TAO Setiap Menciptakan 1 Dolar Pendapatan, Subsidi 22 Dolar: Berapa Lama Mitos Pertumbuhan Bittensor Dapat Bertahan?

動區BlockTempo
TAO19,01%

Bittensor (TAO) saat ini dihargai sekitar 275 dolar AS, dengan kapitalisasi pasar sebesar 2,6 miliar dolar AS, tetapi pendapatan subsidi dari subnet utama Chutes mencapai rasio hingga 22:1 sampai 40:1. Setelah dikurangi subsidi, biaya produksi lebih dari 1,6 kali lipat dibandingkan solusi terpusat; rasio valuasi 175-400 kali jauh melampaui standar industri. Pasar memperdagangkan narasi kelangkaan, bukan fundamental nyata. Artikel ini berasal dari tulisan Pine Analytics berjudul “The Bear Case for Bittensor (TAO)”, yang diedit, diterjemahkan, dan dirangkum oleh Dongqu.
(Prakata: Pendiri Balancer mengumumkan “bubarkan tim, pertahankan protokol”, DeFi diretas, TVL tersisa 158 juta dolar, kemudian diambil alih oleh DAO)
(Informasi tambahan: Apa itu Terafab? Elon Musk menyebutkan kebutuhan chip global hanya 2%, bagaimana membangun pabrik yang “lebih besar dari TSMC”?)

TAO saat ini dihargai sekitar 275 dolar AS, dengan kapitalisasi pasar sebesar 2,6 miliar dolar AS, dan valuasi sepenuhnya terdilusi sebesar 5,8 miliar dolar AS. Proyek ini didukung oleh Grayscale (yang telah mengajukan permohonan listing ETF di NYSE pada Desember 2025), juga diakui secara terbuka oleh CEO NVIDIA Jensen Huang. Narasi pasokan token sangat menarik: batas total 21 juta token, menggunakan mekanisme pengurangan setengah seperti Bitcoin. Setelah pengurangan setengah pertama pada Desember 2025, jumlah token yang diterbitkan per hari turun dari 7200 menjadi 3600. Dalam satu tahun, jumlah subnet meningkat dari 32 menjadi 128, dan pelatihan Covenant-72B Templar membuktikan bahwa kekuatan komputasi terdesentralisasi dapat melatih model bahasa besar yang kompetitif secara standar.

Laporan ini tidak menolak fakta-fakta tersebut. Yang ingin kami teliti adalah: apakah model ekonomi jaringan ini mampu menghasilkan pendapatan eksternal nyata yang mendukung nilai estimasi saat ini, dan seberapa kompetitif mereka dalam bersaing dengan penyedia layanan terpusat dan kekuatan komputasi mandiri.

Rasio distribusi token Bittensor (TAO)

Bittensor memiliki empat kategori peserta:

· Pemilik subnet membangun pasar AI profesional, mendapatkan 18% dari penerbitan TAO sebagai insentif;

· Penambang menjalankan tugas AI (inferensi, pelatihan, pengolahan data), mendapatkan 41%, yaitu sekitar 1476 token TAO per hari, dengan nilai tahunan sekitar 148 juta dolar AS;

· Validator memberi skor hasil kerja penambang, mendapatkan 41%;

· Staker mengunci TAO ke dalam pool likuiditas subnet, menukar dengan token khusus subnet.

Dalam model Taoflow, bagian hadiah subnet ditentukan oleh net inflow staking TAO; jika net inflow negatif, tidak ada hadiah. Sepuluh subnet teratas mengendalikan sekitar 56% dari total pasokan jaringan.

TAO adalah token universal di seluruh jaringan: pendaftaran penambang, staking validator, pembelian token subnet, pembayaran layanan semuanya harus menggunakan TAO. Secara teori, aktivitas subnet akan menciptakan permintaan struktural untuk token dasar.

Analisis perbandingan biaya inferensi model LLaMA 70B di pusat data terpusat dan subnet Chutes (SN64) Bittensor

Pasokan Bittensor sangat transparan: 3600 token TAO didistribusikan setiap hari secara otomatis, dengan aturan pengurangan setengah yang sudah dikodekan secara keras, tingkat staking (sekitar 70%), rasio distribusi, dan data likuiditas semuanya dicatat di blockchain.

Namun, permintaan sangat tidak transparan. Tidak ada dashboard terpadu yang melacak pendapatan eksternal per subnet; panggilan layanan AI (inferensi, komputasi, pelatihan) dilakukan di luar rantai dan tidak tercatat di blockchain. Investor hanya dapat memperkirakan permintaan secara tidak langsung melalui aliran staking, harga token subnet, dan data laporan mandiri dari proyek. Ketidaktransparanan ini adalah struktur, bukan fenomena sementara. Blockchain hanya mencatat pergerakan token, bukan panggilan API.

Berikut adalah gambaran permintaan paling lengkap hingga Maret 2026.

