深度解读 Bittensor(TAO)，为何能吸引 Zhu Su 公开喊盘，区块链融合 AI 潜力多

Bittensor 是一个经济系统，通过为 AI 产品生产者提供激励体系，充当 AI 产品市场的优化器。而其包容性，使其能够发展出优良的人工智慧产品。本文源自 0xai 的文章《Why we are bullish on Bittensor》，由深潮整理、编译及撰稿。前情提要：市值40亿美元的Bittensor(TAO)，是AI结合以太坊还是Meme新星？背景补充：区块链融合AI》Bittensor(TAO)如何创造去中心化算力革命？运作原理与代币机制

本文目录

凭藉其强大的包容性、激烈的竞争环境和有效的激励机制，BittensorTAO生态系统能够有机地生产出高品质的人工智慧产品。

Bittensor 是什么？

Bittensor 本身不是人工智慧产品，也不生产或提供任何人工智慧产品或服务。Bittensor 是一个经济系统，通过为 AI 产品生产者提供极具竞争力的激励体系，充当 AI 产品市场的优化器。在 Bittensor 生态系统中，高品质的生产者会获得更多的激励，而竞争力较弱的生产者则逐渐被淘汰。

那么，Bittensor 是如何具体建立这种激励机制的，以鼓励有效竞争并促进高品质人工智慧产品的有机生产呢？

Bittensor 通过一个飞轮模型实现了这个目标。验证者评估生态系统中人工智慧产品的品质，并根据其品质分配激励，确保高品质生产者获得更多的激励。这激发了高品质产出的持续增加，从而增强了 Bittensor 网路的价值并促进了 TAO 的增值。

TAO 的增值不仅吸引了更多高品质的生产者加入 Bittensor 生态系统，而且增加了操纵品质评估结果的操纵者的攻击成本。这进一步加强了诚实验证者的共识，增强了评估结果的客观性和公平性，从而实现了更有效的竞争和激励机制。

确保评估结果的公平性和客观性是启动飞轮的关键一步。这也是 Bittensor 的核心技术，即基于 Yuma 共识的抽象验证系统。

Yuma 共识是什么，如何确保共识后的品质评估结果是公平客观？

Yuma 共识是一种共识机制，旨在根据众多验证者提供的多样化评估来计算最终的评估结果。类似于拜占庭容错共识机制，只要网路中的大多数验证者是诚实的，最终就能做出正确的决定。假设诚实的验证者能够提供客观的评估，那么共识后的评估结果也将是公平客观的。

以子网品质评估为例，根网验证者评估并排名每个子网的产出品质。来自 64 个验证者的评估结果被汇总，并通过 Yuma 共识演算法得出最终的评估结果。然后，这些最终结果用于为每个子网分配新铸造的 TAO。

当前，Yuma 共识确实还有改进的空间：

根网验证者可能无法完全代表所有 TAO 持有者，他们提供的评估结果可能不一定反应了广泛的观点。此外，一些顶级验证者的评估可能并不总是客观的。即使发现偏见的情况，也可能无法立即纠正。

根网验证者的存在限制了 Bittensor 可以容纳的子网数量。要与中心化的人工智慧巨头竞争，只有 32 个子网是不够的。然而，即使有 32 个子网，根网验证者可能也难以有效监控所有子网。

验证者可能没有强烈的倾向于迁移到新的子网。短期内，验证者可能会在从发行量较高的旧子网迁移到发行量较低的新子网时失去一些奖励。新子网的发行量最终能否赶上的不确定性，再加上在追求过程中明确的奖励损失，会降低他们迁移的意愿。

Bittensor 计划升级机制来解决这些缺点

动态 TAO 将把评估子网品质的权力分散给所有 TAO 持有者，而不是少数验证者。TAO 持有者将能够通过质押间接确定每个子网的分配比例。

没有根网验证者的限制，活跃子网的最大数量将增加到 1024 个。这将极大降低新团队加入 Bittensor 生态系统的门槛，导致子网之间的竞争更加激烈。

较早迁移到新子网的验证者可能会获得更高的奖励。早期迁移到新子网意味着以较低的价格购买该子网的动态 TAO，增加了未来获得更多 TAO 的可能性。

强大的包容性也是 Yuma 共识的主要优势之一。Yuma 共识不仅用于确定每个子网的发行量，还用于确定同一子网内每个矿工和验证者的分配比例。此外，无论矿工的任务是什么，其包含的贡献，包括计算能力、资料、人类贡献和智力，都是抽象考虑的。因此，人工智慧商品生产的任何阶段都可以访问 Bittensor 生态系统，享受激励，同时增强 Bittensor 网路的价值。

