Джек Кларк, співзасновник компанії Anthropic та колишній директор з політики OpenAI, опублікував аналіз децентралізованого навчання ІІ. Він послався на дослідження Epoch AI і оцінив поточні темпи розвитку галузі. Згадка інфраструктури Bittensor привернула увагу фахівців криптоіндустрії та інвесторів.
В аналізі Кларк порівняв зростання децентралізованого навчання із зростанням централізованих моделей. За даними Epoch AI, децентралізовані мережі збільшують свої показники приблизно 20 разів на рік. Для найбільших лабораторій це значення становить близько 5 разів. Це означає 4-кратну перевагу швидкості масштабування. Наразі децентралізовані запуски потребують у 1000 разів менше за обсягом обчислень. Однак за поточних темпів розрив може скоротитися протягом кількох років.
Кларк окремо наголосив на технологічних рішеннях, які знімають ключові обмеження. У Epoch AI зробили висновок, що пропускна спроможність не стане бар'єром для масштабування найближчим часом. Це підтверджує можливість зростання розподілених мереж без вузьких місць.
У цих висновків було виділено проекти, які працюють у екосистемі Bittensor. Найбільша активна мережа децентралізованого навчання Templar управляється Covenant AI. Ця структура діє як субмережа всередині Bittensor і поєднує значні обчислювальні потужності. У публікаціях згадані також проекти Basilic AI та Grail AI, що входять до індексу Covenant.
Прихильники Bittensor вважають, що токен TAO не враховує можливості успіху децентралізованої моделі. Вони вказують на можливе зростання вартості криптовалюти в 20 разів у 2026 році, згадуючи численні вирішені проблеми з пропускною спроможністю та багаторазове збільшення масштабу за останні роки. Кларк також зазначив, що розподілене навчання дозволяє об'єднувати обчислення університетів, державних структур та незалежних розробників. Це означає ширший доступ до створення сучасних моделей. Участь більш ніж 195 тис. гаманців в екосистемі наголошує на децентралізованому характері мережі. Для ринку це може стати точкою перегляду ставлення до TAO та всієї моделі розподіленого ІІ.