深入解析Bittensor：子網路有什麼值得期待的專案？

原文標題：Into the Bittensor Ecosystem
原文作者：0xJeff，AI 投資人
原文編譯：律動小 deep

編者按：作者介紹了 Bittensor 生態系統，一個透過「達爾文式 AI」推動去中心化 AI 發展的 Web3 平台。作者分享了對加密貨幣和 AI 的熱情，探討了中心化 AI 產品的便利性與潛在風險，例如資料所有權和平台穩定性問題。 Bittensor 透過競爭與激勵機制，利用$TAO 代幣與子網（subnet）結構，促進 AI 模型的自然選擇與演化，吸引投資人注意。

以下為原文內容（為便於閱讀理解，原文內容有所整編）：

加密貨幣對我來說一直充滿吸引力。總有新的東西可以讓我學習。我天生好奇，喜歡向技術人員提出很多「傻」問題，只為窺探他們的見解並從他們的寶貴經驗中學習。

人工智慧（AI）也不例外，事實上，事情發展得快得驚人。 Web2 科技巨頭不斷改進他們的模型，主要應用正利用 AI 推出各種 AI 驅動的用例：

· @canva 推出了 AI 工具，讓非技術背景的藝術家和創作者能夠輕鬆構建交互體驗，並用 AI 增強他們的創作。

· @YouTube 引入了一款新的 AI 工具，允許創作者為影片生成背景音樂。

· 像 Grab 這樣的叫車平台部署了代理 AI（agentic AI）來支援商家和司機夥伴。

· 像 Lazada 這樣的電商平台引進了生成式 AI（GenAI）工具，幫助賣家提升銷售、行銷和客戶服務。

諸如此類的例子不勝枚舉。利用生成式 AI 和代理 AI 來改善工作流程的實際用例，已經在企業和零售用戶中持續被採用。

這些技術的優點在於它們容易取得－你幾乎隨處都能找到免費或低成本的解決方案。其收益遠遠超過財務成本。

但人們常常忽略使用這些 AI 產品時隱藏的權衡，例如：

· 你的資料歸誰所有？

· 別人能否拿走你的創意並發展出競爭產品？

· 平台安全嗎？你的資料會外洩嗎？

· 如果平台宕機（像 AWS 曾經那樣），你的業務會停擺嗎？客戶資金會有風險嗎？

· 你能始終造訪你的平台嗎？是否需要驗證身分？如果平台關閉，你還能否擁有你的產品或業務？

還有更多問題（我在之前的文章中更詳細地討論過這些，如果你還沒讀過）。

中心化玩家擁有中心化的權力，他們的決策可能（無意中）對你的生活產生巨大影響。

你可能會說這無所謂－也許你不常使用這些工具，或是你相信這些公司會以使用者的最佳利益行事。這沒問題。你甚至可能想投資這些 AI 新創公司，因為它們正在開拓龐大的市場。但問題是──你無法做到。除非你在 @ycombinator 或頂級風投公司，否則你無法獲得這些投資機會。

另一方面，在 Web3 AI 中，有許多可投資的 AI 生態系統，團隊致力於為使用者帶來去中心化的 AI 產品和服務。其中最值得投資的去中心化 AI（DeAI）生態之一是 @opentensor（Bittensor）。

Bittensor：達爾文式 AI

Bittensor 屬於「達爾文式 AI」類別－透過自然選擇推動 AI 的演化。想像這是一場 AI 版的《飢餓遊戲》，每個子網（subnet）都有自己的「飢餓遊戲」，「礦工」（miners）作為參賽者（或「貢品」）。他們用自己的模型和數據在特定任務上相互競爭。只有最適應的模型（表現最好的模型）會獲得獎勵。較弱的模型會被替換或演化（透過訓練、調整或向其他模型學習）。久而久之，這將形成一個更強大、多樣化且高性能的 AI 生態系統。

