Bittensor 一项原本主要在加密圈内流传的去中心化人工智能实验，近日因获得英伟达CEO黄仁勋的公开回应而受到更广泛关注。围绕其项目 Covenant-72B 的讨论显示，分布式模型训练正在从概念验证逐步走向主流视野。
去中心化AI训练进入更大舞台
在播客节目 All-In 的一次讨论中，Chamath Palihapitiya 提到了 Bittensor 的 Covenant-72B，并将其视为去中心化AI不再停留于理论层面的实例。根据介绍，Bittensor 是一个基于区块链运行的去中心化网络，构建了一个点对点市场，用于交换并激励机器学习模型与AI算力资源。
Palihapitiya用相对通俗的方式描述该项目：一个大型语言模型并非依赖集中式基础设施完成训练，而是由一群独立参与者贡献闲置算力协同完成。他提到，团队曾以完全分布式方式训练一个 40亿参数 的 LLaMA 模型，并称之为“相当惊人的技术成就”。
黄仁勋：开放与专有并非对立
对于去中心化AI的前景，黄仁勋并未将其视作对现有专有模型体系的简单替代。他表示，这不是“A或B”的关系，而是“A和B”。在他看来，封闭且高度打磨的系统，如 ChatGPT、Claude 和 Gemini，仍将服务大量通用需求；与此同时，开放模型也将继续在需要定制化、可控性和领域知识沉淀的行业中扮演关键角色。
黄仁勋进一步指出，模型本身是一种技术，而非最终产品。多数普通用户更可能继续使用成熟的通用AI服务，而不是从零开始构建自己的系统。但在某些行业里，企业必须将自身领域经验以可控方式嵌入模型，这类需求“只能来自开放模型”。
Covenant-72B的规模与市场反应
从技术指标看，Covenant-72B 是 Bittensor 通过其 Subnet 3（Templar） 推进的代表性成果之一，也是目前规模较大的去中心化训练尝试之一。该模型拥有 720亿参数，训练过程中使用了约 1.1万亿个token，并通过压缩通信协议和分布式数据并行等方法，在没有中心化控制方的前提下，协调了 70多名贡献者 通过普通互联网连接参与训练。
报道指出，相关基准测试结果显示，该模型的表现已可与一些成熟的中心化模型相提并论，这也是其影响力开始超出原生加密用户群体的重要原因之一。受讨论热度带动，Bittensor 代币 TAO 在 Palihapitiya 与黄仁勋相关视频在社交媒体传播后上涨了 24%。
AI未来或走向混合路径
综合黄仁勋的表态，这场讨论的重点或许并不在于谁将取代谁，而在于不同架构的长期共存。面向大众市场的专有AI系统可能仍占主导，而开放、去中心化模型则有望在专业化、成本敏感或强调数据与技术主权的场景中形成独特定位。
黄仁勋还给创业公司提供了较为务实的思路：先从开源路径切入，再逐步构建专有优势。这一判断也意味着，未来AI竞争或许不属于单一技术路线，而属于那些能够同时理解开放与封闭体系，并在不同场景下灵活选择的人。