萬字詳解：Bittensor網路和代幣TAO如何革新AI行業

原文：Revelointel

編譯：Zen，PANews

介紹

隨著人工智慧最近的爆炸式增長和普及，許多人對人工智慧和加密貨幣的交匯點提出了不同的論點。 這些創新有可能徹底改變我們數位生活的各個方面，從管理數位資 產到保護智慧財產權和打擊欺詐。 值得注意的是，這種融合引發了兩個突出的趨勢：

• 人工智慧與區塊鏈基礎設施的集成，例如 Render （$RNDR）、Akash （$AKT） 或 Fetch.ai （$FET）。
• 出現了激勵機器學習智慧生產的協定，例如 Bittensor （$TAO）。

區塊鏈之前的AI應用主要集中在基礎設施上，實現了AI/ML（人工智慧/機器學習）模型存儲和GPU租賃。 這導致出現了如通過代幣激勵的強化學習、零知識機器學習（zkML），以及基於區塊鏈的身份註冊以應對深度偽造的一些趨勢。 與此同時，一種平行的趨勢正在蓬勃發展：激勵智慧的協定。 "

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-81ecd95304-dd1a6f-cd5cc0.webp)

在本報告中，我們深入研究了人工智慧和加密貨幣的交匯點，重點關注Bittensor和 $TAO 代幣，探討它們在點對點智慧市場和數位商品市場興起中發揮的作用。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-defa419364-dd1a6f-cd5cc0.webp)

“利用最近於10月2日進行的Revolution升級，本文還提供了歷史概述、行業展望、競爭分析，並深入探討了$TAO的價值主張。 "

概述

Bittensor 是一個開源協定，其核心使命是：通過區塊鏈驅動的激勵結構來推動人工智慧的發展。 在這個生態系統中，貢獻者因其努力而獲得 $TAO 代幣獎勵。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-6ed3faecae-dd1a6f-cd5cc0.webp)

Bittensor 作為一個挖礦網路，利用代幣激勵來鼓勵參與，同時堅持開放性和去中心化的原則。 在該網路中，多個節點託管機器學習模型，共同為智慧池貢獻。 這些模型在分析大量文本數據、提取語義以及在各個領域生成有價值的見解方面發揮著至關重要的作用。 對於使用者而言，基本功能包括查詢網路以獲取智慧訪問許可權，與礦工和驗證者參與$TAO代幣挖礦，並監管其錢包和餘額。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-9ce7520d97-dd1a6f-cd5cc0.webp)

Bittensor 的網路依賴於各種利益相關者的貢獻，包括礦工、驗證者、被提名者和消費者。 這種協作方式確保了最優秀的人工智慧模型脫穎而出，提高了網路提供的人工智慧服務的品質。

供應方有兩層：人工智慧（礦工）和區塊鏈（驗證者）。

• Bittensor 網路中的礦工託管人工智慧模型並將其提供給網路，礦工的成功取決於其提供的品質和性能。
• 礦工根據他們對網路貢獻的情報獲得 $TAO 補償（儘管這取決於手頭的具體任務）。
• 頂級模型的需求量更大，可以為礦工帶來更多收入。
• 驗證者充當網路內的評估者。 他們評估人工智慧模型的品質和有效性並管理用戶請求。 通過這種方式，驗證者可以根據特定任務的性能對模型進行排名，幫助消費者找到最佳解決方案。 他們的評估越準確和一致，他們獲得的獎勵就越多。 同樣，不一致的評估可能會導致處罰，從而確保驗證者保持高標準。
• 驗證者會受到 $TAO 的激勵，根據礦工的“智能貢獻”對他們進行排名。
• 驗證器還負責路由輸入以產生最佳輸出。 這是通過在相互補充（子網路）的礦工（模型）之間形成聯盟來實現的。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-2a9914f3b6-dd1a6f-cd5cc0.webp)

在需求方面，開發人員可以在驗證者的基礎上構建應用程式，利用（並支付）來自網路的特定用例的人工智慧功能。

• 被提名者是持有 $TAO 代幣並通過將代幣委託給特定驗證者，來積極支援特定驗證者的個人，這個委託可以幫助驗證者獲得更多的支持和獎勵。 被提名者本身會因參與這一過程而獲得獎勵。 如果驗證者表現不佳或者被提名者認為有更好的選擇，他們可以將支持轉移到另一個驗證者。
• 消費者是 Bittensor 提供的 AI 模型的最終使用者。 他們可能是將人工智慧功能集成到應用程式中的應用程式開發人員，也可能是尋求高質量回應的聊天機器人的使用者。
• 消費者優先考慮獲得準確且有價值的答案。
• 開發人員們會選擇他們認為最符合其要求的驗證者，以確保為其使用者提供一流的人工智慧服務。

上述利益相關者之間的協調產生了一個促進特定用例的最佳模型的網路。 任何人都可以進行實驗，這使得封閉原始程式碼的企業難以與之競爭。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-537fb144b5-dd1a6f-cd5cc0.webp)

在眾多誤解中，最常見的一個是認為該網路支援機器學習（ML）的訓練。 在當前狀態下，Bittensor僅支援推理，即根據證據和推理得出結論並提供響應的過程。 訓練則是一個獨立的過程，涉及教授機器學習模型來執行任務。 這是通過向模型提供大量標記示例數據集來實現的，使其能夠學習數據和標籤之間的模式和關聯。 與此同時，推理利用經過訓練的機器學習模型對新的、未見過的數據進行預測。 例如，可以採用經過訓練對圖像進行分類的模型進行推理，以確定以前未見過的新圖像的類別。

因此，需要注意的是，Bittensor 並不執行鏈上ML，其功能更像是鏈上Oracle或連接和編排鏈下 ML 節點（礦工）的驗證者網路。 這種配置創建了一個去中心化的專家混合 （MoE） 網路，這是一種 ML 架構，它融合了針對不同能力進行優化的多個模型，以形成一個更為強大的整體模型。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-4411c21d91-dd1a6f-cd5cc0.webp)

點對點智能市場

Bittensor 的點對點智慧市場是人工智慧開發領域的一個開創性概念，提供了一個去中心化且無需許可的平臺，與OpenAI或谷歌Gemini等更封閉的模型形成鮮明對比。

該市場旨在促進競爭性創新，推動人工智慧行業的發展，並使全球開發者和用戶社區能夠使用人工智慧。 任何形式的價值都可以被激勵，即為任何數位商品創造一個公平市場的協定。 換句話說，該協議體現了一種在網路內參與者之間交換機器學習能力和預測的點對點方法。 它促進了機器學習模型和服務的共用與協作，推動了一種合作和包容的環境，其中既可以託管開源模型，也可以託管封閉原始程式碼模型。

