TAO的DeepSeek時刻：Templar (SN3)的崛起

日期：2026年3月17日 下午7:12

作者：CJ_Blockchain

2025年2月3日，一款名為DeepSeek-R1模型悄然上綫了國家超算互聯網平台。

在隨後的一個月裡，因其性能直接對標頂級閉源模型，和堪比“白菜價”的訓練成本直接席卷了全球。

引發了美股AI股們的暴跌和開啓了屬於中國AI的“DeepSeek”時刻。

2026年3月10日，Bittensor的Subnet 3 Templar，宣佈完成了歷史上規模最大的去中心化大語言模型（LLM）預訓練運行——Covenant-72B

這是歷史上規模最大的去中心化大語言模型預訓練運行：

72億參數、在約1.1萬億token數據集上、完全通過 Bittensor Subnet 3 的網絡實現、無需許可、超過70個獨立節點自由參與。

Bittensor迎來了屬於自己的DeepSeek時刻。

一、 Templar (SN3)：從數據採集到核心訓練的範式轉型

Templar 的前身為 Omega Labs 運營的 SN3，早期側重於多模態數據的收集與挖掘。隨著 Bittensor 機制的演進，該子網完成了從“數據搬運工”向“模型鑄造師”的戰略跨越。

當前 Templar 定位於全球分佈式大模型預訓練基礎設施。它通過激勵機制匯聚全球異構算力，旨在解決大模型訓練中極其昂貴的計算成本與中心化審查問題。Covenant-72B 的成功交付，驗證了這一去中心化生産模式的成熟度。

二、 Covenant-72B：打破去中心化訓練的規模天花板

Covenant-72B 是 Templar 産出的裡程碑式成果，也是目前去中心化網絡中規模最大的稠密架構預訓練模型。

• 核心參數： 擁有 720 億參數，基於高性能 DCLM 語料庫進行預訓練。

• 性能對標： 在基礎模型評測中，其表現與 Meta 的 Llama-2-70B 基本持平。

• 指令優化： 經過微調後的 Covenant-72B-Chat 在 IFEval（指令遵循）和 MATH（數學推理）維度上展現出極強的競爭力，甚至在特定指標上超越了同規模的閉源模型。

• 推理效率： 該模型達到了 450 tokens/sec 的極高吞吐率，解決了大模型在實際應用中的響應延遲痛點。

三、 SparseLoCo 算法：去中心化訓練的底層引擎

在普通互聯網環境下訓練 72B 規模的模型，最大的挑戰在於節點間的通信帶寬瓶頸。Templar 採用了核心算法 SparseLoCo 實現了質的突破：

• 極度壓縮： 算法僅選擇 1%-3% 的核心梯度分量進行傳輸，並將數據量化為 2-bit，大幅降低了對網絡帶寬的需求。

• 低頻同步： 不同於傳統集群的每步同步，SparseLoCo 允許節點在本地叠代 15-250 步後再進行全局同步。

• 誤差補償： 通過本地梯度累加機制，確保了在丟失 97% 以上信息的情況下，模型收斂精度依然不受損害。

這種技術路徑證明了：即便沒有 InfiniBand 等昂貴的專綫集群，依靠全球分佈式的普通網絡同樣可以産出頂級智能。

四、 業界評價與市場反應

Templar 的技術成果引起了主流 AI 圈與資本市場的關注：

• 權威認可：

Anthropic 聯合創始人 Jack Clark 在其分析報告中將 Templar 歸類為全球最大的活躍去中心化訓練網絡，並指出其發展速度超出了行業預期。

Jason Calacanis（All-In Podcast主持人、知名矽谷投資者）在最近的博客中深度介紹了Bittensor的機制，並暗示大家購買

• 機構佈局：

灰度 (Grayscale) 持續增持 TAO，並將其作為去中心化 AI 賽道的核心持倉。

DCG成立了Yuma，專門聚焦於加速 Bittensor (TAO) 生態的發展，被視為 DCG 對去中心化 AI（decentralized AI）最大、最直接的押注。

• 市場表現：

$TAO: 隨著Templar宣佈完成了72B的大模型訓練，TAO在此後上漲超過30%,在BTC的震蕩行情中表現出了絕對的強勢。

$Templar (SN-3)：主角Templar 7天内上漲75%，稱為了Bittensor當前捕獲Emission排放的龍一。當前Market Cap僅為 70m

五、 子網投資潛力與生態天花板

Templar 的成功為 Bittensor 生態打開了全新的想象空間：

• 打開價值天花板： 長期以來，外界質疑 Bittensor 只是“空氣激勵”。Templar 證明了該協議能夠産出具備商業化競爭力的生産力工具，將 TAO 的估值邏輯從“敘事驅動”轉向“産品驅動”。

• 異構算力的潛力： 隨著“異構 SparseLoCo”的開發，未來消費級顯卡（如 RTX 4090）將能直接參與千億級參數模型的訓練，實現算力資源的平權化。

• 子網的確定性機會： 在 dTAO 機制下，像 Templar 這種擁有硬核技術壁壘、能夠持續産出高性能模型的子網，其代幣具備極高的長期配置價值。

Templar 當前 MC=75m，FDV=350m

而當前主流的大模型公司Open AI 估值8400億、Anthropic 3500億、Minimax 450億。

並不是說Templar能直接對標這些公司，但在當前這個敘事稀缺、注意力消散、人們不再相信去中心化的圈子，Templar的出現無疑為去中心化AI打入了一劑強心劑。

結語

Templar 證明了去中心化環境不僅能存儲數據，更能生産智能。Covenant-72B 僅僅是一個開始，隨著 SN3（預訓練）、SN39（算力）與 SN81（強化學習）的縱向整合，一個運行在區塊鏈上的、去中心化的 OpenAI 雛形已然浮現。

Crypto行業從誕生到今天，已經證僞了無數的敘事，增加風靡一時的去中心化存儲、去中心化算力、去中心化計算機都已經看似被證僞，但很高興仍然有項目在去中心化的道路上堅定的前行並做出了成績。

Templar的成功不僅是Bittensor的DeepSeek時刻，可能也是Crypto的DeepSeek時刻。

内容來源：PANews