Bittensor的一项去中心化人工智能训练实验，正在从加密社区话题逐步进入主流科技视野。在All-In播客中，投资人Chamath Palihapitiya点名提及Bittensor的Covenant-72B，并将其视为去中心化AI不再停留在概念层面的实例。随后，英伟达CEO黄仁勋对这一方向给出公开回应，进一步放大了市场关注。
去中心化训练项目获得科技圈背书
Palihapitiya在节目中表示，Bittensor展示了一种不同于传统集中式基础设施的大模型训练路径。他提到，一个基于LLaMA的模型曾在完全分布式环境中完成训练，依靠的是众多参与者贡献的闲置算力，并称这一成果“相当惊人”。这一描述也让外界将其与早期分布式计算项目作类比，即通过全球参与者共享硬件资源来完成复杂任务。
Bittensor本身是一个由区块链驱动的去中心化网络，试图建立一个点对点的AI市场，让机器学习模型与算力资源可以被交换并获得激励。其最新受到关注的Covenant-72B，则由Bittensor的Subnet 3（Templar）推动，被报道为迄今规模最大的去中心化训练尝试之一。
72B参数模型挑战传统数据中心路径
根据报道，Covenant-72B拥有720亿参数，训练过程使用了约1.1万亿个token，并由70多名贡献者通过标准互联网连接协同完成，整个过程没有单一中心化控制方。技术上，该项目结合了压缩通信协议和分布式数据并行等方法，使大模型训练不必完全依赖传统大型数据中心。
更值得注意的是，相关基准测试结果显示，该模型的表现已能与部分成熟的中心化模型相提并论。这也是为什么这一项目的影响力开始超出原本的加密原生受众，吸引到更广泛的AI和科技行业讨论。
黄仁勋：开放模型与专有模型不是二选一
面对去中心化AI的话题，黄仁勋并未将其视为对专有AI体系的简单替代。他明确表示，这并不是“A或B”的关系，而是“A和B”会同时存在。在他看来，模型本身是一种技术，而非最终产品；对于大多数普通用户而言，成熟、易用的通用型系统仍会占据主导地位，例如当前市场熟悉的闭源AI产品。
但黄仁勋也指出，在某些行业中，定制化并非可选项。对于需要把特定领域经验和可控性嵌入模型的企业或机构而言，开放模型尤为关键。这一判断与Bittensor所强调的开放、协作式训练逻辑形成呼应，也为去中心化AI在垂直行业、成本敏感场景及强调数字主权的应用中留下空间。
市场反应与行业信号
报道显示，在Palihapitiya与黄仁勋相关视频于社交媒体传播后，Bittensor代币TAO上涨24%。这一价格变化反映出市场对去中心化AI叙事升温的快速反馈。不过，从黄仁勋的表态来看，真正值得关注的并不只是“颠覆”传统AI，而是开放与专有体系未来可能长期并存的格局。
黄仁勋还提到，当前许多获得投资的初创企业会先采用开源路线，再逐步叠加专有优势。这种思路意味着，未来AI产业的竞争重点，或许不在于单押某一种架构，而在于如何在开放生态与专有能力之间找到平衡。对于Bittensor而言，此次获得来自科技与资本圈的公开关注，无疑让去中心化训练的现实可行性获得了更强背书。