一句话看懂：Bittensor 子网 9（SN9）上的去中心化 AI 训练网络 IOTA 推出 Train at Home 客户端，让普通用户能用闲置 Mac 参与训练并赚取 IOTA Alpha 代币奖励，已有用户反馈 M4 Mac mini 日收益约 10 美元。
事件核心：发生了什么
据 @YuChen 发布的实测推文，IOTA 网络目前支持用户通过“Train at Home”模式贡献本地算力。该项目由 Macrocosmos 团队在 Bittensor 子网 9（SN9）上构建，定位为去中心化 AI 训练网络，奖励代币为 IOTA Alpha（而非 TAO 本身）。
参与门槛并不高：一台运行内存 16GB 以上的 Mac、一个 Bittensor 钱包、稳定网络环境。用户只需从 iota.macrocosmos.ai 下载对应客户端，在设置中绑定钱包公开地址并选择奖励模式，即可开始训练。客户端界面会显示运行状态、完成任务数量与预估奖励，代币后续可通过 taostats.io 等渠道进行交易。
推文作者补充了个人实测数据：一台 M4 芯片的 Mac mini 在闲置状态下，一天约挖到 10 美元左右价值的代币。该推文发布于 2026 年 9 月 6 日，目前相关客户端仍处于早期推广应用阶段。
为什么重要
这件事的意义在于降低了 AI 训练算力供给的参与门槛。过去，普通用户想要从大模型训练红利中获益，只能通过购买相关加密资产或参与中心化云算力租赁，而 Train at Home 提供了一个将个人闲置硬件直接接入分布式训练网络的通道。
如果这种模式能持续运转，它实际上是在尝试回答两个行业问题：其一是 AI 训练算力成本高企背景下，如何唤醒海量闲置的消费级设备算力；其二是 Bittensor 这类去中心化网络能否在激励设计上找到可持续的平衡点——既让贡献者获得实惠，又不让项目陷入补贴驱动的虚假繁荣。
从技术路线观察，IOTA 选择的路径是将训练任务拆解后分发给边缘设备，这与大厂集中建设万卡集群的做法形成对照。目前公开信息显示该模式的算力规模与训练效率尚未披露，仍属于早期验证阶段。
对用户/开发者/创作者的影响
对于家里有长期闲置 Mac、且对加密挖矿不陌生的用户，这是一个低门槛试水机会。与 GPU 矿机不同，Mac 用户不需要额外购买硬件，只需承担电费与网络带宽成本。按推文作者的实测，M4 Mac mini 的日收益覆盖电费后仍有盈余，但具体收益会随任务分配量、代币价格和网络参与人数波动，不能视为稳定收入来源。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
需要特别留意的风险包括：助记词一旦泄露资产即丢失；选择“为项目贡献”模式可能不会将奖励发放至个人钱包；客户端是否会在后台占用大量计算资源影响日常使用，也需要实际观察。对于开发者而言，这个案例也展示了 Bittensor 生态中基于子网发行独立激励代币的可行性——SN9 本质上是 Macrocosmos 在 Bittensor 框架内搭建的一条垂直应用链。
值得关注的后续
目前公开信息显示，IOTA Train at Home 仍存在几个关键观察点：
第一，奖励价值能否稳定。IOTA Alpha 代币的流动性深度和价格支撑机制尚未经过充分市场检验，如果代币上线后价格剧烈波动，可能直接影响用户参与意愿。
第二，客户端后续是否会有更新。推文作者提示，奖励模式界面后续可能调整，这说明项目仍在快速迭代，实际规则应以客户端当前说明为准。
第三，苹果 Silicon 芯片之外，Windows PC 或 NVIDIA 显卡设备是否会纳入支持范围。若未来开放更通用的硬件接入，这类去中心化训练网络的算力供给规模可能上一个台阶，也可能引发关于任务验证机制的更多讨论。
来源：@YuChen
