Macrocosmos

Macrocosmos 是一個基於 Bittensor 生態系統構建的去中心化 AI 網絡，運營多個子網，涵蓋完整的 AI 技術棧：SN1 負責對話式 AI，SN9 負責分布式訓練，SN13 負責數據收集，SN25 負責科學計算，SN37 負責微調。 其核心創新在於分布式訓練。它不依賴於擁有數千個 GPU 的集中式數據中心，而是協調全球範圍內閒置的消費級硬件（如 Mac Mini 和家用 GPU），形成一個虛擬超級計算機。這既降低了成本，也減少了能源消耗。2025 年 12 月，它推出了「在家訓練」（Train at Home）計劃，允許消費級 GPU 參與大型語言模型的訓練，並在 arXiv 上發表了一篇記錄該方法的論文。 在數據方面，SN13（Data Universe）激勵礦工持續從 Reddit 和 Twitter 等平台抓取並索引公開數據。它已處理超過 550 億條帖子，其中 13.4 億行數據發布在 Hugging Face 上。這創建了一個由社區策劃的數據層，繞過了昂貴的集中式 API 提供商。 解決的市場痛點：傳統 AI 訓練需要耗資數十億美元的數據中心與集中式控制；從主要平台獲取數據成本高昂且受限。Macrocosmos 提供了一種無需許可的替代方案，其中計算資源和數據均通過開放激勵機制獲取。 在過去六個月（2026 年 3 月至 9 月），該網絡擴展了其子網，改進了分布式訓練管道，並擴大了 Data Universe 數據集。然而，分布式訓練仍面臨頻寬瓶頸和協調開銷等技術挑戰，且子網在 Bittensor 生態系統中面臨激烈競爭，表現不佳的子網會將激勵流失給競爭對手。