數位商品市場的興起

Bittensor 的獨特之處在於，它為數位商品市場的出現奠定了基礎，有效地將機器智能轉變為可交易資產。 該協定的核心是建立一個機器智慧商品化的市場。

類似於遺傳演算法，Bittensor的激勵系統持續評估礦工的表現，並隨著時間的推移選擇或回收礦工。 這個動態過程確保網路保持高效並能夠回應不斷變化的人工智慧開發格局。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-75f45a07ee-dd1a6f-cd5cc0.webp)

在 Bittensor 情報市場中，價值生成遵循雙重方法：

• 由礦工（稱為貢獻者）託管的高性能人工智慧模型會以 $TAO 代幣的形式獲得獎勵。
• 評估和利用情報的驗證者也將獲得 $TAO 代幣獎勵。

值得注意的是，Bittensor 不僅僅獎勵原始性能，還強調最有價值“信號”的生成。 這意味著獎勵系統優先考慮創建為廣大受眾提供實質性利益的信息，最終有助於開發更有價值的商品。

尤馬共識（Yuma Consensus）

作為一個獨立的Layer1區塊鏈，Bittensor由尤馬共識（Yuma consensus）演算法提供支援。 它是一種去中心化的點對點共識演算法，旨在實現計算資源在節點網路中的公平分配。

Yuma 採用結合了工作量證明（PoW） 和權益證明（PoS） 元素的混合共識機制。 網路內的節點執行計算工作，驗證交易並創建新的區塊。 這一工作也會被其他節點驗證，成功的貢獻者將獲得代幣獎勵。 PoS元件鼓勵節點持有代幣，使其利益與網路的穩定性和增長一致。

與傳統的共識機制相比，這種混合模型具有多種優勢。 一方面，它避免了通常與工作證明（PoW）相關的過度能源消耗，解決了環境問題。 另一方面，它規避了權益證明（PoS）中出現的中心化風險，保持了網路的去中心化和安全性。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d9549dace4-dd1a6f-cd5cc0.webp)

Yuma 共識機制因其在廣泛的節點網路上分配計算資源的能力而脫穎而出。 這種方法具有深遠的影響，因為它可以輕鬆處理更複雜的人工智慧任務和更大的數據集。 隨著網路集成了更多的節點，它自然地擴展以適應日益龐大的工作負載。

與依賴單個伺服器或集群的傳統集中式人工智慧應用程式相比，Yuma 支援的應用程式可以分佈在節點網路中。 這種分佈優化了計算資源的利用，使得能夠處理複雜的任務，同時減輕與單點故障和安全漏洞相關的風險。

知識精鍊**——數位蜂巢思維（Digital Hivemind）**

知識精煉是 Bittensor 協定中的一個基本概念，促進網路節點之間的協作學習，以提高性能和準確性。 與人腦中的神經元如何協同工作類似，知識蒸餾使節點在網路中集體提升。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-40b8040ddb-dd1a6f-cd5cc0.webp)

此過程涉及節點之間交換數據樣本和模型參數，從而形成一個隨著時間的推移進行自我優化以實現更精確預測的網路。 每個節點都為共用池做出貢獻，最終提高網路的整體性能，使其更快速，更適用於實時學習應用，比如機器人技術和自動駕駛汽車。

關鍵的是，這種方法減輕了災難性遺忘的風險，這是機器學習中常見的一個挑戰。 節點保留並擴展其現有知識，同時融入新的見解，增強了網路的彈性和適應性。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-34b2d46d74-dd1a6f-cd5cc0.webp)

通過在多個節點之間分發知識，Bittensor TAO網路變得更加抗干擾，對潛在的數據洩露也更具彈性。 這種穩健性對於處理高安全性和隱私敏感數據（例如財務和醫療資訊）的應用程式尤其重要（稍後將詳細介紹隱私）。

專家****混合 （MoE）

Bittensor 網路進一步創新，引入了去中心化專家混合 （MoE） 的概念。 這種方法利用了多個神經網路的力量，每個神經網路專門研究數據的不同方面。 當引入新數據時，這些專家會合作產生比任何個別專家單獨實現的更準確的集體預測。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-9967a4d2b5-dd1a6f-cd5cc0.webp)

採用的共識機制將深度學習與區塊鏈共識演算法結合在一起。 其主要目標是將權益分發為激勵那些為網路貢獻最多資訊價值的節點。 本質上，它獎勵那些增強網路知識和能力的人。

Bittensor 協定的核心由參數化函數組成，通常稱為神經元。 這些神經元以點對點的方式分佈，每個神經元都持有記錄在數位帳本上的零個或多個網路權重。 節點積极參與相互排名，訓練神經網路以確定其相鄰節點的價值。 這個排名過程對評估個體節點對網路整體性能的貢獻至關重要。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-eb808c6d10-dd1a6f-cd5cc0.webp)

通過此排名過程生成的分數會累積在數位分類賬上。 排名較高的節點會獲得貨幣獎勵，從而在網路中獲得額外的權重。 這在節點的貢獻和獎勵之間建立了直接聯繫，促進了網路內的公平性和透明度。

這種方法提供了一個市場，其中其他情報系統通過互聯網以點對點的方式對情報進行定價。 它激勵節點不斷提高他們的知識和專業知識。

為了確保獎勵的公平分配，Bittensor採用了Shapley值，這是從合作博弈理論中借用的概念。 Shapley 值提供了一種公平有效的方法，可以根據網路節點的貢獻在他們之間分配獎勵。 這種激勵與貢獻的結合激勵節點按照網路的最佳利益行事，提高安全性和效率，同時推動持續改進。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-39dd0a378b-dd1a6f-cd5cc0.webp)

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-b9d8e355c7-dd1a6f-cd5cc0.webp)

Bittensor 的核心使命是通過去中心化框架促進人工智慧領域的創新和協作。 該框架實現了知識的快速擴展和共用，創造了一個不斷增長且不可阻擋的資訊庫。 在這個市場中，開發者有權將他們的人工智慧模型貨幣化，併為企業和個人提供有價值的解決方案。

Bittensor 的願景延伸到了未來，人工智慧模型可以在各個行業中輕鬆訪問和部署。 這種可訪問性推動了進步並釋放了新的可能性，縮小了人工智慧功能和現實應用程式之間的差距。

與 Chat GPT 等著名的全球 AI 模型非常相似，Bittensor 模型基於通用數據集生成“表示”。 為了評估模型的性能，使用了Fisher的資訊來評估從網路中移除一個節點的影響，類似於在人腦中失去一個神經元。

