TAO的DeepSeek时刻：Templar (SN3)的崛起

作者：CJ_Blockchain

2025年2月3日，一款名为DeepSeek-R1模型悄然上线了国家超算互联网平台。

在随后的一个月里，因其性能直接对标顶级闭源模型，和堪比“白菜价”的训练成本直接席卷了全球。

引发了美股AI股们的暴跌和开启了属于中国AI的“DeepSeek”时刻。

2026年3月10日，Bittensor的Subnet 3 Templar，宣布完成了历史上规模最大的去中心化大语言模型（LLM）预训练运行——Covenant-72B

这是历史上规模最大的去中心化大语言模型预训练运行：

72亿参数、在约1.1万亿token数据集上、完全通过 Bittensor Subnet 3 的网络实现、无需许可、超过70个独立节点自由参与。

Bittensor迎来了属于自己的DeepSeek时刻。

一、 Templar (SN3)：从数据采集到核心训练的范式转型

Templar 的前身为 Omega Labs 运营的 SN3，早期侧重于多模态数据的收集与挖掘。随着 Bittensor 机制的演进，该子网完成了从“数据搬运工”向“模型铸造师”的战略跨越。

当前 Templar 定位于全球分布式大模型预训练基础设施。它通过激励机制汇聚全球异构算力，旨在解决大模型训练中极其昂贵的计算成本与中心化审查问题。Covenant-72B 的成功交付，验证了这一去中心化生产模式的成熟度。

二、 Covenant-72B：打破去中心化训练的规模天花板

Covenant-72B 是 Templar 产出的里程碑式成果，也是目前去中心化网络中规模最大的稠密架构预训练模型。

• 核心参数： 拥有 720 亿参数，基于高性能 DCLM 语料库进行预训练。
• 性能对标： 在基础模型评测中，其表现与 Meta 的 Llama-2-70B 基本持平。
• 指令优化： 经过微调后的 Covenant-72B-Chat 在 IFEval（指令遵循）和 MATH（数学推理）维度上展现出极强的竞争力，甚至在特定指标上超越了同规模的闭源模型。
• 推理效率： 该模型达到了 450 tokens/sec 的极高吞吐率，解决了大模型在实际应用中的响应延迟痛点。

三、 SparseLoCo 算法：去中心化训练的底层引擎

在普通互联网环境下训练 72B 规模的模型，最大的挑战在于节点间的通信带宽瓶颈。Templar 采用了核心算法 SparseLoCo 实现了质的突破：

• 极度压缩： 算法仅选择 1%-3% 的核心梯度分量进行传输，并将数据量化为 2-bit，大幅降低了对网络带宽的需求。
• 低频同步： 不同于传统集群的每步同步，SparseLoCo 允许节点在本地迭代 15-250 步后再进行全局同步。
• 误差补偿： 通过本地梯度累加机制，确保了在丢失 97% 以上信息的情况下，模型收敛精度依然不受损害。

这种技术路径证明了：即便没有 InfiniBand 等昂贵的专线集群，依靠全球分布式的普通网络同样可以产出顶级智能。

四、 业界评价与市场反应

Templar 的技术成果引起了主流 AI 圈与资本市场的关注：

• 权威认可：

Anthropic 联合创始人 Jack Clark 在其分析报告中将 Templar 归类为全球最大的活跃去中心化训练网络，并指出其发展速度超出了行业预期。

Jason Calacanis（All-In Podcast主持人、知名硅谷投资者）在最近的博客中深度介绍了Bittensor的机制，并暗示大家购买

• 机构布局：

灰度 (Grayscale) 持续增持 TAO，并将其作为去中心化 AI 赛道的核心持仓。

DCG成立了Yuma，专门聚焦于加速 Bittensor (TAO) 生态的发展，被视为 DCG 对去中心化 AI（decentralized AI）最大、最直接的押注。

• 市场表现：

$TAO: 随着Templar宣布完成了72B的大模型训练，TAO在此后上涨超过30%,在BTC的震荡行情中表现出了绝对的强势。

$Templar (SN-3)：主角Templar 7天内上涨75%，称为了Bittensor当前捕获Emission排放的龙一。当前Market Cap仅为 70m

五、 子网投资潜力与生态天花板

Templar 的成功为 Bittensor 生态打开了全新的想象空间：

• 打开价值天花板： 长期以来，外界质疑 Bittensor 只是“空气激励”。Templar 证明了该协议能够产出具备商业化竞争力的生产力工具，将 TAO 的估值逻辑从“叙事驱动”转向“产品驱动”。
• 异构算力的潜力： 随着“异构 SparseLoCo”的开发，未来消费级显卡（如 RTX 4090）将能直接参与千亿级参数模型的训练，实现算力资源的平权化。
• 子网的确定性机会： 在 dTAO 机制下，像 Templar 这种拥有硬核技术壁垒、能够持续产出高性能模型的子网，其代币具备极高的长期配置价值。

Templar 当前 MC=75m，FDV=350m

而当前主流的大模型公司Open AI 估值8400亿、Anthropic 3500亿、Minimax 450亿。

并不是说Templar能直接对标这些公司，但在当前这个叙事稀缺、注意力消散、人们不再相信去中心化的圈子，Templar的出现无疑为去中心化AI打入了一剂强心剂。

结语

Templar 证明了去中心化环境不仅能存储数据，更能生产智能。Covenant-72B 仅仅是一个开始，随着 SN3（预训练）、SN39（算力）与 SN81（强化学习）的纵向整合，一个运行在区块链上的、去中心化的 OpenAI 雏形已然浮现。

Crypto行业从诞生到今天，已经证伪了无数的叙事，增加风靡一时的去中心化存储、去中心化算力、去中心化计算机都已经看似被证伪，但很高兴仍然有项目在去中心化的道路上坚定的前行并做出了成绩。

Templar的成功不仅是Bittensor的DeepSeek时刻，可能也是Crypto的DeepSeek时刻。