接下来，让我们探讨一些领先的子网，观察 Bittensor 如何激励这些子网的产出。

优秀的子网

可以通过在 GitHub 上建立一个帐户来贡献 myshell ai/MyShell TTS 子网的开发。

发行量：346 2024 年 4 月 9 日

背景：Myshell 是 Myshell TTS文字转语音背后的团队，由麻省理工学院、牛津大学和普林斯顿大学等知名机构的核心成员组成。Myshell 旨在建立一个无程式码平台，使没有程式设计背景的大学生能够轻松建立自己想要的机器人。专注于 TTS 领域、有声读物和虚拟助手，Myshell 于 2023 年 3 月推出了其第一个语音聊天机器人 Samantha。随着产品矩阵的不断扩张，迄今已积累了超过一百万注册使用者。该平台托管各种型别的机器人，包括语言学习、教育和效用型机器人。

定位：Myshell 推出这个子网是为了汇聚整个开源社群的智慧，打造最好的开源 TTS 模型。换句话说，Myshell TTS 不直接执行模型或处理终端使用者的请求；相反，它是一个用于训练 TTS 模型的网路。

Myshell TTS 执行的流程如上图所示。矿工负责训练模型并上传已训练好的模型到模型池模型的元资料也储存在 Bittensor 区块链网路中；验证者通过生成测试用例、评估模型效能并根据结果进行评分来评估模型；Bittensor 区块链负责使用 Yuma 共识来聚合权重，确定每个矿工的最终权重和分配比例。

总之，矿工必须不断提交品质更高的模型以维持其奖励。目前，Myshell 还在其平台上推出了一个演示，供使用者尝试 Myshell TTS 中的模型。

在未来，随着 Myshell TTS 训练的模型变得更加可靠，将会有更多的用例上线。此外，作为开源模型，它们不仅限于 Myshell，还可以扩展套件到其他平台。通过这种去中心化的方法训练和激励开源模型，难道不正是我们在去中心化人工智慧中的目标吗？

可以通过在 GitHub 上建立一个帐户来贡献 Open Kaito 的开发。

发行量：439 2024 年 4 月 9 日

背景：Kaitoai 背后的团队是 Open Kaito 团队，其核心成员在人工智慧领域拥有丰富的经验，之前曾在 AWS、META 和 Citadel 等一流公司工作。在进入 Bittensor 子网之前，他们推出了旗舰产品 Kaitoai 一个 Web3 链下资料搜寻引擎，在 2023 年第四季度推出。

利用人工智慧演算法，Kaitoai 优化了搜寻引擎的核心元件，包括资料收集、排名演算法和检索演算法。它已被认可为加密社群中的一流资讯收集工具。

定位：Open Kaito 旨在建立一个去中心化的索引层，以支援智慧搜寻和分析。搜寻引擎不仅仅是一个资料库或排名演算法，而是一个复杂的系统。此外，一个有效的搜寻引擎还需要低延迟，这对构建分散版本提出了额外的挑战。幸运的是，通过 Bittensor 的激励系统，这些挑战有望得到解决。

Open Kaito 的执行过程如上图所示。Open Kaito 不仅分散了搜寻引擎的每个元件，而且将索引问题定义为矿工 验证者问题。也就是说，矿工负责响应使用者的索引请求，而验证者则分发需求并对矿工的响应进行评分。

Open Kaito 不限制矿工如何完成索引任务，而是专注于矿工输出的最终结果，以鼓励创新解决方案。这有助于培养矿工之间健康的竞争环境。面对使用者的索引需求，矿工努力改进执行计划，以使用更少的资源获得更高品质的响应结果。

可以通过在 GitHub 上建立一个帐户来贡献 Nous Research/finetuning 子网的开发。

发行量：626 2024 年 4 月 9 日

背景：Nous Finetuning 背后的团队来自 Nous Research，这是一个专注于大规模语言模型LLM架构、资料合成和装置内推理的研究团队。其共同创办人曾担任 Eden Network 的首席工程师。

定位：Nous Finetuning 是一个专门用于微调大型语言模型的子网。此外，用于微调的资料也来自 Bittensor 生态系统，具体来说是子网 18。

Nous Finetuning 的执行过程类似于 Myshell TSS。矿工基于来自子网 18 的资料训练模型，并定期释出这些模型以在 Hugging Face 上托管；验证者评估模型并提供评分；同样，Bittensor 区块链负责使用 Yuma 共识来聚合权重，确定每个矿工的最终权重和发行量。

可以通过在 GitHub 上建立一个帐户来贡献 corcelapi/cortext 的开发。

发行量：7742024 年 4 月 9 日

背景：Cortext 背后的团队是 Corcelio，其获得了 Bittensor 网路第二大验证者 Mog 的支援。Corcelio 是一个面向终端使用者的应用程式，通过利用 Bittensor 生态系统的人工智慧产品提供与 ChatGPT 类似的体验。