除了模型排名之外，Bittensor 還非常重視互動式學習。 每個模型都會積極地與網路交互，尋求與其他模型的交互，類似於 DNS 查找。 Bittensor 充當 API，利用開源和閉源模型促進這些模型之間的數據交換，促進協作學習和知識共用。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-ac336cf579-dd1a6f-cd5cc0.webp)

該生態系統利用Yuma共識來確保每個人都遵守規則，成為開源開發人員和人工智慧研究實驗室的驅動力，為增強開源基礎模型提供經濟激勵。

從本質上講，Bittensor 的作用是不斷擴展的機器智慧存儲庫。 這是通過將 4 個不同的層整合在一起來實現的：

• 礦工層：負責在網路中生成有價值的工作。
• 驗證者層：確保礦工遵守既定的共識規則。
• 企業層：建立在現有基礎設施之上，開發創新產品和服務。 它是一個利用網路集體智慧創建新解決方案的平臺。
• 消費者層：從企業層產生的工作中受益。 代表使用由Bittensor網路驅動的產品和服務的終端用戶或組織。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d58da90e90-dd1a6f-cd5cc0.webp)

Bittensor發展史

Bittensor成立於2019年，由兩位人工智慧研究者Jacob Steeves和Ala Shaabana（以及一個匿名的白皮書作者Yuma Rao）創立。 他們當時正在尋找一種使人工智慧可複合的方法。 他們很快意識到加密貨幣可能是解決方案——一種激勵和協調全球機器學習節點網路以共同訓練和學習特定問題的方法。 向網路添加的增量資源提高了整體智慧，使先前研究和模型的工作復合起來。

Bittensor的旅程始於2021年1月的“Kusanagi”發佈，標誌著網络的啟動，允許礦工和驗證者開始獲得第一批$TAO獎勵。 然而，這一初始版本由於共識問題而暫停。 作為回應，Bittensor於2021年11月將“Kusanagi”分叉為“Nakamoto”。

在2023年3月20日，Bittensor達到了一個重要的里程碑，“Nakamoto”再次被分叉，這一次演變為“Finney”。 此次升級的目的是提高內核代碼的性能。

值得注意的是，Bittensor最初旨在成為Polkadot上的一條平行鏈，在2021年1月的拍賣中成功獲得了一條平行鏈插槽。 然而，由於對Polkadot開發速度有關的擔憂，隨後決定使用自己基於Substrate構建的獨立L1區塊鏈，而不是依賴於Polkadot。

當前狀態

Bittensor 已在主網上運行一年多的時間，其重點是開展先導性研究併為未來潛力奠定基礎。 以下是當前狀態的概述以及尚未在其驗證者之上構建業務用例的原因：

• 稀疏混合模型（Sparse Mixture Model）：Bittensor 作為一個模型運行稀疏混合模型。 它將特定的人工智慧模型吸引到這種混合物中，每個模型解決驗證者定義的更大問題中的特定角色。 配置和調整該模型以達到最先進的水準是一個複雜且反覆運算的過程。 目前，這個路線圖的階段由Opentensor Foundation領導。
• 智慧壓縮（蒸餾）：智慧壓縮是 Bittensor 的核心研究重點。 這涉及到提高網路效率和能力的蒸餾技術。
• 針對宏偉目標進行優化：Bittensor 的主要重點是針對宏偉目標進行優化，而不是短期業務用例。 Opentensor 致力於創建一個超越簡單點對點平臺且具有模型定價系統的網路。
• 進展和更新：在過去的一年裡，Opentensor 取得了重大進展，包括 Synapse 更新，它向外部請求開放了 Bittensor。 2023年10月，Revolution升級實現了通過子網的擴展。 這使得大型驗證者能夠獨立定義問題，從而在他們的權益中創造現金流的機會。
• 走向現實世界的擴張： Finney網路標誌著Bittensor的一個轉捩點，允許驗證者更加獨立行動並減少初始的中心化。 隨著網路權益的增長和區塊獎勵的增加，推動了人工智慧的增長。
• 即將到來的人工智慧業務用例：Bittensor 設想隨著包括人類和人工智慧在內的利益相關者遵循他們的激勵措施，現實世界的人工智慧業務用例將得到擴展。 多模態和元模態的實現即將到來，將子網路合併為統一的“智慧”格式。

通過最新的 Revolution 升級，Bittensor 使任何人都能夠創建專門針對特定類型應用程式的子網。 例如，例如，Subnet 4使用了JEPA（Joint Embedding Predicted Architecture），這是由Meta的Yann LeCun首創的一種處理各種輸入和輸出類型（如視頻、圖像和音訊）的人工智慧方法。

另一個引人注目的成就是Cerebras的BTLM-3B-8K（Bittensor Language Model），這是一個3B參數模型，使得可以在行動裝置上運行高度準確和高性能的模型，從而使人工智慧變得更加可訪問。 BTLM-3B-8K在Hugging Face上提供，使用Apache 2.0許可證進行商業使用。

大型的GPT模型通常有超過1000億的參數，需要多個高端GPU來進行推斷。 然而，來自Meta的LLaMA的發佈使世界可以在僅有70億參數的情況下獲得高性能模型，從而可以在高端PC上運行LLMs。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-7dfe49d03b-dd1a6f-cd5cc0.webp)

即使將一個擁有70億參數的模型量化到4位精度，它仍然無法適應許多流行設備，比如iPhone 13（4GB RAM）。 而一個30億參數的模型則可以輕鬆適應幾乎所有行動裝置，但先前的30億參數大小的模型性能遠遠不如它們的70億參數的對應物。 BTLM在模型大小和性能之間取得了平衡。 它擁有30億參數，提供的準確性和能力水平明顯優於先前的30億參數大小的模型。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-98433fdb9e-dd1a6f-cd5cc0.webp)

在查看各個基準時，BTLM 在除 TruthfulQA 之外的每個類別中得分最高。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-7a3929a513-dd1a6f-cd5cc0.webp)

BTLM-3B不僅優於所有30億參數的模型，而且在性能上也與許多70億參數的模型相媲美。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-be105b7dcc-dd1a6f-cd5cc0.webp)

Revolution – Bittensor 子網升級

Bittensor 的 Revolution 升級於 10 月 2 日啟動，標誌著 Bittensor 發展的一個重要里程碑，為其運營結構帶來了重大變化。 此次升級的核心是引入「子網」，這是一個開創性的概念，為開發者在塑造他們的激勵機制和在Bittensor生態系統內建立市場方面提供了前所未有的自主權。

此次升級的一個關鍵特點是引入了專門為制定激勵系統而設計的專用程式設計語言。 這項創新使開發人員能夠在 Bittensor 網路上創建和實施他們的激勵機制，利用其龐大的智慧池來定製市場，以滿足他們的具體要求和偏好。

