отчете о прогрессе ИИ-исследований, озаглавив раздел: «Переосмысление политэкономии ИИ через распределенное обучение».
Середина марта 2026 года — Публичная поддержка Дженсена Хуанга привлекла внимание широкой аудитории. Цена TAO выросла примерно на 20 % за сутки после объявления, а объем торгов превысил 471 млн $.
Конец марта 2026 года — Экономика подсетей продолжила расти: их совокупная рыночная капитализация достигла 27 % от капитализации TAO — исторический максимум.
Начало апреля 2026 года — На 3 апреля предложение TAO в обращении составляло около 10,79 млн, а доля стейкинга превысила 68 %. Индекс GMCI AI вырос примерно на 48 % с начала февраля.
Структурные особенности роста индекса
Индекс GMCI AI — ключевой ориентир для оценки динамики сектора крипто-ИИ. На начало апреля его значение составляло 51,26, что на 48 % выше уровня февраля. Однако эту цифру важно интерпретировать с учетом структуры самого индекса.
В состав GMAI Index входят девять токенов, но он сильно сконцентрирован: на долю Bittensor (TAO), Render (RNDR) и Artificial Superintelligence Alliance (ASI) приходится более 71 % веса. Таким образом, индекс в первую очередь отражает динамику этих трех крупнейших инфраструктурных токенов ИИ, а не общее настроение сектора. Доля TAO составляет примерно 24,89 %, и именно его почти двукратный рост в марте стал главным драйвером роста индекса.
С точки зрения токеномики, общее и максимальное предложение TAO составляет 21 млн, а в обращении находится около 10,79 млн — уровень циркуляции примерно 51,4 %. Более 68 % токенов застейкано, что существенно снижает давление на продажу на вторичном рынке.
Экономика подсетей — еще одно ключевое направление экосистемы Bittensor. В марте 2026 года функционировало около 129 активных подсетей, их совокупная капитализация достигла примерно 1,5 млрд $, а годовой доход составил около 100 млн $. Токены подсетей теперь составляют около 27 % от капитализации TAO. Рост этой доли означает, что стоимость постепенно перетекает с базового уровня сети (TAO) на уровень приложений (подсети), а экономическая активность внутри экосистемы становится все более насыщенной. Токен подсети τemplar (SN3) вырос более чем на 400 % в марте, достигнув капитализации около 130 млн $.
Консенсус, споры и информационные разрывы
Последний рост Bittensor вызвал несколько слоев дискуссий, в которых различные участники выделяют разные аспекты.
Технологические оптимисты делают акцент на переломном моменте, когда реализуемость распределенного обучения была сначала «опровергнута, а затем доказана». Долгое время распределенное обучение считалось в мейнстрим-ИИ неэффективным и не масштабируемым. Успешное разрешенное обучение Covenant-72B с 72 млрд параметров и результатом 67,1 по MMLU — явное лидерство среди децентрализованных проектов (для сравнения: INTELLECT-1 — 32,7, Psyche Consilience — 24,2). Этот результат изменил рыночную оценку фундаментального вопроса: «Жизнеспособен ли распределенный ИИ?»
Сторонники нарратива подчеркивают влияние внешних одобрений. Комментарии Дженсена Хуанга в подкасте были восприняты как вотум доверия распределенному ИИ. Он также сформулировал дискуссию как «не А или Б, а А и Б», утверждая, что децентрализованная инфраструктура и проприетарные модели могут сосуществовать в долгосрочной перспективе. Такая позиция придает легитимность ценности распределенного ИИ в глазах индустрии. В соцсетях обсуждения Bittensor на X, Reddit и Telegram достигли второго по величине исторического пика, а индикаторы настроения показывали примерно 1,5 положительных комментария на каждый негативный. Розничная активность пока не достигла характерных для спекулятивных пузырей уровней.
Скептики обращают внимание на экономические основы. Ключевой вопрос — разрыв между субсидиями сети Bittensor и ее внешними доходами. Годовые субсидии эмиссии составляют около 360 млн $, тогда как внешний доход подсетей — лишь около 100 млн $. Скептики считают, что текущие оценки в первую очередь основаны на нарративах дефицита предложения, а не на реальном спросе. Еще один спорный момент — устойчивость технического преимущества: результаты обучения моделей открыты, а пользователи могут почти без издержек менять платформы, что затрудняет создание устойчивых конкурентных барьеров для подсетей.
Анализ влияния на отрасль: от одного токена к многоуровневой экосистеме
Последняя динамика Bittensor оказала комплексное влияние на сектор крипто-ИИ:
Первый уровень: перестройка логики оценки сектора. Децентрализованный ИИ долгое время вызывал сомнения в реализуемости распределенного обучения, а оценки не имели прочной технической основы. Прорыв Covenant-72B сместил фокус рынка с токеномики на реальные технологические достижения. Как отмечено в отчете Grayscale от 31 марта 2026 года: «Успешное обучение модели с 72 млрд параметров — критическая веха, смещающая внимание рынка с токеномики на реальные технические успехи».