定位：Cortext 被定位为向终端使用者提供结果之前的最后一层。它负责检测和优化各种子网的输出，以确保结果准确可靠，特别是当单个提示呼叫多个模型时。Cortext 旨在防止空白或不一致的输出，确保无缝的使用者体验。

Cortext 中的矿工利用 Bittensor 生态系统中的其他子网来处理终端使用者的请求。他们还使用 GPT 35 turbo 或 GPT 4 来验证输出结果，以确保对终端使用者的可靠性。验证者通过将其与 OpenAI 生成的结果进行比较来评估矿工的输出。

通过在 GitHub 上建立一个帐户来贡献 namoray/vision 的开发。

发行量：9472024 年 4 月 9 日

背景：Vision 背后的开发团队也来自 Corcelio。

定位：Vision 旨在通过利用一种名为 DSIS分散式规模推理子网的优化子网构建框架，最大化 Bittensor 网路的产出能力。该框架加速了矿工对验证者的响应。目前，Vision 专注于影象生成的场景。

验证者从 Corcelio 前端接收需求并将其分发给矿工。矿工可以自由选择自己喜欢的技术堆叠不限于模型来处理需求并生成响应。然后，验证者评估矿工的表现。由于 DSIS 的存在，Vision 能够比其他子网更快、更有效地响应这些需求。

总结

从上述示例中可以明显看出，Bittensor 具有很高的包容性。矿工的生成和验证者的验证都发生在链下，Bittensor 网路仅用于根据验证者的评估为每个矿工分配奖励。符合矿工 验证者架构的人工智慧产品生成的任何方面都可以转化为子网。

从理论上讲，子网之间的竞争应该是激烈的。对于任何子网来说，要想继续获得奖励，就必须持续产出高品质的输出。否则，如果根网验证者认为子网的产出低价值，其分配可能会减少，最终可能被新子网替代。

然而，在现实中，我们确实观察到了一些问题：

由于子网定位相似而导致的资源冗余和重复。在现有的 32 个子网中，有多个子网专注于诸如文字到影象、文字提示和价格预测等热门方向。

存在没有实际用例的子网。尽管价格预测子网可能作为预言机提供理论价值，但当前的预测资料效能远未达到终端使用者可用的水平。

存在 劣币驱逐良币 的情况。某些顶级验证者可能并不倾向于迁移到新的子网，即使一些新的子网表现出明显更高的品质。然而，由于缺乏资金支援，他们可能在短期内无法获得足够的发行量。由于新的子网只有 7 天的保护期，如果它们无法迅速累积足够的发行量，它们可能面临被淘汰和下线的风险。

这些问题反应出子网之间竞争不足，一些验证者没有发挥鼓励有效竞争的作用。

Open Tensor Foundation 验证者OTF已经实施了一些临时措施来缓解这种情况。作为持有 23 质押权的最大验证者包括委托，OTF 为子网提供了争夺更多质押 TAO 的渠道：子网所有者可以每周向 OTF 提交请求，以调整其在子网中的质押 TAO 比例。这些请求必须涵盖 10 个方面，包括 子网目标和对 Bittensor 生态系统的贡献、子网奖励机制、通讯协议设计、资料来源和安全性、计算要求 和 路线图 等，以促进 OTF 的最终决策。

然而，要从根本上解决这个问题，一方面，我们迫切需要推出 dTAODynamic TAO，旨在从根本上改变上述不合理的问题。或者，我们可以呼吁持有大量 Stake TAO 的大型验证者更多地从 生态系统发展 的角度而不是仅仅从 财务回报 的角度来考虑 Bittensor 生态系统的长期发展。

综上所述，凭藉其强大的包容性、激烈的竞争环境和有效的激励机制，我们相信 Bittensor 生态系统能够有机地生产出高品质的人工智慧产品。尽管并非现有子网的所有输出都可以与中心化产品的输出相媲美，但我们不要忘记当前的 Bittensor 架构刚刚成立一周年子网 1 于 2023 年 4 月 13 日注册。对于一个有潜力与中心化人工智慧巨头竞争的平台，或许我们应该专注于提出切实可行的改进计划，而不是急于批评它的缺点。毕竟，我们都不希望看到人工智慧不断被少数巨头控制。

OpenAI影片模型Sora今年上线！被问训练素材来源，技术长竟回不知道

Solana 迷因POGAI 暴涨22835，搞笑蹭Nvidia开发者计划

比特币、NVIDIA股价相关性近1年来新高！AI泡沫破裂可能带崩币市？