Chutes menguasai 14,4% dari total pasokan jaringan, tertinggi di semua subnet. Dikembangkan oleh Rayon Labs, menyediakan layanan inferensi model sumber terbuka tanpa server, biayanya 85% lebih murah dari AWS dan 10–50% lebih murah dari Together AI. Data pengguna mereka sangat dominan di ekosistem: lebih dari 400.000 pengguna (lebih dari 100.000 pengguna API), permintaan harian lebih dari 5 juta, memproses total 9,1 triliun token, dan volume token yang dihasilkan dalam tiga hari meningkat dari 6,6 miliar menjadi 101 miliar. Mereka juga merupakan penyedia layanan inferensi utama di OpenRouter, dengan beberapa model berkinerja lebih baik dari kompetitor terpusat.

Namun, harga murah ini bukan karena efisiensi operasional, melainkan berasal dari subsidi.

Dengan rasio 14,4%, Chutes mendapatkan sekitar 518 token TAO per hari, dengan nilai tahunan sekitar 52 juta dolar AS. Pendapatan eksternal tahunan mereka hanya sekitar 1,3–2,4 juta dolar AS (nilai tinggi dilaporkan tim, tanpa audit independen). Rasio subsidi terhadap pendapatan adalah sekitar 22:1 sampai 40:1. Artinya, setiap dolar yang dibayar pengguna, jaringan harus mengeluarkan 22–40 dolar TAO melalui inflasi untuk subsidi.

Jika subsidi dihilangkan, berdasarkan volume proses sekitar 101 miliar token per hari, biaya produksi perkiraan sekitar 1,41 dolar AS per juta token. Harga pasar pusat data saat ini:

· LLaMA 3.3 70B Turbo dari Together.ai sekitar 0,88 dolar AS per juta token;

· DeepSeek V3 sekitar 0,40–0,80 dolar AS;

· Model kecil bisa serendah 0,18 dolar AS.

Ini berarti, setelah subsidi dihapus, harga Chutes akan 1,6–3,5 kali lebih mahal daripada solusi terpusat. Keunggulan biaya 85% sepenuhnya terbalik; harga murah mereka sebenarnya didukung oleh pemilik TAO yang membeli melalui inflasi, bukan efisiensi struktural dari desentralisasi.

Ketika pengurangan setengah berikutnya terjadi (diperkirakan akhir 2026 atau 2027), harga harus naik dua kali lipat, atau penambang keluar, atau gap pendapatan dan subsidi akan semakin melebar.

Ada yang membandingkan dengan insentif awal internet untuk menarik pengguna, tetapi Uber, DoorDash, dan AWS membangun biaya konversi selama subsidi: platform eksklusif, jaringan pengemudi, ekosistem perusahaan. Sedangkan subnet Bittensor tidak memiliki hambatan apa pun: model sumber terbuka, antarmuka standar, pengguna dapat beralih layanan tanpa biaya. Setelah subsidi berkurang, tidak ada mekanisme penguncian yang mampu mempertahankan pengguna.

Rayon Labs juga mengelola SN56 dan SN19, yang secara total menguasai sekitar 23,7% dari seluruh pasokan jaringan, keduanya tidak mengungkapkan pendapatan eksternal. Satu tim hampir mengendalikan seperempat distribusi insentif jaringan.

Targon (SN4) adalah subnet dengan pendapatan tertinggi, dioperasikan oleh Manifold Labs, menyediakan layanan GPU rahasia untuk perusahaan, dengan perkiraan pendapatan tahunan sekitar 10,4 juta dolar AS, valuasi sekitar 48 juta dolar AS, dan rasio harga terhadap pendapatan sekitar 4,6 kali, menjadikannya valuasi paling solid di ekosistem. Tetapi angka 10,4 juta dolar ini hanyalah prediksi dari beberapa laporan, bukan angka audit.

Templar (SN3) telah menyelesaikan pelatihan Covenant-72B, dengan kapitalisasi pasar sekitar 98 juta dolar AS, tetapi pendapatan eksternal nol. API pelatihan dan penjualan ke perusahaan masih dalam pengembangan, dan produk berbayar belum diluncurkan.

Lebih dari 120 subnet lainnya tidak memiliki pendapatan terbuka atau masih dalam tahap awal produk, bergantung pada subsidi penerbitan token untuk bertahan.

Total pendapatan tahunan yang dapat diverifikasi dari seluruh jaringan hanya sekitar 3–15 juta dolar AS. Hanya satu subnet, Chutes, dengan subsidi tahunan sekitar 52 juta dolar AS, melebihi total pendapatan eksternal jaringan.

Dengan kapitalisasi pasar sebesar 2,6 miliar dolar AS, rasio pendapatan terhadap valuasi sekitar 175–200 kali; dengan valuasi sepenuhnya terdilusi sebesar 5,8 miliar dolar AS, mendekati 400 kali. Sementara itu, perusahaan AI terpusat yang menyediakan kekuatan komputasi biasanya dihargai 15–25 kali pendapatan proyeksi, dan SaaS dengan pertumbuhan tinggi jarang dipertahankan di atas 50 kali. Rasio valuasi Bittensor adalah 4–10 kali lipat dari target industri yang agresif.

