# τemplar (SN3) > τemplar (SN3) 是 Bittensor 网络上的一个去中心化 AI 协议。它作为一个激励性的计算资源市场，允许参与者... - Canonical URL: https://iq.wiki/zh/wiki/emplar-sn3 - Categories: Projects & Protocols - Tags: Layer 1, AI Token, Developer, Infrastructure - Created: 2026-04-10T02:30:13.781Z - Last updated: 2026-04-11T17:39:57.000Z - Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki) --- **Templar**（通常写作 **τemplar**）是一个去中心化人工智能 (AI) 协议，作为 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 网络上的第 3 号子网 (SN3) 运行。该项目旨在创建一个激励性的、覆盖全网的计算资源市场，主要用于大规模 AI 模型的分布式训练。其目标是为 AI 开发提供一个比中心化云供应商更民主、更具成本效益且更具扩展性的替代方案。​​ [\[1\]](#cite-id-75ABTKAEQ8yOAC2g)​ ## 概述 Templar 的核心使命是使训练先进人工智能（尤其是大语言模型，LLMs）所需的巨大计算能力变得触手可及。该协议作为一个去中心化物理基础设施网络（[DePIN](https://iq.wiki/wiki/depin)）运行，将贡献硬件资源的参与者（矿工）与网络的处理能力需求连接起来。作为向协作训练任务贡献 GPU 和 CPU 资源的报酬，矿工将获得该项目原生[加密货币](https://iq.wiki/wiki/cryptocurrency)的奖励。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) 该项目利用了 [Bittensor](https://iq.wiki/wiki/bittensor-tao) (τ) [区块链](https://iq.wiki/wiki/blockchain)的底层架构和[共识机制](https://iq.wiki/wiki/consensus-mechanism)。作为第 3 号子网（Subnet 3），Templar 竞争 Bittensor 网络代币排放的份额，这些份额根据子网所展示的价值和智能进行分配。该协议的激励系统旨在评估并奖励计算工作的质量，确保这些贡献能够切实提升正在训练的集体 AI 模型。[\[2\]](#cite-id-orESm01zj7f5z7q1) Templar 的技术重点在于克服与分布式计算相关的重大障碍，例如高昂的通信成本和缺乏协调。它采用高效的通信算法和基于[区块链](https://iq.wiki/wiki/blockchain)的激励系统，来组织一个全球性的、无需许可的贡献者网络。[\[3\]](#cite-id-s62dVyrlIjoyXCOa) 该项目的愿景还包括未来开发一个去中心化市场，用户可以在其中雇佣基于该网络开发的自主 [AI 智能体](https://iq.wiki/wiki/ai-agents)来执行各种数字化任务。[\[4\]](#cite-id-bwDzHJrVBpgdBoUN) ## 历史 Templar 的基础研究和白皮书于 2024 年第二和第三季度发布，概述了该项目关于去中心化自主代理网络和分布式大语言模型（LLM）训练框架的愿景。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[4\]](#cite-id-bwDzHJrVBpgdBoUN) 随后，该项目的原生代币 TPLR 于 2024 年 8 月通过首次去中心化交易所发行（IDO）推出。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g)​ 2024 年 9 月，Templar 成功在 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 网络上获得席位，并正式作为 Subnet 3 (SN3) 启动其[主网](https://iq.wiki/wiki/mainnet)，成为该生态系统中首批十个子网之一。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[4\]](#cite-id-bwDzHJrVBpgdBoUN) 2025 年第一季度，项目团队通过公平启动机制创建并分发了 SN3 子网代币，将其空投给早期网络参与者和[流动性提供者](https://iq.wiki/wiki/liquidity-providers)。[\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ 2025 年第一季度发生了一个重要的里程碑，即启动了第一次“Crusade”（十字军东征）活动。这一大规模、协同的训练活动专注于开发用于代码生成的专用大语言模型，作为该网络能力的主要概念验证。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) 2025 年晚些时候，团队发布了“Templar v2”，这是对子网激励机制的一次更新，旨在更好地奖励代理的创造力和解决问题的能力。[\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ 到 2025 年第四季度，网络参与度已增长至超过 1,000 名活跃的并发矿工。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) 2026 年初，Templar 研究团队发表了一篇论文，详细介绍了一项对比分析，显示与传统云服务商相比，特定 AI 工作负载的成本效率提高了 30%。在同一时期，随着 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 生态系统的广泛增长，SN3 代币的关注度激增，达到了历史最高价格。