作者：0x小王同志、0x春天的橋、0x雲鶴來源：X，@0xInv1ctus
先把結論放在最前面：BITTENSER本質是AI memecoin，在本輪AI+crypto炒作中，由於具有⼀定的技術偽裝，成為AI coin市值之王。敘事宏⼤⽽易於傳播（AI+crypto，decentralized AI），項⽬邏輯故弄⽞虛但本質很naive，做⼀個套殼應⽤讓⼤眾看到效果，但不存在實際應⽤價值。
BITTENSER的整個專案充斥著資源浪費、邏輯漏洞、虛假數據，並且有著非常嚴重的拋售風險和拋售壓力。
為了避免讀者陷入閱讀無聊的又臭又長的程式碼和技術文件的垃圾時間，編者將會先闡述為何我們指控BITTENSER專案充斥著資源浪費、邏輯漏洞、虛假數據，並且有著非常嚴重的拋售風險和拋售壓力；之後以項目路線圖作為補充。在結尾我們會附上兩個BITTENSER子網的研究案例，以颯讀者。
另：當您閱讀到本篇文章時，StinkyInsect Labs所屬對沖基金已經於均價402左右開設了關於TAO的空單。我們拭目以待！
StinkyInsect Labs是C Labs與AllinClub旗下的非獨立子機構。我們獨立經營了一檔年化回報超過300%的對沖基金並定期發布沽空報告。本文是我們正式發布的第一篇沽空報告。
資源浪費：
Bittensor所謂創新性的解決⽅案，和其在社群媒體上不斷被⼈吹捧的Yuma Consensus，讓整個項⽬看上去有⾼深的技術，但實際這些理論和⽩⽪書都是⼀些術語和公式堆積出來的nonsense。
依照其說法，Bittensor旨在透過創建⼀個開放的P2P 市場，讓⼈們可以共享和使⽤機器學習模型，從⽽使構建⼈⼯智能驅動的⽤例的過程⺠主化。
Bittensor的願景是宏⼤且抽象的，⽽實際提供的可⽤系統卻是幼稚、毫⽆價值、甚⾄浪費資源的，既不能在任何層⾯促進AI技術的發展，也⽆法帶來AI使⽤的⺠主化。
32個⼦⽹本質上就是32個類似Kaggle的競賽平台，只不過獎勵是$TAO代幣。以Opentensor官⽅維護的⼦⽹1為例，這個所謂的能讓更好的模型脫穎⽽出的⼦⽹在做什麼呢？簡單講就是⽹絡中驗證者不斷透過Wikipedia API, StackOverflow, mathgenerator等API⽣成主題，再將主題輸⼊GPT⽣成prompt，將prompt分發給⼦⽹中近1000個礦⼯，礦⼯prompt後調⽤GPT或其他LLM⽣成答案返回驗證者，驗證者得到答案後，與事先⽣成的參考答案（同樣是⽤GPT⽣成的）做⽂本相似度對⽐，對礦⼯打分，礦⼯答案與參考答案相似度越⾼，獲得的$TAO獎勵越多。
這樣的⼦⽹有何意義呢，⽆⾮是浪費了OpenAI或其他LLM提供者的算⼒，以及為API⽀付的費⽤。問題是隨機調⽤的，⽐如從mathgenerator⽹站⽣成的⼀道中學數學題，並調⽤LLM組織語⾔⽣成的；礦⼯答案是外部LLM⽣成的，驗證者參考答案也是調⽤ LLM⽣成的，評分僅是⽐較⼀下⽂本相似度。這樣的系統唯⼀的價值就是浪費資源，⾃娛⾃樂。
不光⼦⽹1如此，其他⼦⽹同樣存在嚴重的⽆意義問題。
邏輯漏洞
根據Bittensor說法，其創造的競爭市場的關鍵是確保評估結果的公平性和客觀性。為此，Bittensor提出了Yuma共識機制，旨在根據眾多驗證者提供的多樣化評估來計算最終的評估結果。類似拜占庭容錯共識機制，只要⽹絡中的⼤多數驗證者是誠實的，最終就能做出正確的決定。假設誠實的驗證者能夠提供客觀的評估，那麼共識後的評估結果也將是公平客觀的。