此次升級還代表了對集中式模型的顯著背離，在集中式模型中，單一基金會控制網路的所有方面，轉向更加去中心化的框架。 現在，各種個人或團體都有機會擁有和管理子網。

隨著「子網」的引入，任何人現在都可以創建自己的子網路並定義他們的激勵機制，促進Bittensor生態系統內更廣泛的服務。 這種轉變促進了網路內的多樣性和分散化，符合Bittensor使命的開放和協作原則。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d7eecd9e37-dd1a6f-cd5cc0.webp)

此外，子網將通過在新的「路由網路」中獲取代表的共識來競爭發行，引入了一種能夠推動創新和資源分配的競爭性因素。

用戶創建的子網的出現可以讓人想起乙太坊向全球開發者社區敞開大門後應用程式的爆炸式增長。 此次升級還強調了將各種工具和服務合併到一個有凝聚力的網路中的潛力。 從本質上講，打造智慧所需的每個元素現在都集中在一個屋簷下，並由單一代幣（$TAO）監管。

路由網络

路由網路在Bittensor生態系統中扮演著關鍵的角色。 它充當一個元子網，其關鍵作用是根據主要代表的加權共識在其他子網之間分發發行。 這種轉變是深刻的，因為它從根本上將Bittensor從一個單一控制的系統轉變為一個動態的“網络之網络”。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-6f6a468339-dd1a6f-cd5cc0.webp)

至關重要的是，發行計劃不再完全受Opentensor基金會的控制。 '根’網路內的代表現在對激勵分配擁有權威。 這種轉變使激勵的控制分散化，不再完全依賴於任何單一實體，並將其置於『根』網路的掌控之中。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-6e3e92b322-dd1a6f-cd5cc0.webp)

子網

Bittensor 網路內的子網是獨立的激勵機制，為礦工與平台互動提供了框架。 這些子網在定義管理礦工和驗證者之間交互的協定方面發揮著關鍵作用。

此外，激勵機制的細節不再硬編碼在Bittensor代碼庫中。 相反，這些詳細資訊是在子網存儲庫中定義的，從而具有更大的靈活性和適應性。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-1e1da5e14a-dd1a6f-cd5cc0.webp)

Bittensor引入了特定的子網路，例如提示子網路和時間序列子網路。 提示子網路能夠執行各種提示神經網路，包括 GPT-3、GPT-4、ChatGPT 等，以進行去中心化推理。 此功能允許使用者與網路上的驗證器交互，並從性能最佳的模型中獲取輸出，從而為他們的應用程式提供先進的AI功能。

子網的運行方式是根據礦工和驗證者對網路貢獻的價值，將 $TAO 代幣分配給他們。 礦工對驗證者查詢的回應以及驗證者進行的評估過程的具體規則和協定由每個子網倉庫內的代碼確定。

• 在啟動時，將提供 9 個子網插槽，每個插槽預設可容納 256 個 UID（子網 1 除外，可容納 1024 個 UID）。 子網將通過尋求「根」網路內代表的共識權重來積極競爭發行。
• 要註冊子網，個人或實體必須在子網存在期間鎖定特定數量的 $TAO。 子網擁有者承擔完整的網路管理員的角色，並有權通過其各自的子網分配排放。 他們擁有完整的許可權，包括通過網路調用sudo操作的能力，例如設置網路最低費率等。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-3744e195d7-dd1a6f-cd5cc0.webp)

• 每個子網都與一個唯一的網路 UID 相關聯，子網的擁有權將轉移到鎖定其註冊所需金額的 $TAO 的錢包。 當子網創建時，將從創建者的錢包中扣除相應數量的$TAO並附加到子網中。 如果子網被註銷，鎖定的 $TAO 將返回給擁有者。
• 值得注意的是，在子網內抵押的$TAO返還的18%將授予子網擁有者。 這會激勵子網創建者制定吸引路由網路上的代表的機制，因為這增加了他們避免註銷的機會。
• 新註冊的子網在一周內獲得豁免期，在此期間不能註銷。 初始鎖定成本為2500 $TAO，在新子網註冊時翻倍。 隨著時間的推移，鎖定成本逐漸減少，按照類似於荷蘭拍賣機制的線性模式進行。 這種方法旨在通過隨時間調整鎖定成本來找到子網槽需求的平衡。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-e488b7cd1e-dd1a6f-cd5cc0.webp)

• 當一個子網被註銷時，用於其註冊的$TAO將返還給擁有者，子網內的所有礦工都將被移除，網路狀態將被重置。

根網络

根網路充當「元子網」的角色，位於其他子網之上並影響其運作，同時在確定整個系統的發行分數方面發揮關鍵作用。

其主要功能是利用代表們參與的加權共識機制為每個子網生成一個發行向量。 根網路內的代表根據他們的偏好為不同的子網分配權重，最終的共識機制確定了發行的分配。

一個值得注意的方面是，“根”網络有效地鞏固了參議院和代表機制的作用，將這些職能整合為一個實體。 這種整合簡化了 Bittensor 生態系統內的決策流程。

“根”網络擁有通過影響激勵分配來塑造生態系統的權力。 如果它認為某個子網或系統的某個特定方面沒有價值，它就有能力減少或消除對該元件的激勵分配。

Bittensor 網路內的子網必須積極努力吸引「根」網路內代表的大部分權重，以確保獲得釋放激勵的重要份額。 這種競爭性的方面強調了子網向更廣泛的生態系統展示其價值和效用的重要性。

此外，它賦予網路內的前12個密鑰否決三巨頭提交的提案的潛力，為系統添加了額外的治理層面和制衡。

行業展望

在科技領域，權力長期集中在少數科技巨頭手中。 這些巨頭一直保持著對推動創新至關重要的有價值的數位商品的控制權。 然而，Bittensor 通過其市場引入了更加民主和易於訪問的系統，承認並挑戰了這種流行的模式。

Bittensor的基本見解在於，智慧是各種數位商品（如計算能力和數據）的結果。 在歷史上，這些商品一直受到嚴格的控制，限制在科技巨頭的領域。 Bittensor試圖通過引入用戶創建的子網來打破這些束縛。 這些市場將在一個統一的代幣系統下運作，確保全球開發者對曾經只有大科技封閉生態系統中少數精英專屬領域的資源擁有平等的訪問權。