Perbedaan besar antara valuasi dan fundamental permintaan ini menunjukkan bahwa: pasar menilai TAO hampir sepenuhnya berdasarkan kelangkaan pasokan (pengurangan setengah, penguncian staking), katalis institusional (Grayscale ETF, ekspektasi listing), dan sentimen sektor AI, bukan berdasarkan output ekonomi nyata. Memang faktor-faktor ini mempengaruhi harga, tetapi sama sekali berbeda dari logika “Bittensor sebagai jaringan layanan AI yang menciptakan nilai berkelanjutan.”

Perbandingan pengeluaran modal AI dari raksasa cloud dan subsidi tahunan Bittensor (TAO)

Subnet menghadapi tekanan dari dua sisi:

· Di atas: batasan mandiri

Semua model di platform bersifat sumber terbuka, bobotnya dipublikasikan, dan menjalankan model 70B di H100 hanya membutuhkan biaya sekitar 40–50 dolar AS per hari. Alat seperti vLLM dan Ollama memudahkan deployment lokal. Chip generasi baru dari NVIDIA akan menurunkan biaya inferensi secara signifikan. Organisasi dengan volume cukup besar akan lebih murah membangun sendiri.

· Di bawah: tekanan dari raksasa cloud

Microsoft, Google, Amazon, dan Meta menghabiskan lebih dari 200 miliar dolar AS untuk AI pada 2025, dengan kuota prioritas hardware, pusat data khusus, hubungan pelanggan korporat, dan mampu menutupi biaya AI dari arus kas bisnis lain. Budget insentif tahunan Bittensor sekitar 360 juta dolar AS, jauh di bawah investasi infrastruktur AI Microsoft dalam satu minggu. Penyedia layanan profesional juga bersubsidi melalui VC untuk model sumber terbuka agar bisa bersaing harga rendah.

Harga subnet tertekan dalam rentang sangat sempit, dan harus menanggung biaya khas desentralisasi: friksi token, biaya validator, bagi hasil pemilik subnet, dan latensi jaringan.

Bahkan jika suatu subnet mampu menyediakan layanan bernilai, model dan metode dasarnya secara alami terbuka: Covenant-72B menggunakan lisensi Apache, dan makalah teknisnya dipublikasikan. Kompetitor mana pun dapat menyalin langsung tanpa harus bergabung dalam ekosistem TAO.

Keunggulan kompetitif tradisional (teknologi proprietary, efek jaringan, biaya konversi, merek) tidak berlaku:

· Teknologi sumber terbuka;

· Efek jaringan milik TAO, bukan satu subnet;

· Bobot model seragam, biaya beralih pengguna nol.

Komunitas menganggap insentif sebagai benteng perlindungan, tetapi ini bergantung pada penerbitan token besar secara terus-menerus, dan setiap pengurangan setengah akan terus mengurangi anggaran insentif.

Dengan kapitalisasi pasar 2,6 miliar dolar AS, harga TAO tidak mencerminkan fundamental permintaan; pendapatan tahunan 3–15 juta dolar AS tidak mampu mendukung valuasi tersebut dalam kerangka apa pun. Pasar memperdagangkan: kelangkaan Bitcoin, ekspektasi ETF Grayscale, rotasi sektor AI, dan nilai opsi jangka panjang AI desentralisasi. Semua ini adalah faktor spekulatif yang masuk dari sisi pasokan dan sentimen pasar.

Jika Anda memegang TAO berdasarkan narasi kelangkaan dan cerita, bahkan permintaan yang lemah pun bisa menguntungkan; tetapi jika Anda percaya Bittensor akan menjadi jaringan layanan AI yang benar-benar besar, saat ini tidak ada bukti dan juga menghadapi hambatan struktural yang sulit ditembus. Investor harus membedakan secara jelas logika investasi mereka.

Lihat Asli
Penafian: Informasi di halaman ini dapat berasal dari pihak ketiga dan tidak mewakili pandangan atau opini Gate. Konten yang ditampilkan hanya untuk tujuan referensi dan bukan merupakan nasihat keuangan, investasi, atau hukum. Gate tidak menjamin keakuratan maupun kelengkapan informasi dan tidak bertanggung jawab atas kerugian apa pun yang timbul akibat penggunaan informasi ini. Investasi aset virtual memiliki risiko tinggi dan rentan terhadap volatilitas harga yang signifikan. Anda dapat kehilangan seluruh modal yang diinvestasikan. Harap pahami sepenuhnya risiko yang terkait dan buat keputusan secara bijak berdasarkan kondisi keuangan serta toleransi risiko Anda sendiri. Untuk detail lebih lanjut, silakan merujuk ke Penafian.
Komentar
0/400
Tidak ada komentar