За кулисами обвала $TAO: Внутренний разлад в Bittensor и «Невозможный треугольник» DeAI

marsbitОпубликовано 2026-04-15Обновлено 2026-04-15

Введение

Капитализация проекта Bittensor ($TAO), лидера в области децентрализованного ИИ (DeAI), резко упала на 15-25% после того, как одна из ключевых команд разработчиков, Covenant AI, объявила о выходе из сети. Команда, которая недавно успешно обучила крупную языковую модель на 72 миллиарда параметров, обвинила основателя Jacob Steeves в «абсолютном и диктаторском» контроле над сетью. По их словам, он в одностороннем порядке отключил вознаграждения в токенах $TAO для их подсети, сделав их гигантские инвестиции в вычислительные мощности бессмысленными. Этот инцидент обнажил ключевую проблему DeAI: противоречие между декларируемой децентрализацией и реальной концентрацией власти. Хотя майнеры распределены, валидаторы, определяющие распределение вознаграждений, контролируются узким кругом лиц во главе с основателем. Это подрывает доверие к системе, так как судьба дорогостоящих проектов зависит от воли одного человека, а не от прозрачных правил протокола. Кризис $TAO highlights «невозможный трилемм» DeAI: сложно одновременно достичь высокого качества моделей, полной децентрализации и эффективной системы стимулирования. Событие служит тревожным сигналом для всей отрасли о необходимости создания более надежных и действительно децентрализованных механизмов управления.

Автор: Max.S

Вера рынка капитала в «децентрализованный ИИ» (DeAI) проходит беспрецедентное испытание на прочность.

На днях абсолютно лидирующий проект в сфере децентрализованного ИИ, Bittensor ($TAO), столкнулся с разрушительным внутренним кризисом. Covenant AI, одна из ведущих команд разработчиков в экосистеме Bittensor, которая недавно успешно обучила большую языковую модель на 72 миллиарда параметров (72B), внезапно через соцсети объявила о полном выходе из сети Bittensor. В своем заявлении о выходе Covenant AI прямо указала на основателя Bittensor Джейкоба Стивеса, резко раскритиковав его «абсолютную и диктаторскую» власть над сетью, обвинив в произвольном отключении токенных вознаграждений для подсетей и прямо заявив, что так называемый децентрализованный ИИ — не более чем тщательно поставленный «спектакль».

Под влиянием этого события «черного лебедя» цена токена $TAO на вторичном рынке столкнулась с паническими распродажами, упав за один день на 15-25%, а рыночная капитализация мгновенно сократилась на миллиарды долларов. Пока криптосообщество «смаковало» публичный разрыв между топ-командой и основателем, оно также начало серьезно审视овать глубокую отраслевую проблему: в области ИИ, которая крайне зависит от капитала вычислительных мощностей и сложной инженерии, является ли движимая токеномикой «децентрализация» утопией, перестраивающей производственные отношения, или же это просто красивая обертка, скрывающую централизованную власть?

Чтобы понять разрушительность этого события, необходимо сначала осознать вес Covenant AI в экосистеме Bittensor.

В многосетевой архитектуре Bittensor большинство подсетей все еще находятся на стадии низкоуровневых API-вызовов, тонкой настройки моделей или простой маршрутизации задач. Команды, действительно способные на обучение с нуля или обучение моделей с большим количеством параметров, крайне редки. Covenant AI была именно таким «хардкорным» представителем в этой экосистеме. Незадолго до объявления о выходе команда представила сообществу знаковый результат: успешное обучение большой открытой модели с 72 миллиардами параметров (72B) в условиях децентрализованной сетевой среды.

При текущей стоимости вычислительных мощностей обучение модели 72B означает необходимость задействовать огромные кластеры GPU (обычно эквивалентные непрерывной работе тысяч H100 в течение нескольких недель) и понести чрезвычайно высокие затраты на оборудование и электроэнергию. Основная логика, по которой Covenant AI была готова нести огромные невозвратные затраты, заключалась в механизме «Emissions» Bittensor — пока предоставляемые ею модели и вычислительные мощности получают высокие оценки в подсети, она продолжает получать щедрое вознаграждение в виде выпуска токенов $TAO. Это и есть самый привлекательный маховичный эффект в нарративе DeAI.

Однако маховик остановился на самом пике. Как сообщила Covenant AI, после того как она вложила огромные средства в обучение и запуск модели 72B, основатель Джейкоб Стивес и связанные с ним стороны, контролируя ноды валидаторов (Validators), без предупреждения и прозрачных процессов управления напрямую отключили токенные вознаграждения, поступающие в подсеть Covenant AI.

