Narratif AI TAO Baru Saja Mendapat Titik Data yang Lebih Penting
Sebagian besar orang yang memperhatikan Bittensor saat ini sedang mengamati narasi AI.
Saya pikir mereka seharusnya memperhatikan sesuatu yang lebih spesifik: apakah penggunaan AI nyata menjadi terukur di dalam jaringan.
Pada 23 September 2026, para peneliti dari Harvard dan Chutes merilis satu tahun data produksi layanan LLM dari Chutes, Subnet 64 Bittensor.
Dataset ini mencakup 6,12 miliar permintaan, 9.174 model, dan 314.970 ID pengguna anonim, yang mewakili sekitar 35,8 triliun token masukan dan 2,52 triliun token keluaran antara 11 April 2025 dan 12 April 2026.
Bagian pentingnya bukanlah ukuran headline-nya.
Tetapi apa yang memungkinkan dataset ini bagi para peneliti untuk lihat.
Lalu lintas menunjukkan bahwa beban kerja AI produksi bukan sekadar satu aliran besar permintaan identik. Interaksi pengguna-model memiliki lokalitas temporal yang kuat: 99% permintaan berulang dari pengguna yang sama ke model yang sama datang dalam waktu 15 menit.
Ini memiliki implikasi infrastruktur langsung.
Chutes berpotensi memanfaatkan lokalitas ini melalui prefix caching dan routing, mengurangi komputasi ganda dan meningkatkan efisiensi pelayanan. Penelitian ini juga menemukan bahwa routing yang sadar cache dapat meningkatkan rasio hit token, meskipun simulasi memperkenalkan ketidakseimbangan beban 5–7%.
Perdagangan ini mudah dilewatkan.
AI terdesentralisasi bukan hanya tentang mendistribusikan GPU. Setelah penggunaan menjadi cukup besar, koordinasi menjadi bagian dari produk.
Dan ada satu bukti lain yang layak diawasi.
DefiLlama saat ini mencatat sekitar $178.694 dalam pendapatan 30 hari untuk Chutes, berdasarkan komputasi AI serverless, langganan, penggunaan bayar-seperti-pakai, instance pribadi, dan inferensi yang disponsori.
Itu masih kecil dibandingkan skala ekonomi keseluruhan Bittensor.
Tetapi itu mengubah pertanyaannya.
Uji menarik untuk TAO bukan lagi sekadar apakah permintaan AI ada. Tetapi apakah penggunaan produksi dapat berubah menjadi pendapatan eksternal berulang, pembelian kembali tingkat subnet, dan pada akhirnya permintaan ekonomi yang lebih kuat daripada insentif yang diperlukan untuk menarik aktivitas tersebut.
Sistem emisi Bittensor sendiri penting di sini karena emisi TAO masih menjadi sumber insentif utama, dengan emisi saat ini sekitar 3.600 TAO per hari setelah halving Desember 2025.
Jadi, perdagangan ini menjadi semakin jelas:
Bittensor dapat mensubsidi infrastruktur AI untuk menarik penggunaan, tetapi nilai berkelanjutan memerlukan bahwa penggunaan pada akhirnya membayar sendiri.
Itulah metrik yang akan saya awasi lebih ketat daripada kemitraan AI lain atau pengumuman model lain.
Narasi AI mendapatkan perhatian.
Permintaan yang didanai pendapatan adalah apa yang pada akhirnya memberi narasi sesuatu untuk berdiri.$TAO #TAO Price rebounds in AI-driven rally