Bittensor 尤其令人興奮的是其競爭與激勵機制，旨在協調不同利害關係人之間的激勵。我在下面的推文中概述了 Web3 AI 代理團隊面臨的挑戰……

tl;dr：當前的代理代幣對投機者和團隊來說是個好工具，可以用來製造熱度，但對獲取和留存用戶不利，也無法作為激勵機制來留住（開發者、創始人等），尤其是當價格下跌時。

Bittensor 透過市場驅動的機制解決了這個問題，將$TAO 排放分配給子網，從而激勵並支持團隊的運作。市場透過在子網內質押$TAO 來決定哪些子網獲得更多排放。一旦質押，$TAO 將轉換為 Alpha 子網代幣。質押的人越多，Alpha 代幣價格越高，你獲得的排放量（以 Alpha 代幣形式）就越多。

TAO 的排放機制 BTC 非常相似，固定 2100 萬代幣總量，每 4 年減半一次（每天 7200 個$TAO 排放到子網）。第一次$TAO 減半預計在 2026 年 1 月 5 日左右發生，屆時流通供應量將達到 1,050 萬個代幣。

為什麼這對投資者重要

這裡不深入探討技術細節——只想分享為什麼我認為 Bittensor 是從交易/投資角度看最令人興奮的生態系統之一。

除了上述動態，交易 Alpha 子網路代幣時，感覺像是同時交易和挖礦。

這是因為每次 Alpha 代幣價格升值時，你不僅能感受到價格升值，還能獲得$TAO 排放（以 Alpha 代幣形式）。

如果子網表現非常好並排名上升，你最初質押的$TAO 將經歷大幅價格升值和排放激增。越早質押$TAO 到子網，你的年化收益率（APY）就越高（因為市場尚未跟上，質押的人和$TAO 數量較少）。

dTAO vs Solidly

Solidly 的 ve(3,3) 需要長期鎖定和持續參與。錯誤投票（為錯誤的 LP 池投票）導致的排放損失由所有持有人承擔（排放被拋售，所有代幣持有人的價格下跌）。

而 dTAO 無需長期鎖定，任何人都可以隨時進入或退出，但在子網上質押需要大量盡職調查（DYOR）。投資錯誤的子網可能導致巨大損失（因為人們可以輕鬆退出，沒有鎖定期）。

但是，FDV（完全稀釋估價）太高了！如何投資 FDV 超過 5 億美元的子網路？

FDV 可能不是這裡的最佳指標，因為子網仍處於早期階段，市值（MC）可能更適合（如果你是短中期交易）。

如果你擔心通貨膨脹，了解 18%/41%/41% 的排放分配很有幫助——這些分別是子網所有者、驗證者和礦工獲得的排放（以 Alpha 代幣形式）。身為質押者/Alpha 代幣持有者，你從驗證者的 41% 部分獲利，因為你質押時將$TAO 委託給了他們。

許多子網所有者繼續持有從排放中獲得的 Alpha 代幣以示信心，許多人與驗證者和礦工積極對話，讓他們看好項目並避免大量拋售代幣（這些信息可在 taostats 上查看）。

放大視角，Bittensor 生態系內趨勢的最佳圖表之一如下：

來源：taoapp

資料來源：taoapp

此趨勢與子網路團隊推出產品的速度一致。自 dTAO 推出以來，團隊需要公開構建，開發用戶想要的產品，快速迭代並找到產品市場契合點（PMF），獲取用戶并快速產生實際效用和可觀的收入。自從我進入這個生態系統以來，我可以感覺到團隊的開發速度比其他生態系統快得多（由於競爭和激勵分配機制）。

這引出了子網路及其獨特的投資性 DeAI 用例。

領先的子網路與使用案例

被認為是最擅長推出具有 PMF 產品的團隊，面向一般人，執行專業且持續公開建構的團隊是 @rayon_labs

SN4（M

Chutes－提供基礎設施，讓你以無伺服器方式輕鬆部署 AI。最佳案例是最近的 AWS 宕機，如果你依賴中心化供應商，宕機會導致你的 AI 應用程式停擺（可能導致資金損失或漏洞），因為存在單點故障。

