英偉達的 Rubin 芯片如何推動 Bittensor 在 2026 年的普及

BTCC / BTCC Square / 528BTC /

Author:

Published:

2026-01-14 03:53:00

英偉達利用 CES 2026 展會預示著人工智能運行方式的重大轉變。該公司並未率先推出消費級 GPU，而是發布了 Rubin，一個機架級 AI 計算平台，旨在讓大規模推理更快、更便宜、更高效。

.divm, .divd {display: none;}@media screen and (max-Width: 768px) {.divm {display: block;}}@media screen and (min-width: 769px) {.divd {display: block;}}

魯賓將人工智能轉化為工業基礎設施

英偉達在CES上的發布會清楚地表明，它已經不再銷售……單個芯片它出售人工智能工廠。

魯賓是英偉達的下一代數據中心這是繼 Blackwell 之後推出的平台。它將新型 GPU、高帶寬 HBM4 內存、定制 CPU 和超高速互連技術集成到一個緊密結合的系統中。

與前幾代產品不同，Rubin 將整個機架視為一個單一的計算單元。這種設計減少了數據傳輸，提高了內存訪問效率，並降低了運行大型模型的成本。

因此，它允許雲提供商和企業以更低的單代幣成本運行長上下文和推理密集型人工智能。

這一點很重要，因為現代人工智能工作負載不再像以前那樣單一。聊天機器人他們越來越依賴許多規模較小的模型、代理商和專業服務機構進行實時通話。

降低成本改變了人工智能的構建方式

Rubin 通過降低推理成本並提高可擴展性，催生了一種新型的 AI 經濟模式。開發者可以部署數千個經過精細調優的模型，而不是一個龐大的單體應用。

.divm, .divd {display: none;}@media screen and (max-width: 768px) {.divm {display: block;}}@media screen and (min-width: 769px) {.divd {display: block;}}

企業可以運行基於代理的系統，這些系統使用多種模型來執行不同的任務。

然而，這又帶來了一個新的問題。一旦人工智能變得模塊化且應用廣泛，就必須有人決定由哪個模型來處理每個請求。必須有人來衡量性能、管理信任關係並處理支付。

雲平台可以託管模型，但它們不提供中立的模型交易市場。

Bittensor 正好可以填補這個空白。

Bittensor它不出售計算能力。它運行一個去中心化網絡，人工智能模型在其中競爭以提供有用的輸出。該網絡使用鏈上性能數據對這些模型進行排名，並以它的原生代幣 TAO 支付報酬。

每個 Bittensor 子網都像一個市場，專門交易特定類型的智能，例如文本生成、圖像處理或數據分析。表現優異的模型獲得更多份額，而表現不佳的模型則會失去影響力。

.divm, .divd {display: none;}@media screen and (max-width: 768px) {.divm {display: block;}}@media screen and (min-width: 769px) {.divd {display: block;}}

隨著模型數量的增加，這種結構的價值也越來越高。

為什麼英偉達的魯賓讓Bittensor的模型變得可行？

Rubin 與 BittENSor 並不競爭。它生產Bittensor的經濟模型大規模工作。

隨著英偉達降低人工智能運行成本，越來越多的開發者和公司能夠部署專用模型。這就更加需要一個中立的系統，用於跨雲和組織對這些模型進行排名、選擇和付費。

Bittensor 提供了這樣一個協調層。它將海量的 AI 服務轉化為一個開放、競爭的市場。

英偉達掌控著人工智能的物理層：芯片、內存和網絡。魯賓通過降低人工智能的運行成本和加快運行速度，進一步強化了這種控制。

.divm, .divd {display: none;}@media screen and (max-width: 768px) {.divm {display: block;}}@media screen and (min-width: 769px) {.divd {display: block;}}

Bittensor 運行在上一層。它負責處理智能的經濟效益，決定使用哪些模型以及給予哪些獎勵。

隨著人工智能向智能體群和模塊化系統發展，經濟層面的集中化變得越來越困難。