潛在採用

在當今的數字時代，人工智慧 （AI） 的變革力量是不可否認的。 人工智慧已經成為我們生活中不可或缺的一部分，它簡化了研究、自動化工作流程、協助編碼以及從文本生成內容。 人工智慧能力的快速增長是顯而易見的，但這種增長也帶來了與可擴展性以及最重要的可靠性相關的挑戰。 尤其是ChatGPT在華盛頓討論AI監管時出現的臨時中斷等最近事件，突顯了解決AI擴展挑戰的強大解決方案的迫切需要。 這些中斷讓使用者對AI在日常生活中變得越來越集成時的穩定性和可靠性感到擔憂。 正是在這些時刻，Bittensor的$TAO的重要性顯而易見。

Bittensor的方法不僅支持開源AI，還表明它可以成為一項具有財務回報的追求。 它借鑒了比特幣挖礦中所見到的競爭演變，併為一個繁榮的市場鋪平了道路，在這裡最優秀的AI模型脫穎而出。 這種轉變賦予了AI研究人員在一個開放而動態的環境中貢獻他們的專業知識的能力，最終使整個社會受益。

$TAO 提供了一種去中心化的人工智慧基礎設施，可以緩解ChatGPT遇到的潛在問題。 通過去中心化 AI，Bittensor 確保了 AI 系統的彈性和可靠性，即使其需求不斷增長。 這種方法為人工智慧服務的未來奠定了可靠的基礎。

簡而言之，Bittensor是一個全球開源人工智慧市場，為封閉源AI開發帶來的挑戰提供了一個引人注目的解決方案。

• 人工智慧卓越的引力：Bittensor充當了一個引力，吸引了來自全球研究人員的最優秀的AI模型。 通過促進AI的自由市場，該網路鼓勵提交尖端模型。 隨著它的成熟，Bittensor承諾降低價格，消除平台風險，並提供最佳的AI輸出，無論是文本、圖像、視頻還是其他格式。
• 可盈利的開源：Bittensor 將開源 AI 轉變為可盈利的事業。 效仿比特幣的例子，Bittensor 的構建假設利益相關者是利潤驅動的。 在這個生態系統中，最好的人工智慧模型能賺到最多的錢。 它與比特幣挖礦的發展並行，轉變為一個競爭激烈的專業化行業。 博士研究人員現在有機會將他們的研究帶到這個開放的市場，彌合了學術界和私營行業之間的差距。
• 令人印象深刻的規模：Bittensor的激勵產生了顯著的結果。 該網路服務於超過4,000個AI模型，包括令人驚訝的10萬億模型參數。 將這與GPT-3的1750億參數相比，可見一斑。
• 多元化的利益相關者：Bittensor 的生態系統涉及一系列利益相關者，包括礦工、驗證者、提名者和消費者。 這種多元化的參與確保了網路的穩健性和持續增長。

AI的當前狀態是一個重要的考慮因素，其中許多內容仍然鎖定在封閉的大科技公司控制之下。 這帶來一個問題：如果AI可以在一個協作的環境中是開放的並且能夠從其他AI模型中學習，會怎麼樣？Bittensor的$TAO試圖提供對這個問題的解決方案。

• 增長採用：雖然一些主要的人工智慧公司可能會猶豫是否公開其專有的人工智慧技術，但 $TAO 提供了一個有趣的提議。 它引入了通過微交易進一步貨幣化的可能性。 想像一下，每次有人在 Bittensor 生態系統中使用他們的訓練模型來構建他們的產品和業務時，OpenAI 等成熟的人工智慧解決方案都會接受小額支付。 這可以為這些公司開闢新的收入來源，鼓勵他們參與開放的人工智慧網路。
• 需求推動的採用：假設當前的人工智慧解決方案仍然是封閉的並且對開放網路持抵制態度。 即使擁有大量資金可供支配，開源也有可能超越這些資金雄厚的解決方案。 雖然財政資源對於技術發展至關重要，但能夠自主學習並從環境中學習的技術的潛力不應被低估。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-b409a0527f-dd1a6f-cd5cc0.webp)

開源困境

隨著對AI中的對齊問題的擔憂不斷增長，圍繞AI模型是否應該是開源的辯論日益引起關注。 根本問題是AI模型背後的實際代碼是否應該對所有人免費開放。 有趣的是，即使像OpenAI這樣的主要參與者開源他們的模型，這未必會對Bittensor構成威脅。 在開源環境中，任何人都可以在Bittensor網路上利用這些模型。

在技術社區中，對這個問題存在不同的意見。 有人認為開源AI技術可能會使惡意行為者有能力利用AI進行有害目的。 相反，其他人認為將對AI技術的獨家權利授予主要公司可能帶來更大的危險。 例如，將AI權力集中在少數幾家萬億美元的公司手中，正如OpenAI專注於籌集大量資金所示，可能會引發道德擔憂，突顯出權力腐敗的風險。

Meta開源其Llama2 LLM的決定表明行業在向擁抱開源實踐轉變。 這一舉措為Bittensor提供了學習並可能將Meta的進展整合到其網路中，更迅速地縮小性能差距的機會。

有必要審視$TAO和OpenAI的估值。 目前，OpenAI在行業中佔據主導地位，估值在800億至900億美元之間。 然而，它在一個嚴重依賴於Microsoft及其受控雲服務的封閉生態系統內運作。 儘管如此，OpenAI成功地吸引了來自全球各地的頂級人才。 另一方面，隨著時間的推移和開源倡議變得更加普遍，可用人才的範圍有望呈指數級擴大，覆蓋互聯網的各個角落。 這種對AI專業知識的民主化可能在塑造Bittensor的採用方面發揮關鍵作用。

競爭格局——中心化AI

開發者採用仍然是Bittensor發展道路上的一個關鍵因素。 目前，開發者可以通過OpenTensor Foundation開發的Python API與網路互動，突顯培養強大的開發者社區以推動採用的重要性。 如今，Bittensor正在積極努力分散網路的關鍵方面，如模型創建和訓練，獎勵最精細調校的模型，同時促進社區驅動的決策制定。

有趣的是，AI領域的老牌企業，包括 OpenAI 和谷歌，現在已經成為 $TAO 的競爭對手。 他們深入參與人工智慧的模型生成階段，甚至涉足各個行業內潛在的垂直整合。 在這種背景下，$TAO 面臨的主要挑戰之一是數據劃分問題。

與Facebook、Apple、Amazon、Netflix和Google（FAANG）等科技巨頭不同，這些公司可以訪問大量有意義的數據倉庫，眾包社區可能缺乏相同級別的資源和數據訪問。 FAANG組織具備財力支援，可以利用強大的硬體，如Nvidia的尖端技術，包括H100和GH200，這可以顯著加速AI模型訓練。

