Расшифровка хайпа вокруг Bittensor: Реалистична ли цель в $1000 для TAO?

ambcryptoОпубликовано 2026-03-22Обновлено 2026-03-22

Введение

Аналитики рассматривают возможность роста цены Bittensor (TAO) до $1000 на фоне растущего аи-хайпа. Проект привлек внимание после анонса крупнейшей децентрализованной 72-миллиардной модели, обученной более чем 70-ю участниками. Рост подтверждается реальными метриками: 75% предложения TAO размещено в стейкинге, Trust Grayscale торгуется с премией в 50%, а доход сети в первом квартале составил $43 млн от реальных клиентов. За 90 дней в сети было развернуто 14 500 AI-агентов, что демонстрирует растущий спрос на децентрализованную инфраструктуру ИИ. Данные CryptoQuant указывают на стабильное покупательское давление, что в совокупности с институциональным интересом обосновывает целевой уровень цены.

Искусственный интеллект масштабируется быстрее, и волновые эффекты сильно ударяют по криптоиндустрии.

Примечательным примером является World Financial Liberty (WLFI), которая недавно запустила AgentPay SDK. Этот инструментарий для AI-агентов позволяет им осуществлять платежи и переводить деньги с использованием USD1 в сетях EVM. Короче говоря, это позволяет проводить транзакции без какого-либо человеческого вмешательства.

Однако по-настоящему привлекает внимание Bittensor [TAO]. На недавнем мероприятии генеральный директор NVIDIA Дженсен Хуанг обсуждал последнюю модель ИИ от Bittensor: огромную модель с 72 миллиардами параметров, обученную более чем 70 участниками через обычный интернет. Фактически, это крупнейшая модель, когда-либо обученная на полностью децентрализованной инфраструктуре.

Источник: TradingView (TAO/USDT)

Учитывая это, 24%-ный рост TAO с начала года имеет полный смысл.

Для контекста: Bittensor создает децентрализованную сеть для моделей ИИ, и ее недавнее достижение привлекает внимание, особенно со стороны ведущих технологических игроков. И время выбрано идеально: рынок AI-агентов переживает бум. Всего за 90 дней команды развернули 14 500 AI-агентов в криптопространстве, которые непрерывно занимаются арбитражем, ребалансировкой ликвидности и оптимизацией доходности.

В совокупности ясно, что AI-ориентированная сеть Bittensor растет в соответствии с растущим спросом на AI-агентов. Теперь главный вопрос: учитывая, что аналитики рассматривают потенциальный рост до $1000, не слишком ли это оптимистично, или TAO действительно находится в позиции, чтобы этого достичь?

Хайп вокруг ИИ подталкивает цену TAO к росту

Хайп превращается в реальную ценность только тогда, когда умные деньги начинают обращать на это внимание.

Таким образом, даже though модель ИИ от Bittensor попала в заголовки и привлекла внимание технологических игроков, этого одного недостаточно для движения цены TAO. Для реального роста сети необходим приток серьезного капитала, стимулирующий разработчиков и поддерживающий значимую активность. Примечательно, что именно здесь важны фактические данные.

Присмотритесь: Grayscale TAO Trust торговался с премией в 50% к NAV, 75% предложения TAO находится в стейкинге (на момент написания), и сеть принесла $43 миллиона дохода в первом квартале от реальных клиентов, использующих ИИ. Эти цифры показывают, что за хайпом стоит подлинное внедрение, движущее импульсом TAO, что дает сети более прочную основу для волны AI-крипто.

Источник: CryptoQuant

В дополнение к этому, недавний отчет CryptoQuant показывает, что 90-дневный Spot Taker CVD для TAO указывает на стабильное давление покупателей с минимума в $154, подчеркивая постоянный спрос со стороны рынка.

Когда вы все это складываете — сильный институциональный капитал, высокий уровень стейкинга, реальный доход от клиентов ИИ и надежные ончейн-метрики — становится ясно, что умные деньги начинают догонять хайп вокруг ИИ от Bittensor.

С технической точки зрения, именно поэтому цель в $1000 для TAO — это не просто спекуляция или выстрел в темноту. Вместо этого, ее поддерживают реальное внедрение, уверенность институциональных инвесторов и растущая активность сети, показывая, что AI-ориентированная инфраструктура Bittensor может возглавить следующую волну импульса AI-крипто.


Итоговое резюме

  • 14 500 AI-агентов развернуто за 90 дней, децентрализованная модель на 72 млрд параметров и сильное внедрение показывают, что сеть Bittensor растет вместе с реальным спросом.
  • Высокий стейкинг, доход в $43 млн в первом квартале и стабильное давление покупателей сигнализируют, что умные деньги поддерживают TAO, что подтверждает цель в $1000.