Второй уровень: изменение конкурентной среды. Капитал и ликвидность в секторе крипто-ИИ все больше концентрируются вокруг нескольких экосистем, связанных с ИИ. В центре этого процесса находятся Bittensor, Render и Artificial Superintelligence Alliance (FET). На начало апреля FET торговался по цене около 0,2427 $, а Render — примерно по 1,86 $. На эти три токена приходится более 70 % веса GMCI AI Index, что формирует структуру «победитель получает почти все». Для небольших проектов это означает повышение порога для привлечения внимания и ликвидности.
Третий уровень: стирание границ между крипто- и ИИ-отраслями. Созревание экономики подсетей свидетельствует о переходе децентрализованных ИИ-проектов от концепций к «работающим бизнесам с доходом». Токены подсетей становятся инструментами получения дохода, а некоторые модели бизнеса выходят за пределы традиционного крипторынка и конкурируют с мейнстрим-ИИ-сервисами. Например, маркетплейс GPU-вычислений Targon соперничает с централизованными облачными провайдерами. Эта тенденция может усилить интерес традиционной ИИ-индустрии к децентрализованным альтернативам и вызвать новые вопросы регулирования.
Мультисценарное развитие: три возможных пути вперед
С учетом текущего технологического прогресса, экономической структуры и рыночной ситуации для Bittensor и сектора ИИ-токенов в целом возможны несколько сценариев развития.
Сценарий 1: положительная обратная связь. Если экосистема подсетей продолжит генерировать верифицируемый внешний доход, а все больше подсетей будут привлекать коммерческих клиентов и реальное использование, соотношение внешнего дохода к субсидиям эмиссии будет постепенно улучшаться. В этом случае оценка Bittensor перейдет от «нарративной» к «доходной». Ключевые показатели: квартальный темп роста внешнего дохода подсетей, соотношение совокупной капитализации токенов подсетей к капитализации TAO, а также динамика числа подсетей.
Сценарий 2: возврат к среднему. TAO вырос примерно на 140 % за шесть недель, часть драйверов уже учтена в цене. Если цена биткоина резко скорректируется (например, опустится ниже 65 000 $), высоковолатильные ИИ-токены могут испытать сильное падение. В этом сценарии, если рост использования сети не будет поспевать за расширением нарратива, оценочные премии могут сократиться. Ключевые индикаторы: общий тренд рынка биткоина, реальный объем торгов TAO на блокчейне, а также динамика доли стейкинга.
Сценарий 3: структурная дивергенция. Рыночно-ориентированный механизм конкуренции токенов подсетей (dTAO) делает расхождение результатов встроенной чертой системы. Уже сейчас некоторые подсети перестали получать эмиссию из-за недостаточного спроса. По мере созревания экосистемы разрыв между лидирующими и отстающими подсетями может увеличиться. В этом случае TAO как «индекс» экосистемы со временем может демонстрировать динамику, слабо связанную с отдельными подсетями. Ключевые показатели: разброс изменений цен среди токенов подсетей и динамика концентрации распределения эмиссии.
Сценарий 4: внешние шоки. Возможные риски включают ужесточение регулирования в отношении соответствия децентрализованных источников данных или результатов моделей, выявление уязвимостей в ключевых алгоритмах распределенного обучения, а также запуск более конкурентоспособных распределенных вычислительных продуктов со стороны централизованных ИИ-компаний. Хотя такие сценарии менее вероятны, их реализация может радикально изменить логику оценки сектора децентрализованного ИИ.
Заключение
В первом квартале 2026 года Bittensor продемонстрировал выдающиеся результаты благодаря переходу от «теоретической реализуемости» распределенного ИИ-обучения к его «практической валидации». Успешное разрешенное обучение Covenant-72B на масштабе 72 млрд параметров подтвердило техническую жизнеспособность данного подхода. Публичная поддержка со стороны лидеров отрасли, таких как Дженсен Хуанг, ускорила принятие нового нарратива рынком.
Тем не менее, сохраняется разрыв между нарративной и фундаментальной поддержкой. Годовой доход экосистемы подсетей составляет около 100 млн $, что заметно ниже примерно 360 млн $ годовых субсидий эмиссии, а значит, текущие оценки включают высокие ожидания будущего роста. Рыночно-ориентированный механизм конкуренции в экономике подсетей (dTAO) способствует структурной дифференциации внутри экосистемы — этот процесс повышает эффективность, но также несет риск вытеснения отдельных подсетей.
Сектор децентрализованного ИИ находится на критическом этапе: от проверки концепции к коммерческой валидации. Дальнейшая траектория будет зависеть от того, смогут ли новые технологические достижения привести к значительному росту использования сети и удастся ли постепенно сократить разрыв между внешними доходами и субсидиями эмиссии.