與此同時，值得注意的是，今天所有主流的AI解決方案都以封閉和集中的形式存在。 這包括像OpenAI、Google、Midjourney等知名公司，它們各自提供顛覆性的AI解決方案。 然而，封閉和開源模型之間的差距正在迅速縮小。 開源模型在速度、定製、隱私和整體能力方面越來越受到青睞。 與其封閉的同行相比，它們以相對較小的預算和參數規模實現了令人印象深刻的功能。 此外，這些開源模型在加速時程表上運作，無需幾個月而是能夠在幾周內交付結果。

作為一家強大的科技巨頭，谷歌已經認識到了這一變革趨勢。 公司的一份內部洩露檔中表示：「我們沒有護城河，OpenAI 也沒有。 “其強調了開源人工智慧在競爭格局中日益增長的影響力。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-f301f1311b-dd1a6f-cd5cc0.webp)

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-6901ebdeab-dd1a6f-cd5cc0.webp)

在這個不斷發展的人工智慧生態系統中，$TAO 作為變革的催化劑出現，挑戰了人工智慧開發和培訓的傳統模式。 其去中心化的方法和社區驅動的精神使其成為科技巨頭曾經佔據主導地位的動態舞臺上的競爭者。

與限制對單個人工智慧模型的訪問的集中式平臺不同，Bittensor 的架構提供了對智慧的無需許可的訪問。 它是人工智慧開發人員的一站式商店，提供所有必要的計算資源，同時接受外部貢獻。 這種包容性模型將整個互聯網的神經網路互連起來，創建了一個全球性、分散式、激勵驅動的機器學習系統。

要實現AI的全部潛力，就必須擺脫封閉源開發實踐及其相關的局限性。 就像兒童通過社交互動拓寬他們的理解一樣，AI在動態環境中蓬勃發展。 接觸多樣化的數據集，從創新研究人員獲得的見解以及與各種模型的互動有助於培養更加強大和智慧的AI系統的創建。 AI的軌跡不應該由單一實體來決定。

在這兩種未來截然對立的情況下，選擇是一個由黑盒演算法和集中權威主導的世界，還是一個開放、民主化的人工智慧景觀對社會來說至關重要。

在第一種情景中，像OpenAI或Anthropic這樣的大型公司掌握了AI解決方案的控制權，我們面臨著生活在不斷監視制度下的風險。 這些公司將對我們的個人數據和日常互動擁有巨大的權力，有權關閉服務並舉報持不同意見或進行討論的個人。

然而，更為樂觀的選擇提供了一個以開源平臺為基礎、建立在普遍擁有的網路上的人工智慧世界。 在這裡，權力和控制是分散的，人工智慧是賦權而非監控的工具。 在這種情況下，創造力和發展可以在沒有企業偏見或審查的恐懼下蓬勃發展。

就像互聯網使得獲取信息的途徑民主化一樣，一個開放的人工智慧生態系統將使得獲取智慧的途徑民主化。 它確保智慧不會被少數人壟斷，促進一個任何人都可以貢獻、學習和受益的公平競技場。

$TAO 代幣經濟學

• 與比特幣類似，$TAO代幣的總最大供應量被限製為21,000,000，將在256年後發行完畢。
• $TAO的減半將每經過1050萬個區塊發生一次，將在未來45年以上發生64次減半事件。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/resized-social/moments-69a80767fe-2a67632750-dd1a6f-cd5cc0)

• 該網路的出塊時間約為12秒，每個塊獎勵礦工和驗證者1 $TAO。
• 目前，這相當於每天發行7,200個新的$TAO代幣，平均分配給礦工和驗證者。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-884e1cb52b-dd1a6f-cd5cc0.webp)

與比特幣的另一個相似之處是，$TAO 的發行時程表也遵循減半的概念，大約每4年發生一次。 然而，這是由代幣發行總量決定的，而不是由區塊數量決定的。 例如，一旦發行了總供應量的一半，發行率就會減半。

重要的是，用於回收註冊的 $TAO 代幣被燒回未發行的供應中，導致減半間隔逐漸延長。 這種機制確保發行時程表隨著時間的推移動態調整，反映網路的需求和經濟動態。

$TAO 代幣經濟

Bittensor 的 $TAO 代幣經濟的特點是簡單、致力於去中心化和公平分配。 與許多其他區塊鏈專案不同，$TAO 代幣並未通過ICO、IDO、私募給 VC 或特權分配給團隊、基金會或顧問的方式分配給任何一方。 相反，每個流通的代幣都必須通過積极參與網路來賺取。

網路中還有資本配置者，作為礦工或驗證者參與並提供做市服務，例如 DCG、GSR 或Polychain。 重要的是，它們中沒有一個是通過預售或私募銷售獲得代幣分配。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-90563ba42f-dd1a6f-cd5cc0.webp)

$TAO 代幣可用於治理、質押和參與共識機制，以及作為 Bittensor 網路內的支付手段。

通過這種方式，驗證者和礦工將他們的代幣作為抵押品來保護網路並獲得通脹性發行的獎勵，而使用者和企業則可以使用$TAO來訪問構建在網路上的人工智慧服務和應用。。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-f2d14baa6a-dd1a6f-cd5cc0.webp)

新的$TAO代幣只能通過挖掘和驗證來產生。 網路獎勵礦工和驗證者，每個區塊授予 1 $TAO 獎勵，由礦工和驗證者平均分配。 因此，獲取 $TAO 的唯一方法是在公開市場上購買代幣或參與挖礦和驗證活動。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-5ae6f5358c-dd1a6f-cd5cc0.webp)

$TAO 簡單的代幣分配模型反映了去中心化原則，讓人想起中本聰設定的比特幣精神。 $TAO 的創世鑄造與比特幣的釋放時程表 （$BTC） 一致，為任何為網路貢獻價值的人提供平等的機會。 這種方法強調了防止權力和擁有權集中的重要性，特別是在人工智慧領域，它具有重大的社會影響，不應由少數人控制。

這種分配模式確保採礦仍然是一個競爭過程。 隨著越來越多的礦工加入網路，競爭加劇，保持盈利能力面臨挑戰。 這反過來又促使礦工尋找降低運營成本的方法，從而提高網路內的效率和創新。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d58032c98f-dd1a6f-cd5cc0.webp)

$TAO 的價值捕獲

$TAO 是 Bittensor 網路的原生代幣，其內在價值源自其在生態系統中的獨特作用。 與網路代幣通過出售區塊空間獲得價值的標準 L1 模型不同，$TAO 的價值與其支持的人工智慧服務挂鉤。 隨著這些人工智慧服務變得更具影響力和實用性，對 $TAO 的需求也在增加。

持有$TAO可訪問一系列相互連接的數字資源，包括由網路參與者生成和驗證的數據、頻寬和智慧。 正如發行計劃所反映的，$TAO的價值不僅僅基於投機或稀缺性，而更深深植根於其在Bittensor網路中提供的切實貢獻和實用性。

