Bittensor的一项去中心化人工智能训练成果，近日因获得英伟达CEO黄仁勋的公开认可而迅速升温。这意味着，过去主要活跃于加密社区的分布式模型训练方案，正开始进入更广泛的科技产业视野。
播客讨论推动项目出圈
在All-In播客节目中，Chamath Palihapitiya点名提到Bittensor的Covenant-72B，将其视为去中心化AI从概念走向实际落地的代表案例。按照他的说法，团队曾以分布式方式训练出一个40亿参数的LLaMA模型，依靠的是参与者贡献的闲置算力，而非传统集中式基础设施。他将这一成果形容为“相当惊人”的技术突破，并将其类比为早期利用全球闲置硬件资源的分布式计算项目。
Bittensor本身是一个基于区块链运行的去中心化网络，试图建立一个点对点市场，让机器学习模型与AI算力在其中被交换、激励和协调。对于加密行业而言，这种设计不仅关乎技术路线，也关系到算力资源、模型能力与激励机制的重新组织。
黄仁勋：开放与专有模式将长期并存
面对去中心化AI训练的讨论，黄仁勋并未将其视为对封闭式AI体系的单向替代。他明确表示，这不是“A或B”的选择，而是“A和B”的关系。他认为，模型本质上是一种技术，而不是最终产品，因此大多数普通用户仍会继续使用像ChatGPT、Claude和Gemini这样成熟、易用的通用系统。
不过，黄仁勋同时指出，在某些行业中，模型的可控性和定制化并非可有可无。对于需要将自身行业经验、业务流程和数据治理要求嵌入模型的组织而言，开放模型更加重要。他直言，这类能力“只能来自开放模型”。这一判断，也恰好强化了Bittensor所代表路线的现实意义。
Covenant-72B展示分布式训练可行性
根据报道，Covenant-72B由Bittensor的Subnet 3（Templar）开发，属于目前规模最大的去中心化训练实验之一。该项目协调了70多名贡献者，通过普通互联网连接完成协同训练，整个过程没有单一中心化管理者。
从技术规格看，该模型拥有720亿参数，训练过程中使用了大约1.1万亿个token。为了让传统数据中心之外的训练成为可能，项目采用了压缩通信协议与分布式数据并行等方法。报道指出，其基准测试结果已经能够与部分成熟的中心化模型相比较，这也是它能突破加密原生圈层、获得更广泛关注的重要原因。
市场反应与行业信号
在Palihapitiya与黄仁勋相关视频于社交媒体传播后，Bittensor代币TAO上涨了24%。这一价格表现显示，市场正在把这类公开背书视作去中心化AI赛道的重要信号。
不过，从黄仁勋的表态来看，更值得关注的并非“谁取代谁”，而是AI产业可能走向一种混合格局：专有系统继续服务大众化需求，开放与去中心化模型则在特定行业、成本敏感场景以及强调数据与技术主权的领域获得空间。黄仁勋还提到，许多正在获得投资的初创公司采取的是“先开源、后专有”的路径，这也为未来AI商业模式提供了一个务实参照。
整体来看，Bittensor此次受到关注，不只是因为代币价格波动或名人点评，更因为它让外界看到：大规模AI模型训练未必只能发生在集中式数据中心中。如果这一方向持续验证，去中心化网络在AI基础设施中的角色可能会被重新评估。