Трендовые криптовалюты

Связанные с этим вопросы

QЧто такое Bittensor и почему он привлекает внимание?

ABittensor — это децентрализованная сеть для ИИ-моделей, которая привлекла внимание благодаря созданию крупнейшей модели с 72 миллиардами параметров, обученной более чем 70 участниками. Её инфраструктура полностью децентрализована, что делает её уникальной на фоне растущего спроса на ИИ-агенты в криптосфере.

QКакие факторы поддерживают целевой уровень цены TAO в $1000?

AЦелевой уровень цены в $1000 поддерживается высоким уровством стейкинга (75% предложения), доходом сети в $43 миллиона за первый квартал, устойчивым покупательским давлением и институциональным интересом, таким как траст Grayscale TAO, торгующийся с премией в 50% к NAV.

QКакую роль играют ИИ-агенты в росте Bittensor?

AИИ-агенты активно способствуют росту Bittensor: за 90 дней было развернуто 14 500 агентов, выполняющих арбитраж, ребалансировку ликвидности и оптимизацию доходности. Это демонстрирует реальный спрос на децентрализованные ИИ-решения, которые предлагает сеть.

QКакие технические и фундаментальные показатели указывают на силу TAO?

AТехнические показатели, такие как 90-дневный Spot Taker CVD, показывают устойчивое покупательское давление с минимума в $154. Фундаментальные факторы включают $43 миллиона дохода за квартал, высокий стейкинг и институциональную поддержку, что вместе формирует прочную основу для роста.

QПочему децентрализованная ИИ-модель Bittensor считается значимым достижением?

AМодель Bittensor с 72 миллиардами параметров является крупнейшей из созданных на полностью децентрализованной инфраструктуре. Это достижение подчеркивает потенциал децентрализованных сетей для конкуренции с централизованными аналогами и привлекает внимание ведущих технологических компаний, включая NVIDIA.

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.

bitcoinist7 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist7 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.

marsbit57 мин. назад

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

marsbit57 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

Как купить S

Добро пожаловать на HTX.com! Мы сделали приобретение Sonic (S) простым и удобным. Следуйте нашему пошаговому руководству и отправляйтесь в свое крипто-путешествие.Шаг 1: Создайте аккаунт на HTXИспользуйте свой адрес электронной почты или номер телефона, чтобы зарегистрироваться и бесплатно создать аккаунт на HTX. Пройдите удобную регистрацию и откройте для себя весь функционал.Создать аккаунтШаг 2: Перейдите в Купить криптовалюту и выберите свой способ оплатыКредитная/Дебетовая Карта: Используйте свою карту Visa или Mastercard для мгновенной покупки Sonic (S).Баланс: Используйте средства с баланса вашего аккаунта HTX для простой торговли.Третьи Лица: Мы добавили популярные способы оплаты, такие как Google Pay и Apple Pay, для повышения удобства.P2P: Торгуйте напрямую с другими пользователями на HTX.Внебиржевая Торговля (OTC): Мы предлагаем индивидуальные услуги и конкурентоспособные обменные курсы для трейдеров.Шаг 3: Хранение Sonic (S)После приобретения вами Sonic (S) храните их в своем аккаунте на HTX. В качестве альтернативы вы можете отправить их куда-либо с помощью перевода в блокчейне или использовать для торговли с другими криптовалютами.Шаг 4: Торговля Sonic (S)С легкостью торгуйте Sonic (S) на спотовом рынке HTX. Просто зайдите в свой аккаунт, выберите торговую пару, совершайте сделки и следите за ними в режиме реального времени. Мы предлагаем удобный интерфейс как для начинающих, так и для опытных трейдеров.

1.8k просмотров всегоОпубликовано 2025.01.15Обновлено 2026.06.02

Как купить S

Sonic: Обновления под руководством Андре Кронье – новая звезда Layer-1 на фоне спада рынка

Он решает проблемы масштабируемости, совместимости между блокчейнами и стимулов для разработчиков с помощью технологических инноваций.

2.4k просмотров всегоОпубликовано 2025.04.09Обновлено 2025.04.09

Sonic: Обновления под руководством Андре Кронье – новая звезда Layer-1 на фоне спада рынка

HTX Learn: Пройдите обучение по "Sonic" и разделите 1000 USDT

HTX Learn — ваш проводник в мир перспективных проектов, и мы запускаем специальное мероприятие "Учитесь и Зарабатывайте", посвящённое этим проектам. Наше новое направление .

1.9k просмотров всегоОпубликовано 2025.04.10Обновлено 2025.04.10

HTX Learn: Пройдите обучение по "Sonic" и разделите 1000 USDT

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 S (S) представлены ниже.

活动图片