Gradients－任何無編碼知識的人都可以在 Gradients 上訓練自己的 AI 模型（用於特定用例、影像產生、自訂 LLM）。最近推出的 v3 比同業更便宜。

Nineteen－提供快速、可擴展、去中心化的 AI 推理平台（任何人可用於文字和圖像生成用例，速度遠超同行）。

除此之外，Rayon 正在推出 Squad AI 代理平台，這是一個易於使用的拖放式節點風格 AI 代理構建平台，引起了社區的廣泛興趣。

這三個子網合計擁有超過 1/3 的$TAO 總排放－這證明了團隊公開建構並交付使用者想要的優質產品的能力（Rayon 被稱為許多子網所有者）。

· Gradients 在一個月內成長 13 倍（目前市值 3,200 萬美元）。

· Chutes 成長 2.3 倍（市值 6,300 萬美元）。

· Nineteen 成長 3 倍（市值 1800 萬美元）。

這個趨勢似乎短期內不會停止，尤其是 Chutes 的採用率（目前排名第一的子網路）。

除了 Rayon Labs 的子網，還有許多有趣的團隊——蛋白質折疊、深度偽造/AI 內容檢測、3D 模型、交易策略、角色扮演 LLM。我尚未深入研究所有內容，我認為最容易理解的是“預測系統”（taopill）下的子網，尤其是：

SN41 @sportstensor

Sportstensor 是一種智能，協助 Billy 的決策（領導 Billy 的核心團隊是 @ContangoDigital，這是一家投資 DeAI 的 VC，也是 Bittensor 子網路的驗證者和礦工）。

SN41 的獨特之處在於其產品－Sportstensor 模型。這是一場礦工之間的競賽，擁有最佳模型和數據集以預測體育比賽結果。

範例：在最新的 NBA 聯賽中，如果你跟隨大眾投注（熱門隊伍），你會有大約 68% 的準確率/勝率。這代表所有人都能靠熱門隊伍賺大錢嗎？不，實際上他們虧錢了。如果你在每個熱門隊伍上投注 100 美元，最後你的投資報酬率（ROI）為負，損失約 1700 美元。

雖然熱門隊伍勝率較高，但賠率較好，代表你猜對時賺得更少。人們往往扎堆投注熱門隊伍，導致冷門隊伍的賠率很低，這意味著如果你選對了冷門隊伍，你就能賺很多錢。

Sportstensor 模型在這裡發揮作用。礦工運行自己的機器學習模型（蒙特卡洛、隨機森林、線性回歸等），使用自己的數據（免費或專有）以獲得最佳結果。 Sportstensor 接著取這些結果的平均值/中位數，作為智慧來辨識市場中的優勢。

市場實際賠率可能是 25:75，模型可能顯示 45:55 的賠率。這 15 的差距就是優勢。如果模型找到很多這樣的優勢，你不需要高勝率也能長期累積正向 ROI。

查看他們的完整交易報告（如果你想深入了解）：

這是他們最新報告分享的模型結果，數據相當驚人。團隊還每月運行一個投注基金，初始緩衝資金為 1 萬美元，用利潤繼續投注。到月底，他們用利潤回購 Alpha 代幣。團隊在 3 月賺了約 1.8 萬美元的利潤。

根據你如何使用智能，結果也可能大不相同。例如，智慧顯示 35:65，而市場實際賠率可能是 40:60。有人可能據此下注，你可能不會，因為差距小，沒有足夠優勢。 Billy 使用智慧的方式與 Sportstensor 不同。 （目前沒人知道如何持續獲得正向 ROI，因為還很早期。）

