Bittensor 全栈去中心化 AI 供应链图谱:128 个子网从算力到推理
markjeffrey · x · 2026-11-13
转发内容配图展示了 Bittensor 的全栈去中心化 AI 供应链,称其为「无法被任何政府关停的前沿实验室」。
图中将网络拆为四层市场,每层由独立子网构成:
- 原始资源:GPU 算力(Lium SN51)、可验证算力(Targon SN4)、数据传输(Beam SN105)、存储(Hippius SN75)
- 预训练:Teutonic 预训练竞赛、IOTA 分布式预训练(SN9)
- 后训练:Affine(SN120)、Reliquary 编码模型(SN81)、TrajectoryRL(SN11)、Trishool 安全(SN23)、ChronoLLM 预测(SN38)、REAX 决策模型(SN92)
- 推理:Chutes(SN64)、Engy 验证推理(SN53)
客户包括个人、企业与 AI agent。每个子网代币以 TAO 计价:矿工干活,验证者按质押加权评分,新铸造的 TAO 支付被判定有用的产出。图为 Stillcore Capital 2026 年 11 月分析,从 128 个子网中选取代表。
「Infra」频道最新
- 单张 RTX 5090 跑出近 18000 tokens/秒,成本约 1 美分/百万 tokens — bittingthembits · 2026-11-13
- RL 框架 Miles v0.2 发布:支持 NVIDIA/AMD/TPU/Trainium 四种硬件 — ying11231 · 2026-11-13
- 14 分钟视频还原 ChatGPT 一次问答之旅:从回车键到 GPU 再返回 — Glass-Garden-5888 · 2026-11-13
- Burkov 周刊:94% 英国学生用 AI 做作业,CUDA Rust 等十条精选 — burkov · 2026-11-13
- Lucebox 自研推理引擎:Qwen 3.8 27B 解码达 95.4 tok/s,超 llama.cpp 约 47% — QuixiAI · 2026-11-13
- LLM 网关压测实战:p50 延迟只讲了一半,并发流式才是真瓶颈 — jkriket · 2026-11-13