TAO กำลังถูกตีราคาจาก Demand จริง หรือแค่ Narrative?

ตอนคอมมูคอลรอบล่าสุดมีคนให้ความสนใจกับ TAO อยู่พอสมควร ผมเลยกลับไป research ให้ลึกขึ้นอีกหน่อย แล้วเขียนสรุปมุมมองออกมาเป็นบทความนี้ เพราะยิ่งดู ผมยิ่งรู้สึกว่า Bittensor เป็นสินทรัพย์ที่ตลาดอาจกำลัง price ด้วยกรอบที่ผิดอยู่พอสมควร

ในตลาดคริปโต สินทรัพย์บางประเภทถูกขับเคลื่อนด้วยรายได้ บางประเภทถูกขับเคลื่อนด้วยการเติบโตของผู้ใช้งาน และบางประเภทถูกขับเคลื่อนด้วย narrative ที่ทรงพลังพอจะทำให้ตลาดยอมมองข้ามคำถามยาก ๆ ไปก่อน สำหรับผม TAO ดูจะอยู่ในหมวดหลังมากกว่าอย่างค่อนข้างชัด

Disclaim: นี่คือ midcurve view แบบสุด ๆ ส่วนตัวได้กำไรจากเหรียญนี้ไปแล้ว และเริ่มทยอยขายไปบางส่วนแล้ว ถ้าย่อลึกมากก็อาจกลับไปเล่นต่อ แต่ต้องดู regime ของตลาดตอนนั้นอีกที

ในทาง theory ทุกอย่างของโปรเจกต์นี้ดูน่าดึงดูดมาก: โทเค็นมี hard cap 21 ล้านเหรียญคล้าย Bitcoin, มี halving schedule ชัด, มีแรงหนุนเชิงสถาบัน, มี symbolic endorsement จากฝั่ง AI และยังมีพัฒนาการใน ecosystem ที่ดูจับต้องได้จริง ทั้งจำนวน subnets ที่โตเร็วและผลงานด้าน decentralized training/inference ที่เริ่มถูกพูดถึงมากขึ้น

ปัญหาคือข้อเท็จจริงทั้งหมดนี้ยังไม่ตอบคำถามที่สำคัญที่สุดในเชิงมูลค่า: TAO สร้าง demand จากลูกค้าจริงได้มากพอหรือยัง จนรองรับมูลค่าตลาดระดับหลายพันล้านดอลลาร์ได้อย่างสมเหตุสมผล

Bittensor ทำงานอย่างไร และมูลค่าไหลผ่านระบบแบบไหน

Bittensor มีผู้เล่นหลักอยู่ 4 กลุ่ม และทั้งระบบถูกออกแบบให้แข่งขันกันแย่งความสนใจ เงินทุน และ emissions ภายใต้โมเดล Taoflow

ในทางทฤษฎี กลไกนี้ดูดีมาก เพราะ TAO กลายเป็นสกุลเงินกลางของทั้งเครือข่าย ใครจะ mining, validator staking, ซื้อ subnet tokens หรือจ่ายค่าบริการ ต่างก็ต้องใช้ TAO จึงเกิดภาพจำว่า ถ้า activity บน subnet โตขึ้น demand ของโทเค็นก็ควรโตตามไปด้วย

แต่ปัญหาจริงอยู่ตรงคำว่า What if ถ้า activity ที่เราเห็นในระบบไม่ได้สะท้อน demand จากลูกค้าจริงมากพอ หรือถ้าการเติบโตส่วนใหญ่เกิดจากแรงอุดหนุนภายใน token economy เอง

Supply ชัด แต่ Demand ยังไม่ชัด

หลัง halving ครั้งแรกในเดือนธันวาคม 2025 ปริมาณ emission ต่อวันลดจาก 7,200 TAO เหลือ 3,600 TAO และถูกแจกอย่างค่อนข้างตรงไปตรงมา 41% ไปที่ miners, 41% ไปที่ validators และ 18% ไปที่ subnet owners ข้อมูล stake ratios, flows, emissions และ subnet concentration ต่าง ๆ ก็ดูได้ on-chain เกือบทั้งหมด