然而，保持這種創造和獎勵的迴圈並不能得到保證。 礦工和驗證者雖然為網路提供有價值的智慧並因此獲得$TAO代幣作為回報，但也有出售代幣以支付開支的動機，類似於比特幣礦工。

代幣價格的價值如何？

與任何其他代幣一樣，$TAO的價格由供需的基本經濟原則決定。 $TAO的需求增加導致價格上漲，而需求減少則導致價格下跌。 因此，其想法是，生態系統活動的需求將抵消供應釋放。

您只能通過為網路做出貢獻才能獲得 $TAO。 為此，您需要購買並持有或花費它才能開始使用網路。

• 需求驅動因素：

1. 生態系統活動：
2. 驗證者需要 $TAO 代幣進行註冊。
3. 使用者可以購買$TAO來參與與情報對齊相關的投票過程。
4. 用作網路內的支付。
5. 需要質押並委託 $TAO 來賺取質押獎勵。 這有助於抵禦通貨膨脹性發行。
6. 投機溢價是押注區塊鏈和人工智慧等兩種顛覆性技術融合的上行潛力的一種方式。
7. 更多開發者進入網路並利用開源模型的潛力而產生的網路效應

• 供應驅動：

1. 通脹排放代幣發行總量達到 21,000,000
2. 礦工和驗證者可以出售 $TAO 代幣來支付運營費用。 這方面類似於比特幣礦工出售比特幣以彌補成本。

隨著網路的擴展以及更多人工智慧模型和子網的添加，價值獲取的潛力也在增加。 人工智慧和區塊鏈之間的協同作用也推動了網路的增長，創造了一個自我強化的迴圈。

這樣，Bittensor 體現了梅特卡夫定律的原理，即網路的價值與連接的使用者或節點數量的平方成正比。 隨著越來越多的參與者加入網路，它提供的價值呈指數級增長。

如何獲取這樣的價值

在 Bittensor 中，驗證者被激勵去從代幣持有者處獲得質押，而這種質押對於它們在網路內的運作至關重要。 作為代幣持有者，您可以選擇將$TAO委託給各種不同的驗證者。 最常見的選擇是OpenTensor Foundation本身，它擁有約20%的網路擁有權。

目前，驗證者將他們82%的獎勵以$TAO代幣的形式分發給委託人。 因此，將$TAO代幣委託給驗證者對於代幣持有者來說是一種賺取質押獎勵的機會。 這有助於保護使用者免受到代幣通脹性發行造成的潛在稀釋。

• 驗證者獎勵目前為 22.45%
• 目前質押獎勵為 18.41%

風險/回報和時間範圍

在評估將部分投資組合分配給 $TAO 的風險/回報時，瞭解您實際購買的是什麼非常重要。 例如，購買並不賦予持有者獲得網路經濟活動產生的以美元支付的任何形式的收益的權利。 相反，您會獲得代幣發行作為獎勵。 作為代幣持有者，您可以將這些發行的代幣委託給一個驗證者以獲得年利率，並增加您的$TAO持倉。

$TAO與比特幣的類比是清晰的，但是比特幣背後有一個使其獨特的內在故事。 沒有人能夠提供對$BTC的價值是什麼或者為什麼它具有任何形式的價值的令人滿意的答案，因此社區最終陷入了無幣者、“垃圾幣者”和極端主義者之間的部落戰爭。

實際上，比特幣的代幣經濟是容易理解的：$BTC用於激勵礦工運營和維護網路，因而現有的持有者會被稀釋（儘管他們可以成為礦工或在Bittensor的情況下成為委託者）。 因此，持有代幣的人沒有受到激勵，也沒有從基礎網路中獲得任何獎勵。

但是對於$BTC來說，有一個重要的因素需要考慮，那就是稀缺性。 事實上，只會有2100萬個$BTC，這使得它獨一無二。 而$TAO的代幣經濟雖然是以比特幣為模型，但仍然有超過70%的未發行代幣。 這對投資者來說帶來了一個困境：他們更看重網路的去中心化，還是資產的稀缺性。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-7cd109ab79-dd1a6f-cd5cc0.webp)

最終，$TAO的效用源自它提供的人工智慧模型訪問許可權、治理用途、獲得質押獎勵的機會以及作為激勵機制的機會。

運營費用

目前的基礎設施建設費用由Opentensor Foundation通過委託及委託獎勵獲得。 其他的開發是由經營自己的驗證節點的第三方進行的，他們也通過委託進行資助。

正如任何全球倡議都需要資金用於研究、開發和部署一樣，人工智慧的成功取決於如何協調資本以及如何獎勵利益相關者的貢獻。 正是這種資源（研究、用於訓練的 GPU 等）的戰略分配推動了人工智慧的發展和影響。

在人工智慧領域，尤其是像 ChatGPT 這樣的大型語言模型，運營成本非常高。 例如，OpenAI估計每天運營ChatGPT的成本約為70萬美元，這顯示出了大規模AI模型所帶來的高額財務負擔。 每個模型的培訓成本可以從數百萬美元到數千萬美元不等，使其成為一項更加資源密集的工作。 在大型數據集上訓練模型的成本甚至可能更高，高達3000萬美元。 雖然該公司已經籌集了大量資金，包括最近從微軟獲得的投資（大約一半以Azure積分的形式），但訓練大型語言模型的不斷增長的成本仍然是一個令人擔憂的問題。 每次訓練運行的成本都是數百萬美元，而為新模型從零開始的需求更加劇了這個問題。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-9312204912-dd1a6f-cd5cc0.webp)

這就是Bittensor「知識複合」方法的相關性所在。 Bittensor獨特的方法專注於通過「知識複合」實現去中心化和協作。 這一理念使得AI系統能夠分散地構建在現有知識基礎上，提供諸如以下優勢：

• 成本效率：通過利用現有知識並不斷改進，Bittensor的方法有望減少從頭開始的昂貴的重新訓練的需求。
• 適應性：大規模的AI應用通常面臨不斷變化的需求和挑戰。 在這方面，去中心化的方法使組織能夠更靈活地調整其AI系統，確保其在動態環境中保持相關性和效力。
• 去中心化：Bittensor 的去中心化網路為全球貢獻者社區提供支持，減少對單個實體或中心化基礎設施的依賴。 這促進了人工智慧開發的創新和多樣性。
• 協作：知識複合的協作性質鼓勵網路中節點之間的知識共用和合作學習，為AI進步創造了一個充滿活力的環境。

