Bittensor：AI 子網如何重塑群體智能網絡

1.

AI革命的背景 =======

AI爆火背景

隨著人工智能（AI）技術的蓬勃發展，我們正在進入一個數據驅動的新时代。深度學習和自然語言處理等領域的突破，使得AI的應用無處不在。2022年ChatGPT的誕生引爆了AI行業，隨之出現的是一系列如文生視頻、自動辦公的AI工具，而"AI+"的運用也被提上日程。AI行業的市場價值也隨之一路飆升，預計在2030年達到1850億美元。

圖1 AI市場價值變化

傳統互聯網公司壟斷AI

目前AI行業主要由英偉達、微軟、谷歌、OpenAI等公司壟斷，技術的進步同樣帶來了數據集中、計算資源分配不均等一系列挑戰。與此同時，Web3的去中心化理念為解決這些問題提供了新的可能性，在Web3的分佈式網絡中，將會重塑當下AI發展格局。

Web3+AI當下進展

在AI行業風起雲湧之際，也湧現了一大批優質的Web3+AI項目。Fetch.ai通過區塊鏈技術創建去中心化的經濟體，支持自主代理和智能合約，用於優化AI模型的訓練和應用；Numerai利用區塊鏈技術和數據科學家社區來預測市場走勢，並通過獎勵機制來激勵模型開發者；Velas構建AI和區塊鏈的高性能智能合約平台，提供更快的交易速度和更高的安全性。AI項目本身包含三大要素：數據、算法、算力，Web3+數據、Web3+算力賽道當下發展如火如荼，但Web3+算法方向卻一直各自為戰，最終只能形成一個個單方向應用的項目。Bittensor 抓住了這一缺口，通過區塊鏈本身的競爭和激勵機制，搭建了一個自帶篩選競爭機制的AI算法平台，保留最優質的AI項目。

2.

Bittensor發展脈絡 =============

創新性突破

Bittensor是一個去中心化的激勵機器學習網絡和數字商品市場。

• 去中心化：Bittensor運行在數千個由不同公司和組織控制的分佈式計算機網絡上，解決了數據集中等問題。
• 公平激勵機制：Bittensor網絡對其子網提供的$TAO代幣與子網貢獻占比成正比，子網對其礦工和驗證者提供的獎勵也與節點貢獻占比成正比。
• 機器學習資源：去中心化網絡可以為每一個需要機器學習計算資源的個體提供服務。
• 多樣化的數字商品市場：最初Bittensor網絡的數字商品市場是專門為機器學習模型和相關數據的交易而設計的，但是受益於Bittensor網絡的擴展和Yuma共識機制不關心數據實質內容的機制，已經成為一個可以交易任何形式數據的商品市場。

發展歷程

與當前市場上許多高估值的VC項目不同，Bittensor是一個更加公平、有趣和有意義的極客項目，它的發展歷程中也沒有其他項目的"從畫大餅到騙投資"的過程。

• 概念形成與項目啟動（2021年）：Bittensor由一群致力於推動去中心化AI網絡的技術愛好者和專家創建，他們通過Substrate框架來構建Bittensor區塊鏈，以確保其靈活性和可擴展性。
• 早期發展與技術驗證（2022年）：團隊發布Alpha版本網絡，驗證去中心化AI的可行性。並引入Yuma共識，強調數據不可知原則，維護用戶隱私安全。
• 網絡擴展與社區建設（2023年）：團隊發布Beta版本，並引入代幣經濟模型（TAO）用於激勵網絡維護。
• 技術創新與跨鏈兼容性（2024年）：團隊運用DHT（分佈式哈希表）集成技術，使得數據存儲和檢索更加高效。同時項目開始注重對於子網、數字商品市場的宣傳和進一步擴展。
  
  圖2 Bittensor網絡宣傳圖
  在Bittensor的發展歷程中，並未有太多傳統VC插手其中，避免了集中化控制的風險。項目通過代幣激勵節點和礦工，也保障了Bittensor網絡的活力。從本質上看，Bittensor是一個 GPU 礦工 驅動的AI算力與服務 項目。

代幣經濟學

Bittensor網絡代幣為TAO，為表示對比特幣的推崇，TAO在許多方面與BTC類似。其總供應量為2100萬枚,每四年進行一次減半。TAO代幣在Bittensor網絡啟動時通過公平啟動（fair launch）分發，沒有預先挖礦，所以沒有代幣保留給創始團隊和VC。目前大約每12秒生成一個Bittensor網絡區塊，每個區塊獎勵1 $TAO代幣,每天大約生成7200個TAO，這些獎勵現按貢獻分配給每個子網，然後在子網中分配給子網所有者、驗證者和礦工。

圖3 Bittensor社區宣傳圖
TAO代幣可用於在Bittensor網絡購買和獲取計算資源、數據和AI模型，同時也是參與社區治理的憑證。

發展現狀

Bittensor網絡賬戶總數目前高達10萬+，其中非零賬戶數多達8萬。

圖4 Bittensor賬戶數量變化
在過去的一年中，TAO最高上漲數十倍，目前市值22.78億美元，幣價321美元。

圖5 TAO代幣價格變化

3.