พูดอีกแบบคือ ฝั่ง supply ของ Bittensor โปร่งใส นักลงทุนเห็นได้ชัดว่ามีการปล่อยเหรียญเท่าไร ใครได้เท่าไร และ subnet ใดกำลังได้ประโยชน์จากระบบมากที่สุด

แต่พอข้ามมาที่ฝั่ง demand ภาพกลับเปลี่ยนทันที เพราะการส่งมอบบริการ AI จริง เช่น inference requests, compute jobs หรือ training calls เกิดขึ้น off-chain ทั้งหมด บล็อกเชนเห็นเพียงการเคลื่อนย้ายโทเค็น แต่ไม่สามารถยืนยันได้ว่ามีลูกค้าภายนอกใช้บริการจริงมากแค่ไหน หรือจ่ายเงินจริงเท่าไร

นั่นหมายความว่า ตลาดกำลังให้มูลค่ากับระบบที่ฝั่ง supply ชัดมาก แต่ฝั่งรายได้จริงกลับยังคลุมเครืออย่างมีนัยสำคัญ และนี่ไม่ใช่ปัญหาชั่วคราว แต่มันดูเป็นปัญหาเชิงโครงสร้างของโมเดลมากกว่า

กรณีศึกษา Chutes: subnet ที่ดูดีที่สุด อาจกำลังพึ่ง subsidy หนักที่สุด

ถ้าต้องเลือก subnet ที่ดูดีที่สุดใน ecosystem ตอนนี้ หลายคนคงชี้ไปที่ Chutes (SN64) เพราะมันเป็น serverless inference provider สำหรับโมเดล open-source อย่าง DeepSeek, Mistral และ LLaMA และยังมีตัวเลขการใช้งานที่ดูน่าประทับใจมาก

Chutes มีผู้ใช้งานจำนวนมาก, request ต่อวันระดับหลายล้าน, token generation ต่อวันที่โตเร็วมาก และยังเริ่มมีชื่อในฐานะหนึ่งใน inference providers ที่ competitive บน OpenRouter ด้วย ถ้ามองเฉพาะ usage metrics ก็ดูเหมือน Bittensor กำลังพิสูจน์ product-market fit ไปแล้ว

นี่คือจุดที่ narrative เรื่อง decentralized efficiency เริ่มถูกตั้งคำถาม เพราะสิ่งที่ดูเหมือนความได้เปรียบด้านต้นทุน อาจเป็นเพียงการย้ายต้นทุนจากลูกค้าไปให้ผู้ถือ TAO รับแทนผ่าน emissions

ดังนั้นคำว่า “ถูกกว่า AWS 85%” อาจไม่ได้สะท้อนว่า decentralized compute มีประสิทธิภาพกว่าจริง แต่อาจสะท้อนแค่ว่า TAO holders กำลังจ่ายส่วนต่างแทนลูกค้าอยู่

ถ้าถอด subsidy ออก ความได้เปรียบด้านราคานี้ก็มีสิทธิ์หายไปทันที และนั่นทำให้คำถามแก่นของทั้ง Bittensor ชัดมากขึ้นว่า subnet ต่าง ๆ แข่งขันได้จริงเพราะมีประสิทธิภาพ หรือแข่งขันได้เพราะกำลังถูกอุดหนุนอยู่

ข้อโต้แย้งฝั่ง Bull และสิ่งที่ยังไม่เหมือน Uber หรือ Shopee

แน่นอน คนที่มองบวกกับ TAO สามารถโต้ได้ว่าโมเดลนี้ไม่ต่างจากบริษัทเทคยุคแรก ๆ ที่ยอมเผาเงินเพื่อดึงผู้ใช้ก่อน ซึ่งก็ไม่ผิดนักในเชิง pattern recognition

แต่ความต่างสำคัญคือบริษัทอย่าง Uber, Grab หรือ Shopee สร้างแพลตฟอร์มแบบปิด มี network ของผู้ให้บริการ มีพฤติกรรมผู้ใช้ที่ฝังตัว และมี integration ที่ทำให้ลูกค้าย้ายออกยากขึ้นเรื่อย ๆ