Для майнеров и разработчиков отключение Emissions равносильно «выдергиванию сетевого кабеля». ROI огромных затрат на вычисления мгновенно обнулился. Этот крайне непредсказуемый системный риск напрямую спровоцировал гневный уход Covenant AI.

Использованное Covenant AI в заявлении о выходе слово «спектакль» (Charade) точно задело самый уязвимый нерв Bittensor: контроль над сетью.

Базовая архитектура Bittensor relies on the Yuma consensus, ядро которого заключается в том, что «валидаторы» оценивают вклад «майнеров» и определяют, как распределяются вновь выпущенные токены $TAO. Теоретически это децентрализованная игровая система, основанная на объеме стейкинга и алгоритмах. Но обвинения Covenant AI reveal суровую реальность: вычислительные мощности распределены, но власть и капитал高度集中лены.

В текущем корневом сети Bittensor ноды валидаторов высшего уровня, которые определяют распределение токенов, backed by стейкинг,高度 сконцентрированы среди ранних инвесторов, фонда и адресов, связанных с основателем Джейкобом Стивесом. Это означает, что основатель является не только создателем правил, но и главным судьей.

Covenant AI указала, что когда output подсети не соответствует личным пожеланиям Джейкоба или может угрожать интересам других «приближенных» подсетей, Джейкоб может легко использовать свой огромный вес в стейкинге, чтобы изменить результат распределения по консенсусу Yuma. Такое вмешательство по принципу «я начальник — ты дурак» делает децентрализацию на уровне смарт-контрактов фикцией. Разработчики тратят миллионы долларов на вычислительные мощности, но их судьба в конечном итоге зависит от субъективной воли или махинаций одного основателя.

Объективно говоря, Джейкоб и его сторонники могут защищаться, ссылаясь на «защиту общего качества сети» или «предотвращение накрутки токенов определенными подсетями, использующими лазейки в правилах». Но при отсутствии прозравых механизмов DAO-управления, каналов для слушаний и апелляций в链上, такое «всебожее» централизованное вмешательство серьезно подрывает核心овую ценность сети как «заслуживающего доверия нейтрального infrastructure».

Падение $TAO на 15-25% за день — это не просто паника розничных инвесторов, leading to давке, но и переоценка институциональными деньгами «дисконта за риск управления» Bittensor.

Причина, по которой Bittensor смог支撑ить如此巨大的 рыночную капитализацию и享有极高的 оценочной премии, заключается в том, что рынок рассматривал его как единственный реальный аналог «децентрализованного OpenAI». Основание этой грандиозной нарратива — система должна обладать极强的 предсказуемостью:只要вы предоставляете вычислительные мощности и качественные модели, протокол автоматически гарантирует ваш доход с помощью кода.

Событие с Covenant AI разрушило эти ожидания. То, что больше всего ненавидят топовые финансисты и институциональные инвесторы, — это «непредсказуемый единичный отказ», и здесь этой точкой отказа является власть Джейкоба Стивеса.

Если даже абсолютно топовая команда, способная обучить модель 72B, может в одно мгновение остаться ни с чем из-за вмешательства основателя, то для других поставщиков вычислительных мощностей и исследовательских институтов ИИ, которые观望ят с токенами, развертывание активов в Bittensor — это无疑 русская рулетка, в которой в любой момент могут «поднять стол». Когда качественная сторона предложения (майнеры и разработчики) отказывается входить из-за страха перед централизованной тиранией, сценарии применения и внутренняя стоимость токена $TAO становятся беспочвенными. Бешеный отток капитала — это提前ное голосование против такого ухудшения базовых показателей.

Уход Covenant AI — это не просто кризис пиара для одного Bittensor, но и неизбежные growing pains для всей сферы децентрализованного ИИ, вступающей в глубоководный этап. Он жестоко揭示отрасли «Невозможный треугольник» в области DeAI: качество и масштаб модели, заслуживающая доверия нейтральность децентрализации и защита от злонамеренных действий через стимулирование.

Централизация масштаба vs. Децентрализация механизма: Обучение передового ИИ (например, больших моделей от 72B и выше) — это典型的 капиталоемкий, централизованный инжиниринг, требующий高度协同ных GPU-кластеров. Это создает естественный физический разрыв с бессрочными, децентрализованными нодами, пропагандируемыми Web3.