逐步落地的子網架構 =========

Bittensor協議

Bittensor 協議是一種去中心化的機器學習協議，它支持網絡參與者之間交換機器學習能力和預測，並通過以點對點的方式促進機器學習模型和服務的共享和協作。

圖6 Bittensor協議
Bittensor協議包含網絡架構、子張量、子網架構、子網生態中的驗證者節點、礦工節點等。Bittensor網絡本質上是一組組參與協議的節點，在每個節點上都運行著Bittensor客戶端軟件，從而與其他網絡互動；這些節點由一個個子網負責管理，並採取優勝劣汰的機制，總體表現不好的子網會被新子網淘汰，而每個子網中表現不好的驗證者和礦工節點也會被擠出。可見，子網是Bittensor網絡架構中最重要的一環。

子網邏輯

子網可以看作一段獨立運行的代碼，制定了獨特的用戶激勵和功能，但每一個子網都保持了與Bittensor主網相同的共識接口。子網包含本地子網、測試網子網和主網子網三種類型。除去根子網，目前存在45個子網，預計在2024年5月至7月，子網數量將從32個增長到64個，每週增加4個新子網。

子網角色與排放

整個Bittensor網絡中存在用戶、開發者、礦工、質押驗證者、子網所有者、委員會六種功能角色。而子網中包含子網所有者、礦工和質押驗證者。

• 子網所有者：子網所有者負責提供基礎礦工和驗證器代碼，可以設置獨特的其他激勵機制，分配礦工工作激勵。
• 礦工： 矿工節點被鼓勵迭代伺服器和挖礦代碼，從而在與同一個子網中的其他礦工的競爭中保持領先地位，排放量最低的礦工將會被新的礦工頂替而需要重新註冊節點。值得注意的是，礦工可以在多個子網運行多個節點。
• 驗證者：驗證者通過衡量每個子網的貢獻並保證其正確性，從而獲得相應的獎勵。同時可以將TAO代幣質押在驗證者節點，驗證者節點可以獲取0-18%（可調整）的質押獎勵。
  子網排放（emission）是Bittensor網絡中、獎勵給礦工和驗證者的TAO代幣分配機制，子網獲取的排放量獎勵中一般設計為18%分配給子網所有者、41%分配給子網驗證者、41%分配給礦工。一個子網包含256個UDI插槽，其中64個UID插槽分配給驗證者，192個UID分配給礦工，只有前64名質押量最大的驗證者才能獲得驗證者許可，並被認為是子網中的活躍驗證者，驗證者的質押量和性能決定其在子網中的地位和獎勵。礦工的表現通過子網驗證者的請求和評估進行評分，表現不佳的礦工會被新註冊的礦工替換。因此驗證者質押代幣總量越多，礦工計算效率越高，子網總排放量越高，排名越靠前。

子網註冊和淘汰

子網註冊後會進入7天的免疫期，首次註冊費用為100 $TAO，而再次註冊價格會翻倍，且該價格會隨時間回落至100TAO。當所有子網位置用滿時，註冊新的子網時將會刪除排放（emission）最低且不處於免疫期的某個子網以接納新子網。所以子網需要儘可能提高UID插槽內驗證者質押量和礦工效率，保證在免疫期後不被刪除。

圖7 子網名稱
受益於Bittensor網絡的子網架構，去中心化AI數據網絡Masa得以落地，成為Bittensor網絡中第一個雙幣獎勵系統，吸引了1800萬美元融資。

圖8 Masa宣傳

4.

共識和證明機制 =======

Bittensor網絡包含多種共識機制和證明機制。在傳統的去中心化網絡中，對於礦工節點往往運用PoW（工作證明），確保了礦工在網絡中的貢獻，並基於其計算能力和數據處理質量獲得獎勵；對於驗證者節點，一般採取PoV機制（驗證證明），確保了網絡的安全性和完整性。而在Bittensor網絡中，獨創PoI機制（智力證明）並配合Yuma共識，實現驗證和獎勵分配。

智力證明機制

Bittensor的PoI機制是一種獨創的驗證和激勵機制，通過智能計算任務的完成來證明參與者的貢獻，從而確保網絡的安全性、數據質量和計算資源的高效利用。

• 礦工節點通過完成智能計算任務來證明其工作，這些工作可能包含自然語言處理、數據分析、機器學習模型訓練等。
• 任務由驗證者分配給礦工，礦工完成任務後將結果返回給驗證者，驗證者根據任務完成的質量進行評分。

Yuma共識

Yuma共識是Bittensor網絡的核心共識機制，當驗證者根據任務完成情況得出評分後，將評分輸入Yuma共識算法。在共識算法中，質押TAO數量多的驗證者評分比重高，同時算法會篩除與大部分驗證者偏離的結果，最後系統根據綜合評分分配代幣獎勵。