團隊及投資者

Bittensor 是一種開源協定，為去中心化的、基於區塊鏈的機器學習網路提供支援。 Bittensor團隊包括Jacob Steeves（創始人）、Ala Shaabana（創始人）、Jacqueline Dawn（市場總監）以及Saeideh Motlagh（區塊鏈架構師）等人。 Opentensor Foundation計劃在今年擴大他們的團隊。

在Bittensor的白皮書中也提到了一個化名叫Yuma Rao的人物，就像比特幣中的中本聰一樣。 目前尚不清楚這個人是否真實存在，我們可能永遠無法瞭解更多關於他或她的資訊。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-9617e7590f-dd1a6f-cd5cc0.webp)

Bittensor沒有披露任何知名的顧問或關鍵投資者，除了接受來自OpenTensor Foundation的資金支援，該基金會是一個支援Bittensor開發的非營利組織。 Bittensor還沒有宣佈任何官方合作夥伴關係。

觀點

大多數科技公司的估值遠低於新冠大流行前的估值，但人工智慧公司目前的估值倍數和增長率都已達到最高水準。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-caa13cb78f-dd1a6f-cd5cc0.webp)

以遠低於行業巨頭的市值，Bittensor可能確實是大規模/高需求AI應用和使用開源模型的理想平臺。

顯然，衡量上漲空間的最簡單比較是與OpenAI的私募估值相比，後者為290億美元。 無論現實性如何，這比$TAO的FDV稍高28倍。 考慮到整個供應將需要多長時間進入流通，我們可以使用流通市值來得出OpenAI的私募估值高出$TAO市值的108倍以上的大致數位。 然而，這是一種高度投機的方法，可以簡化為對能夠從AI和加密的交匯處受益的項目進行投注。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-a0d48c18b7-dd1a6f-cd5cc0.webp)

Bittensor最重要的特徵是它正在解決AI的中心化問題。 目前，少數幾家公司控制著少數幾個龐大而強大的模型，但它們都是隔離的，幾乎沒有任何協作或知識共用。

孤立的AI模型無法互相學習，因此它們是非複利的（研究人員必須每次創建新模型時都從頭開始）。 這與AI研究形成了鮮明對比，新研究人員可以在過去研究人員的工作基礎上構建，從而創造出一種增長效應，大大推動了思想的發展。

孤立的AI在功能上也受到限制，因為第三方應用和數據集成需要模型擁有者的許可（以技術合作夥伴關係和業務協定的形式）。 這種限制直接影響了AI的價值和效用，因為它只能在其有效支援的應用範圍內發揮作用。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d262cd2cee-dd1a6f-cd5cc0.webp)

這種中心化、贏家通吃的環境對於資源較少的小團隊來說並不有利。 在這種情況下，Bittensor的核心優勢在於它們的去中心化網路和激勵機制，鼓勵小團隊和研究人員將他們的工作變現。

如果Bittensor成功縮小與領先的閉源AI供應商（如GPT-4）之間的性能差距，它可能成為加密和人工智慧領域開發人員、企業和研究人員的首選。 其開放和協作的性質使其成為封閉生態系統的有吸引力的替代方案，有可能帶來重大的採用。 最終，TAO的估值可以來自網路的效用（建立在其上的經濟活動）或協定的直接現金流。

• 作為實用代幣，$TAO 需要訪問網路。 因此，其估值可以根據建立在其之上的經濟效用得出。
• 作為質押代幣，持有者可以將 $TAO 委託給驗證者，並獲得網路收入的一部分。
• 我們還可以根據市場份額和多重假設來衡量回報（這也會導致預測值不可靠）。

由於實用性更為主觀和抽象，我們可以從現金流開始。 假設將來機器學習市場能夠達到一定的市場規模（請參見下圖中的Precedence Research估算），我們可以根據其潛在市場份額和收入倍增來估值Bittensor網路。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-98f06d24ca-dd1a6f-cd5cc0.webp)

不論估計的市場規模如何，Bittensor仍然是一個非常專業和複雜的專案，這對於開發人員的輕鬆入門和用戶的採用都是一種阻礙。

該專案仍處於開發的早期階段，網路可能會出現意外問題。 例如，在6月份，有礦工之間發生了串通行為，對網路進行了操縱，導致$TAO在市場上被拋售。 暫時的解決方案是將發行量減少90%，以給Opentensor Foundation額外的時間來解決網路的問題，使協定能夠按預期運行。

目前在網路上運行的大多數產品都無法與中心化對手競爭，迄今為止採用率較低。 了解並親自嘗試的最佳方式是測試Bittensor Hub提供的服務。

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-3405f8e3c9-dd1a6f-cd5cc0.webp)

我們還應該問一個問題，即比特幣的通證經濟學是否適用於像Bittensor這樣專門提供人工智慧服務的網路。 也許$BTC的緊縮性特質並不適合一個需要增加礦工和構建在其上的應用程式才能擴展的網路。 理想情況下，代幣應該隨著網路採用的增長而膨脹，更類似於數位石油而不是數字黃金。 在某種程度上，這已經內置在其中，激勵礦工相互競爭，並在200多年的時間內分發供應。

另一個挑戰是隱私，因為在數據通過神經網路之前不可能對其進行加密。 在去中心化的環境中，這更加棘手，因為通過學習和/或推斷過程的任何數據肯定不會是私有的。 當然，這在中心化環境中也可能是一個潛在問題，但那時你只需擔心一個已知方的當事人看到你的數據，而不是未知的許多方當事人。

經濟學

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-dcb55c8b6a-dd1a6f-cd5cc0.webp)

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-d59f1b84b0-dd1a6f-cd5cc0.webp)

代幣價格

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-959fca921c-dd1a6f-cd5cc0.webp)

相對於 ATH 和 ATL 的價格

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-4064e3dd68-dd1a6f-cd5cc0.webp)

供應分配

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-2b9a9c7b85-dd1a6f-cd5cc0.webp)

! [萬字詳解：Bittensor網络和代幣TAO如何革新AI行業] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-08d5379a75-dd1a6f-cd5cc0.webp)

結論

Bittensor可能是在人工智慧和加密領域交匯處的一個強有力的投注。 然而，毫無疑問，這是一個評估其增長率和潛在上漲空間最為複雜的專案之一。 在去中心化網路中利用人工智慧的效用，特別是在激勵開源模型和分散網路擁有權方面，顯然有很大的潛力。 然而，建立在Bittensor之上的服務和業務案例目前尚不具備足夠的競爭力。

人工智慧是一個需要巨額運營開支和大量資金支持的行業，只有行業巨頭才能實現這一目標。 在這個意義上，Bittensor是一個非常逆向思維的賭注，這就是為什麼值得考慮盡可能多的風險/回報因素。