Sportstensor 計劃透過創建一個儀表板進一步貨幣化他們的智能，讓用戶輕鬆理解洞察並基於此做出投注決策。

我個人很喜歡這個團隊，因為他們的產品有許多發展方向。我們已經看到 Billy 如何吸引關注並讓體育迷興奮地跟隨投注。由於團隊涵蓋多種運動，代理商可能會改變人們互動、投注和感受的方式。

SN44 @webuildscore

Score 原本構建了類似市場價值後的產品，但意識到 Sports可以帶來更多視覺事件，轉向了未來的視覺能力。

要理解這一點，你需要電腦視覺來分析螢幕上的內容，讓 AI 理解螢幕上的對象，定位並標註數據，然後用不同演算法得出結論（例如，球員做出某動作的機率），並將所有這些轉化為一個通用的分數，用於提高球員表現（以及早期發現人才）。

礦工競爭標註對象（這是礦工的首要目標）。 Score 利用其內部演算法得出結論（目前如此）。

當你為球員評分（類似於國際象棋或《英雄聯盟》的 Elo，但更細化和動態……根據球員決策及其影響在每場比賽中動態變化），作為俱樂部所有者，你可以做很多事情，比如在球員很小時發現人才。如果你有兒童比賽的視頻，分析方式與職業比賽相同。這是用統一方法量化整個足球世界。

透過專有數據，Score 可以將分數和洞察貨幣化，賣給數據經紀人、俱樂部所有者、體育數據公司和博彩公司。

很快，用戶將能在 Score 的自助平台上上傳視頻，由礦工標註。通常，足球比賽影片需要數小時標註，而礦工只需 10-12 分鐘即可標註 90 分鐘的比賽，速度遠超其他平台。使用者可將標註資料用於自己的模型和用例。

我喜歡 Score，因為它可以應用於運動以外的領域，例如自動駕駛汽車、機器人等。在資料垃圾遍地的世界，高品質專有資料極具價值。

SN18 @zeussubnet

這是最近獲得許多關注的新子網路。我還來不及與團隊交流，但產品非常有趣。

Zeus 是一個基於機器學習的天氣/氣候預測子網，設計目標是超越傳統模型，提供更快、更準確的預測。

這種智能深受對沖基金追捧，因為準確預測天氣可以更好地預測商品價格（對沖基金願意支付數百萬美元獲取這種智能，因為如果他們能在商品交易中勝出，就能賺取數億美元）。

Zeus 子網路是新加入的，最近收購了子網路 18。其 Alpha 代幣在過去 7 天內上漲了 210%。

其他有興趣但尚未深入研究的子網路

· @404gen_ SN17－AI 產生 3D 資產的基礎設施。為遊戲、AI 角色、虛擬實況主等創建 3D 模型。最近與

· @unity 的整合可能實現無縫 3D 模型生成，改變 Unity 120 萬月活躍用戶的創作流程。

· @metanova_labs SN68－去中心化科學（DeSci）藥物發現子網，將藥物發現轉變為協作、高速競爭，解決傳統挑戰，如成本和時間（傳統過程需超十年，耗資數十億）。

還有更多內容，我會在深入研究後分享。我從最容易理解的開始（因為我不是技術人員）。

總結

我盡量避免過於技術化。關於 dTAO、排放、激勵分配、所有利害關係人的技術解釋有很多優質資源。

根據我在代理熱潮（2024 年 10 月至今）的經驗，保持靈活很重要。我持有過太多項目的代幣，我認為 dTAO 提供了很好的機制，讓我能靈活地輪換不同的投資性 DeAI 新創公司。

目前參與者還不多，用戶可獲得 80%-150%+的 APY，外加子網代幣的價格升值。這種動態可能在未來 6 個月內改變，因為更多人加入，TAO 生態的橋接、錢包和交易基礎設施會更好。

現在，我建議你享受 TAO 的 PvE 季節，和我一起了解更多酷炫的 DeAI 技術。

「原文連結」