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ ## 技术与架构 Templar 的架构构建于 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 网络之上，被设计为一个协调两种主要角色（矿工与[验证者](https://iq.wiki/wiki/validator)）的[点对点](https://iq.wiki/wiki/peer-to-peer-trading-p2p)系统。该系统利用专门的算法和强大的激励机制来促进分布式机器学习。[\[2\]](#cite-id-orESm01zj7f5z7q1)​ # ## 核心组件 * **矿工（算力提供者）：** 矿工是连接其硬件（GPU 和 CPU）以执行核心模型训练任务的网络参与者。他们接收并执行“训练运行”（Training Runs），即离散的 AI 训练作业。矿工的工作流程包括加载部分数据集、在模型上运行前向和后向传播以计算梯度、压缩梯度并将其上传到分布式存储。他们根据其贡献的质量和有效性获得相应比例的奖励。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[2\]](#cite-id-orESm01zj7f5z7q1) * **验证者：** 验证者是通过质押代币来保护网络、协调训练过程并确保质量控制的网络参与者。其主要职能是评估矿工提交的工作。他们汇总所有活跃矿工的梯度，衡量每个梯度提供的性能提升（损失减少），并为每个矿工计算性能评分。这些评分用于在 Bittensor 区块链上分配权重，进而决定奖励的分配。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[2\]](#cite-id-orESm01zj7f5z7q1) # ## 激励机制 Templar 的激励结构基于 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 的 [智能证明](https://iq.wiki/wiki/proof-of-intelligence-poi) (Proof-of-Intelligence) 共识，根据参与者为集体增加的价值给予奖励。该项目开发了一个名为 Gauntlet 的专有系统来管理这一过程。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[3\]](#cite-id-s62dVyrlIjoyXCOa)​ Gauntlet 通过两阶段机制评估参与者： 1. **运行时间与可靠性：** 衡量贡献者硬件的可用性和一致性。 2. **贡献价值：** 评估参与者提供的计算工作的质量和影响。[\[3\]](#cite-id-s62dVyrlIjoyXCOa) 为了对矿工进行评分和排名，系统使用了 OpenSkill (PlackettLuce) 评分算法，这是一种专为多玩家评分环境设计的方法。生成的评分被转化为链上权重，矿工根据其分配的权重比例直接从 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 网络获得奖励。这确保了高质量的贡献能够获得更高的回报。[\[2\]](#cite-id-orESm01zj7f5z7q1)​ # ## 分布式训练与通信 分布式训练中的一个核心技术挑战是在[节点](https://iq.wiki/wiki/node)之间交换大量数据所产生的高昂通信成本。Templar 通过其 SparseLoCo 算法和多步梯度压缩技术解决了这一问题。[\[3\]](#cite-id-s62dVyrlIjoyXCOa) [\[2\]](#cite-id-orESm01zj7f5z7q1)​ ## ## SparseLoCo 算法 SparseLoCo 是一种通信高效的训练算法，旨在公共互联网等低带宽环境下进行大语言模型（LLM）的训练。它结合了两个关键技术： * **TOP-k 稀疏化：** 仅选择最重要的梯度进行通信，实现 1-3% 的稀疏度（意味着 97-99% 的梯度数据不被传输）。 * **量化：** 降低发送数据的数值精度，可使用低至 2 位的量化。 这种结合实现了极高的压缩率，在降低通信成本的同时，据报道与替代方法相比还提高了模型性能。 [\[3\]](#cite-id-s62dVyrlIjoyXCOa)​ ## ## 梯度压缩与交换 梯度压缩与交换的技术流程涉及以下几个步骤： 1. **离散余弦变换 (DCT)：** [梯度](https://iq.wiki/wiki/gradients)被转换为其频域表示。 2. **Top-K 选择：** 仅保留最重要的系数，`topk_compression`（Top-K 压缩）比例设置为 32。 3. **动量追踪：** 在更新过程中维持梯度动量，以保留训练期间的学习轨迹。 4. **数据交换：** 压缩后的梯度在 Cloudflare R2 上进行上传和下载，Cloudflare R2 作为梯度、数据集和模型检查点的分布式存储层。 整个过程由基于 Python `asyncio` 构建的通信系统管理，以处理并发操作。 [\[2\]](#cite-id-orESm01zj7f5z7q1)​ # ## 核心网络概念 * **训练运行 (Training Runs)：** 网络上最基础、离散的工作单元，由处理数据批次和更新模型权重组成。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) * **十字军 (Crusades)：** 大规模、以社区为中心的训练活动，旨在利用网络的全部力量来打造宏大的 AI 模型，通常伴随着更高的奖励。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) * **圣殿骑士代理 (Templar Agents)：** 一种能够执行复杂数字化任务的自主 [AI 代理](https://iq.wiki/wiki/ai-agents) 概念。长期愿景包括一个用户可以雇佣这些代理的市场，并使用网络代币进行结算。 [\[4\]](#cite-id-bwDzHJrVBpgdBoUN) ## 关键项目与模型 Templar 已经开展了多个重要项目，以演示并验证其在大规模分布式 AI 训练方面的技术。