Bittensor 的 TAO 本月迄今已上漲 90%，而其生態系中的代幣更是漲得更兇。
根據 CoinGecko 的數據，上週一，網路的子網（subnet）代幣類別合計市值達到 14.7 億美元，24 小時交易量為 1.18 億美元。
這波行情延續了 TAO 在 3 月從 180 美元一路上漲到超過 332 美元的走勢，但真正的重頭戲在子網代幣。Templar（子網 3 的代幣）在 30 天內飆升 444%。OMEGA Labs 上漲 440%。Level 114 上漲 280%。BitQuant 上漲 230%。即使是較大的子網代幣，也出現了可觀的回報：Chutes 上漲 54%，Targon 上漲 166%。
Bittensor 是一個去中心化網路，用於為人工智慧建立市場機制。Bittensor 的做法不是由單一公司建立並控制 AI 模型，而是激勵全球參與者提供運算能力、資料和機器學習模型，以換取 TAO——網路的原生代幣。
該網路被劃分為專門化的子網（subnets），每個子網聚焦於不同的 AI 任務，從訓練語言模型到運行運算基礎設施，再到資安分析。目前共有 128 個活躍子網，每個子網都有自己的代幣，其價值與投入到其中的 TAO 質押量直接掛鉤。
多項催化劑推動了 Bittensor 生態系代幣的這些上漲動作。
子網 3 產出了 Covenant-72B：一個大型語言模型，透過 Bittensor 的去中心化網路進行無需許可（permissionless）的訓練，由 70 多位貢獻者使用商用網路硬體完成。
該模型使用了 1.1 兆（trillion）個 token 進行訓練，並取得 67.1 的 MMLU 分數，該結果已在 2026 年 3 月的 arXiv 論文中得到確認。這使其進入與 Meta 的 Llama 2 70B 競爭的範圍——後者是由全球資源最充足的 AI 實驗室之一所打造的模型。（MMLU，或 Massive Multitask Language Understanding，是一項針對 AI 模型的標準化測試，會在 57 個學術科目中對模型進行評分。）
子網 3 由名為 Templar 的去中心化 AI 訓練網路所支撐。礦工貢獻 GPU 運算能力，並競爭以產出有用的訓練梯度（training gradients）供大型語言模型使用；而驗證者（validators）則評估他們貢獻的品質，並依此分配 TAO 獎勵。
把它想成一種訓練 AI 模型的方式：就像比特幣挖礦（mines）產生區塊一樣，全球分散的參與者貢獻硬體，並因完成有用的工作而獲得報酬。
在其他方面，Nvidia 執行長 Jensen Huang 與投資人 Chamath Palihapitiya 於 3 月 20 日在 All-In Podcast 上背書了 Bittensor 的做法，並將去中心化 AI 訓練描述為與專有（proprietary）模型相輔相成。由於這位執行長的部落格文章在本月早些時候曾短暫促使一波科技股拋售潮逆轉，此次背書的分量也超出了一般的加密貨幣同溫層。
子網代幣如何運作
子網代幣的機制，解釋了為什麼相較於 TAO 本身，這些漲幅會如此誇張。
自 Bittensor 於 2025 年 2 月推出動態 TAO（dynamic TAO）以來，每個子網都會運作自己的自動做市商（automated market maker），並配有原生代幣；該代幣的估值由投入到該子網儲備中的 TAO 質押量決定。當 TAO 價格走高時，每個子網的儲備就會變得更有價值，從而推高代幣價格，並吸引更多質押者。這種關係是可互相放大的（reflexive），能在雙向都放大行情變動。
當 TAO 的市值約為 30 億美元、而各個子網代幣的市值範圍從 100 萬美元到 1.37 億美元不等時，子網代幣就像是押注母協議（parent protocol）的槓桿型投資。
網路計劃在今年晚些時候將活躍子網數量從 128 擴大到 256，這將帶來新一輪的代幣發行浪潮。
若能在監管層面做出將 Grayscale TAO Trust 轉換為現貨 ETF（spot ETF）的決定，可能在 2026 年底前提供機構投資者的准入。另 Digital Currency Group 旗下的 Yuma 已在投入 14 個不同的子網，顯示聰明資金（smart money）更把它當作基礎設施，而不是投機。
無論子網行情能否持續，取決於 Bittensor 是否繼續產出具有競爭力的 AI 模型，或是 Covenant-72B 只是一次偶然的時機剛好碰上 Huang 的背書。