圖9 共識算法示意

• 數據不可知原則：確保了數據處理過程中的隱私和安全性，即節點不需要了解所處理數據的具體內容就可以完成計算和驗證。
• 基於性能的獎勵：根據節點的性能和貢獻來分配獎勵，確保高效和高質量的計算資源和數據處理。

MOE機制協同工作

Bittensor在網絡中引入MOE機制，在一個模型架構中集成多個專家級別的子模型，每一個專家模型在處理對應領域問題時，具有相對優勢。因此，在新的數據被引入整個模型架構時，不同的子模型可以協同工作，得到比單一模型更好的運行結果。
在Yuma共識機制配合下，驗證者也可以對專家模型進行評分，並對其能力進行排名，和分配代幣獎勵，從而激勵模型優化和改進。

圖10 問題解決思路

5.

子網項目 ====

截止至撰稿時間，Bittensor子網註冊數量達到45個，已命名數量為40個。在過去子網限定數量時，子網註冊競爭非常激烈，註冊價曾一度高達百萬美元。目前Bittensor逐步開放更多的子網註冊名額，新註冊的子網在穩定性、模型功效等方面可能不及運行時間較長的子網。但是由於Bittensor引入的子網淘汰機制，在長期來看，是一個良幣淘汰劣幣的過程，模型性能較差、實力不足的子網將難以生存。

圖11 Bittensor子網項目明細
除去root子網，目前子網中19號、18號、1號，受到較大關注；排放量占比分別為8.72%、6.47%和4.16%。

• 19號子網

19號子網名為Vision，註冊於2023年12月18日。Vision專注於去中心化圖像生成和推理；該網絡提供最佳開源 LLM、圖像生成模型（包括在子網 19 的數據集上訓練的模型）和其他雜項模型（如嵌入模型）的訪問。
目前Vison子網插槽註冊費用為3.7 TAO、24小時節點總收益約627.84 TAO、過去24小時回收了價值64.79TAO的節點；如果新註冊的節點可以達到平均水平，每日收益可達2.472 TAO，約866美元。

圖12 Vison子網註冊費用數據
目前Vision子網回收節點總價值約19200 TAO。

圖13 Vision子網回收費用

• 18號子網

18號子網名為Cortex.t，由Corcel開發。Cortex.t致力於構建前沿AI平台，通過API向用戶提供可靠、高質量的文本和圖像響應。
目前Cortex.t子網插槽註冊費用為3.34 TAO、24小時節點總收益約457.2 TAO、過去24小時回收了價值106.32 TAO的節點；如果新註冊的節點可以達到平均水平，每日收益可達1.76 TAO，約553.64美元。

圖14 Cortex.t 子網註冊費用數據
目前Cortex.t 子網回收節點總價值約27134 TAO。

圖15 Cortex.t 子網回收費用

• 1號子網

1號子網是由 Opentensor 基金會開發，專門用於文本生成的去中心化子網；該子網作為Bittensor子網的第一個項目，曾經受到極大質疑；今年3月，Taproot Wizards創始人Eric Wall稱呼Bittensor的TAO代幣是AI領域的meme幣，並指出1號子網在回答文本類問題時讓上百節點通過AI得出類似結果，並不能提高解決實際問題的效果。

• 其他

從模型類別上看，19、18、1號子網模型均屬於生成類模型。除此之外，還有數據處理大模型、交易AI模型等，如子網22 Meta Search，通過分析推特數據提供市場情緒，子網2 Omron通過深度神經網絡學習在質押策略並不斷優化。
從收益風險上看，如果可以成功運行插槽數周以上的時間，收益顯然非常可觀。但是如果新註冊節點無法採用高性能顯卡，並優化本地算法，很難在與其他節點的競爭中生存。

6.

未來發展 ====

• 從熱度角度看，AI概念本身的熱度並不亞於Web3概念，甚至不少原本會湧入Web3行業的熱錢也被AI行業吸引。因此Web3+AI在未來很長一段時間都會是市場中心。
• 從項目架構角度看，Bittensor並非是傳統的VC項目，項目自上線以來上漲數十倍，項目兼具技術和市場支持。
• 從技術創新角度看，Bittensor打破過去Web3+AI項目各自為戰的局面，其獨創的子網架構也可以為很多有AI技術實力的團隊降低遷移至去中心化網絡難度，較快獲取收益。並且由於競爭淘汰機制，子網項目必須不斷優化模型和提高質押量，防止被新子網取締。
• 從風險角度看，Bittensor在增加子網名額的同時，必然會降低子網註冊難度，提高雜牌項目混水摸魚的可能性；同時隨著子網數量的增加，原先註冊的子網獲取的TAO數量將逐漸下降，如果TAO代幣價格無法隨子網數量上升而上升，收益極有可能不符合預期。