[\[3\]](#cite-id-s62dVyrlIjoyXCOa)​ # ## 1.2B 参数大语言模型训练 该项目作为一个早期的概念验证，涉及一个 12 亿参数大语言模型（LLM）的训练。这是首次重大演示，展示了在 [Bittensor](https://iq.wiki/wiki/bittensor-tao) [区块链](https://iq.wiki/wiki/blockchain)上部署 Gauntlet 激励系统，以协调来自全球参与网络完全无许可贡献的训练工作。该项目成功验证了使用基于代币的激励机制来组织分布式人工智能训练的可行性。[\[3\]](#cite-id-s62dVyrlIjoyXCOa)​ # ## Covenant-72B 模型预训练 Covenant-72B 是一个拥有 720 亿参数的大语言模型（LLM），该项目将其预训练过程描述为同类项目中规模最大的全球协作式分布式预训练运行。该项目在大规模环境下展示了 SparseLoCo 算法，实现了全球贡献者的开放式和无许可参与。训练过程由实时[区块链](https://iq.wiki/wiki/blockchain)协议管理，并在约 1.1 万亿个 token 的数据集上进行。[\[3\]](#cite-id-s62dVyrlIjoyXCOa) ## 代币经济学 根据不同来源的信息，Templar 生态系统似乎涉及两种不同的代币：主项目代币 TPLR，以及特定于子网的代币 SN3。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ # ## TPLR 代币 TPLR 代币被介绍为 Templar 协议的主要代币。 * **代币符号：** TPLR * **最大供应量：** 1,000,000,000 $TPLR * **用途：** * **质押：** 验证者用于参与共识，委托者用于赚取奖励份额。 * **激励：** 奖励矿工计算贡献的主要机制。 * **治理：** 项目路线图包括链上治理计划，TPLR 持有者可以对协议升级进行投票。 * **初始分配（预估）：** * [挖矿](https://iq.wiki/wiki/mining)与验证奖励：约 50% * 财库/生态系统基金：约 20% * 团队：约 15%（受归属计划限制） * 早期投资者/合作伙伴：约 10% * 公开发售/IDO：约 5% * **市场数据（截至 2026 年 4 月 10 日）：** * **市值：** 约 1.5 亿美元 * **流通供应量：** 约 300,000,000 $TPLR * **历史最高价：** $0.95（2025 年 11 月 15 日） * **历史最低价：** $0.10（2024 年 9 月 20 日） * **主要交易所：** [币安 (Binance)](https://iq.wiki/wiki/binance), [库币 (KuCoin)](https://iq.wiki/wiki/kucoin), Gate.io, [Uniswap](https://iq.wiki/wiki/uniswap) 本小节中的信息基于项目官方网站。[\[1\]](#cite-id-75ABTKAEQ8yOAC2g)​ # ## SN3 子网代币 SN3 代币是 Templar 作为 [Bittensor](https://iq.wiki/wiki/bittensor-tao) 生态系统内 Subnet 3 运营所特有的代币，主要在该环境原生的[去中心化交易所](https://iq.wiki/wiki/decentralized-exchange)上进行交易。 * **代币符号：** SN3 * **资产类型：** Bittensor 子网代币 * **最大供应量：** 21,000,000 SN3 * **流通供应量（截至 2026 年 4 月 10 日）：** 4,268,617 SN3 * **用途：** * **治理：** SN3 持有者可以参与有关 Subnet 3 参数和开发的治理。 * **质押与访问：** 访问高级网络功能或部署自定义任务可能需要[质押](https://iq.wiki/wiki/staking) SN3。 * **交换媒介：** 计划作为未来自治代理市场的首选支付方式。 * **分配：** SN3 代币遵循“公平启动”模式，没有预挖矿或风险投资分配，主要分配给早期参与者。 * **市场数据（截至 2026 年 4 月 10 日）：** * **市值：** $41,173,252 * **历史最高价：** $44.47 * **历史最低价：** $4.83 * **主要交易所：** 主要在 Bittensor 生态系统的去中心化交易所（如 Subnet Tokens）上交易。 本小节中的信息基于 [CoinGecko](https://iq.wiki/wiki/coingecko) 提供的数据。[\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ ## 团队 Templar 背后的开发团队以匿名方式运作。该项目由一位名为“Helios”的首席开发人员领导，他负责协议的架构。研究部门由项目网站上标识为“Aethel”的人员领导，在其他生态系统数据源中也被称为“Aethelred”；此人专注于人工智能训练和验证方法。 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) [\[4\]](#cite-id-bwDzHJrVBpgdBoUN)​ ## 引言 > AI 训练的中心化对创新构成了系统性风险。τemplar 旨在通过创建一个透明、无许可且具有激励机制的计算市场，实现超大规模 AI 访问的民主化。 > — 摘自 Templar [白皮书](https://iq.wiki/wiki/white-paper) [\[1\]](#cite-id-75ABTKAEQ8yOAC2g) > 每一个加入 τemplar 的 GPU 都是对开放且去中心化 AI 未来投下的一票。我们不仅是在构建一个网络；我们正在锻造一种集体智能。 > — “Helios”，首席开发人员 [\[1\]](#cite-id-75ABTKAEQ8yOAC2g)