ขณะที่หลาย subnet บน Bittensor ยังไม่ได้มี moat แบบนั้น โมเดลที่ให้บริการส่วนมากเป็น open source, API เป็นมาตรฐานทั่วไป, สามารถหาได้จากผู้เล่นรายอื่น และลูกค้าสามารถย้าย provider ได้แทบจะทันทีเมื่อราคาเปลี่ยนหรือ subsidy ลดลง

ในหลายกรณี subnet อาจกำลังซื้อ usage โดยยังไม่สามารถเปลี่ยน usage นั้นให้กลายเป็นความได้เปรียบระยะยาวได้จริง และนั่นคือจุดที่ TAO thesis ยังต้องพิสูจน์อีกเยอะ

Targon, Templar และภาพรวมของ network

Targon (SN4) เป็นอีกเคสที่น่าสนใจ เพราะถูกมองว่าเป็น subnet ที่มีรายได้สูงสุดใน ecosystem ให้บริการ confidential GPU compute แก่ลูกค้าองค์กร และมีตัวเลขรายได้ annualized ที่ดูดีในเชิง narrative

อย่างไรก็ตาม ตัวเลขเหล่านี้ยังเป็นเพียงประมาณการที่ถูกอ้างถึง ยังไม่ใช่ audited financials และยังไม่มี dashboard รายได้แบบสดที่ตัด emissions ออกอย่างชัดเจน ความน่าเชื่อถือจึงยังไม่พอสำหรับใช้ตีมูลค่า network ทั้งระบบอย่างมั่นใจ

ขณะที่ Templar (SN3) ซึ่งมีผลงานเชิงเทคนิคอย่าง decentralized training ของโมเดลขนาดใหญ่ กลับยังไม่มีรายได้ภายนอกที่ชัดเจน แม้จะพิสูจน์ความเป็นไปได้เชิงวิศวกรรมได้พอสมควรแล้วก็ตาม

ส่วน subnet อีกมากในเครือข่ายยังไม่มีข้อมูลรายได้ที่ชัด บางรายอยู่ในช่วง pre-product บางรายดูเหมือนโฟกัสไปที่การ capture emissions มากกว่าการสร้าง demand จากลูกค้าจริง

Valuation ปัจจุบันสะท้อนอะไรอยู่

ถ้ารวมรายได้ฝั่ง demand ที่ “พอระบุได้” ทั้ง network ตัวเลขที่เห็นยังอยู่เพียงประมาณ 3-15 ล้านดอลลาร์ต่อปี เท่านั้น ช่วงกว้างนี้สะท้อนทั้งข้อมูลที่เปิดเผยไม่เท่ากัน และความต่างระหว่างรายได้ที่มี disclosure มากพอกับตัวเลขประมาณการที่ยังไม่ได้ผ่านการตรวจสอบ

ตัวเลขนี้เล็กมากเมื่อเทียบกับ market cap ของ TAO ระดับหลายพันล้านดอลลาร์ และยิ่งเล็กลงไปอีกถ้าเทียบกับ FDV ดังนั้นถ้าคิดแบบง่าย ๆ TAO กำลังเทรดในระดับ multiple ที่ premium กว่าบริษัท AI infrastructure แบบ centralized หรือแม้แต่ SaaS growth names ส่วนใหญ่อย่างมาก

ผมไม่ได้กำลังสื่อว่า TAO ต้องลงทันที หรือไม่มีสิทธิ์มี valuation สูงแบบนี้ แต่กำลังจะบอกว่า มูลค่าปัจจุบันไม่ได้ตั้งอยู่บนฐานของ fundamentals เป็นหลัก ตลาดน่าจะกำลังให้ค่ากับปัจจัยอีกชุดหนึ่งมากกว่า

• hard cap และ halving ที่ทำให้โทเค็นมี scarcity story ชัด
• สัดส่วนการ stake ที่ช่วยล็อก supply ออกจากตลาด
• catalyst เชิงสถาบันและความเป็น “AI bet” ในตลาดคริปโต
• narrative ว่า decentralized AI อาจกลายเป็นเทรนด์ใหญ่จริง
• optionality ที่ว่า ถ้า demand ฝั่งลูกค้าจริงตามมาทันในอนาคต current valuation อาจไม่แพงอย่างที่ดู