Защита от накрутки vs. Заслуживающая доверия нейтральность: Чтобы предотвратить получение токенов некачественными нодами через взаимную накрутку трафика (атака Сибил), сеть должна ввести субъективную «оценку качества». Но пока стандарты оценки ИИ еще не полностью объективны и математизированы, это право оценки,一旦переданное少数валидаторам,极易 превращается в централизованную rent-seeking власть.

Bittensor попытался построить мост, соединяющий эти два аспекта, с помощью токеномики, но событие с Covenant доказало, что опоры этого моста (механизмы управления) все еще хрупки.

Уход Covenant AI лопнул романтический пузырь Bittensor об «абсолютной децентрализации». Для $TAO это, возможно, болезненный момент разочарования (Entzauberung), но для всей индустрии DeAI — это необходимый предупредительный сигнал.

Трендовые криптовалюты

Связанные с этим вопросы

QЧто стало причиной резкого падения стоимости токена $TAO?

AПричиной резкого падения стоимости $TAO стало решение ведущей команды разработчиков Covenant AI, которая обвинила основателя Bittensor Джейкоба Стивса в «абсолютном и диктаторском» контроле над сетью и произвольном отключении вознаграждений для своей подсети, что привело к панической распродаже токена.

QКакую роль играла команда Covenant AI в экосистеме Bittensor?

ACovenant AI была одной из ключевых команд в экосистеме Bittensor, которая успешно обучила крупную языковую модель с 72 миллиардами параметров (72B), что требовало значительных вычислительных ресурсов и затрат.

QКакие обвинения выдвинула Covenant AI против основателя Bittensor?

ACovenant AI обвинила основателя Bittensor Джейкоба Стивса в централизации власти, произвольном отключении вознаграждений для их подсети без прозрачного управления, а также в том, что децентрализованный ИИ является лишь «спектаклем», скрывающим централизованный контроль.

QКак событие с Covenant AI повлияло на рынок и инвесторов?

AСобытие вызвало панику среди инвесторов, приведя к массовой продаже токена $TAO и снижению его стоимости на 15-25%. Это также заставило рынок переоценить риски централизованного управления в проектах децентрализованного ИИ.

QЧто такое «невозможный треугольник» в контексте децентрализованного ИИ?

A«Невозможный треугольник» в DeAI включает три компонента: качество и масштаб модели, децентрализованная и доверительная нейтральность, а также защита от злоупотреблений через стимулирование. Сложность заключается в том, что достижение всех трёх аспектов одновременно практически невозможно из-за противоречивых требований к вычислительным ресурсам и управлению.

Похожее

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit7 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit7 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist8 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist8 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

marsbit12 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbit12 мин. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit58 мин. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit58 мин. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

Новый этап конкуренции в сфере искусственного интеллекта столкнулся с неожиданным препятствием — острой нехваткой квалифицированных технических специалистов, особенно электриков и строителей, для возведения сверхмощных центров обработки данных. В США, согласно прогнозам, к 2030 году для инфраструктуры ИИ потребуется дополнительно 130 000 электриков и 240 000 строителей, однако ежегодно остается незаполненными около 80 000 вакансий электриков. Компании, такие как OpenAI (проект "Stargate" стоимостью $160 млрд), Meta и Microsoft, сталкиваются с огромными убытками из-за задержек строительства. Например, задержка ввода центра мощностью 60 МВт может обернуться потерей $14,2 млн в месяц. Причина спроса — беспрецедентная сложность строительства ИИ-центров. Они потребляют колоссальную энергию (сотни мегаватт), требуют уникальных систем электроснабжения и охлаждения (жидкостное или иммерсионное), что делает работу высококвалифицированных монтажников, сантехников и инженеров незаменимой. Для решения проблемы кадрового голода ИИ-гиганты начали масштабные программы обучения. Meta инвестировала $115 млн в создание собственной школы строителей с бесплатным обучением и стипендией, а OpenAI сотрудничает с профсоюзами. Активная вербовка ведется даже среди старшеклассников. Потребление энергии ИИ-центрами растет экспоненциально, опережая общий рост энергопотребления в 16 раз и увеличивая счета за электричество для потребителей. Однако строительство таких объектов носит проектный характер: для возведения центра "Stargate" требуется 6400 рабочих, а для его обслуживания — всего 100-1000. Это создает риск перенасыщения рынка труда после завершения строительного бума, что может привести к падению зарплат в отрасли.

marsbit1 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

marsbit1 ч. назад

Торговля

Спот

Популярные статьи

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

2025 год — год институциональных инвесторов, в будущем он будет доминировать в приложениях реального времени.

1.9k просмотров всегоОпубликовано 2025.12.16Обновлено 2025.12.16

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

活动图片