แรงกดดันด้าน pricing ยังมาจากสองฝั่งพร้อมกัน

ด้านหนึ่งคือ self-hosting เพราะโมเดลจำนวนมากที่รันบน Bittensor เป็น open source อยู่แล้ว องค์กรที่มี volume มากพอสามารถรันโมเดลเองบนเครื่องของตัวเองได้ด้วยต้นทุนที่ลดลงเรื่อย ๆ เครื่องมืออย่าง vLLM และ Ollama ก็ทำให้การ deploy ง่ายขึ้นมาก

อีกด้านหนึ่งคือแรงกดจาก hyperscalers และผู้เล่น centralized ขนาดใหญ่ที่มีทั้ง data center, access to hardware, enterprise relationships และกระแสเงินสดจากธุรกิจอื่นมาช่วยอุดหนุน AI ได้

ดังนั้น subnet บน Bittensor ต้องตั้งราคาอยู่ในช่องแคบมาก: ถูกพอจะสู้กับ centralized providers, ไม่แพงเกินไปจนลูกค้า enterprise เลือก self-host และยังต้องแบกรับต้นทุนพิเศษจากความเป็น decentralized ทั้ง token friction, validator overhead, subnet owner fees และ network latency อีกด้วย

Moat ของ subnet ยังดูอ่อนกว่าที่ตลาดหวัง

ในโลกเทค moat มักมาจาก proprietary technology, network effects, switching costs, brand หรือ distribution แต่ใน Bittensor หลายองค์ประกอบเหล่านี้กลับอ่อนกว่า เพราะเทคโนโลยีจำนวนมากเป็น open source ตั้งแต่ต้น

ถ้าอะไรเวิร์กจริง คู่แข่งก็สามารถเรียนรู้และทำซ้ำได้โดยไม่จำเป็นต้องเข้ามาอยู่ใน ecosystem ของ TAO ด้วยซ้ำ ขณะที่ network effects เองก็ดูเหมือนจะสะสมที่ตัวโทเค็นฐานมากกว่าที่ subnet รายตัว และเมื่อผู้ใช้ย้าย provider ได้ง่าย switching costs ก็แทบไม่เกิด

บางคนอาจบอกว่า moat ที่แท้จริงคือ incentive mechanism ของระบบ แต่ปัญหาคือ moat แบบนี้ยืนอยู่บนฐานของ emission budget และ budget นั้นถูกออกแบบให้ลดลงเรื่อย ๆ ผ่าน halving อยู่แล้ว

แล้วตลาดกำลังตีราคาอะไรให้ TAO กันแน่

สำหรับผม คำตอบค่อนข้างตรงไปตรงมา: ณ ระดับมูลค่าปัจจุบัน TAO ไม่ได้ถูกตีราคาบน fundamentals เป็นหลัก แต่น่าจะถูกตีราคาบน scarcity, narrative และ optionality มากกว่า

นั่นไม่ได้แปลว่าโปรเจกต์นี้ไม่มี innovation หรือไม่มีโอกาสสร้างตัวตนจริงในระยะยาว ตรงกันข้าม ผมคิดว่า Bittensor อาจเป็นหนึ่งในความพยายามที่น่าสนใจที่สุดในการสร้างพื้นฐาน AI แบบ decentralized ด้วยซ้ำ

คำถามสำคัญที่สุดสำหรับ TAO ไม่ใช่ว่า “โปรเจกต์นี้น่าสนใจไหม” แต่คือ “ตลาดกำลังให้ราคากับสิ่งที่พิสูจน์แล้ว หรือกำลังให้ราคากับสิ่งที่หวังว่าจะเกิดขึ้น”

ถ้าตอบคำถามนี้ได้ชัด นักลงทุนก็จะรู้ทันทีว่าตัวเองกำลังถืออะไรอยู่กันแน่ ระหว่างโครงสร้างพื้นฐาน AI ที่จะเติบโตเป็นธุรกิจจริง หรือสินทรัพย์เชิง narrative ที่อาจไปต่อได้อีกมาก แต่ยังต้องพิสูจน์ฝั่ง demand อีกพอสมควร