Yuma Consensus在系統中到底發揮了什麼作⽤呢？答案是只決定每個區塊產⽣的$TAO在各⼦⽹中如何分配。每個⼦⽹中礦⼯、驗證者的獎勵如何分配是由⼦⽹所有者任意決定的，理論上⼦⽹所有者可以操控給任何⼦⽹參與者的獎勵。
更可笑的是，雖然⽩⽪書⾥的Yuma Consensus原理⽆⽐複雜，但實際計算⽅式卻及其幼稚。
Bittensor宣稱的創新性⼦⽹競爭機制不僅無法創造價值，且漏洞百出。官⽅似乎也沒有避諱這⼀點，⼦⽹所有者可以每周向Opentensor Foundation提交請求表單，以調整其給各⼦⽹的權重打分。但如果打分數是可以透過這樣求情來操控的，那這個打分本⾝⼜有何意義，體現怎樣的共識呢？
對Bittensor⽩⽪書和其宣稱的原理的技術解讀，可參考這篇⽂章：Deep Dive on Bittensor (TAO) | goodalexander，⽂章Whitepaper章節指出了Bittensor⽩⽪書前後⽭盾和不合邏輯之處。
宣稱的實際應⽤案例只是空殼：
Bittensor和其⽀持者在Twitter上不斷聲稱其已有實際應⽤案例，⽐如⽬前Emissions排名前三的兩個⼦⽹，taoshi和Cortext。
實際調查發現，taoshi⽬前的應⽤包括Dale和Timeless，Dale聲稱是⼀個trading bot，可以根據taoshi⼦⽹的trading signal進⾏交易，但正在開發階段；Timeless運營了⼀個⼏百⼈的TG群，⾥⾯主要是交易討論，宣稱community從taoshi⼦⽹的trading signal⾥賺了錢。這兩個空殼應⽤並不能證明taoshi有任何實際價值。
另⼀邊是被⼴泛引⽤為Bittensor應⽤案例的Corcel。 Corcel聲稱調⽤Cortext的API，⽤⼾提問後，得到的答案由礦場⼯產⽣。實際測試text prompting，詢問模型其開發者是誰，得到的答案是“I am an AIlanguage model developed by OpenAI…I am not connected to the Bittensor network or any decentralized machine learning models”，可知其純粹是直接調⽤OpenAI API做的套殼應⽤，跟⼦⽹中的礦⼯回答沒有半⽑錢關係。
區塊鏈的維護與資料真實性存疑：
⽬前⼦⽹中的權重評分，以及代幣的產⽣、分配、質押等活動都記錄在Subtensor鏈上。可是Subtensor鏈的共識機制和節點維護激勵機制卻不詳。 ⽬前唯⼀的鏈上資料來源是taostats.io⽹站，聲稱由@mogmachine維護，與Opentensor Foundation沒有關係。因此我們有理由對數據真實性表⽰懷疑。
代幣被內部⼩團體⾼度控盤，來路不明，且隨時有拋盤⻛險：
bittensor聲稱代幣是fair launch的，但實際上$TAO代幣從2021年就開始產⽣，沒有⽂檔或資料說明從2021年1⽉3⽇到2023年10⽉2⽇⼦⽹上線這段時間內產⽣的代幣透過什麼規則分配，以及最終流向。
從⽬前結果來看，前12位根⽹絡驗證者的質押量佔全⽹絡的79%。參議院12⼈中，除第12位未具名，以及第3位Foundry是⼀家知名礦場外，其餘10位驗證者Opentensor Foundation、τaosτaτs &Corcel、Bittensor Guru Podcast、TAO-Validator.com、RoundTable21、FirstTensor、FirstTensor、 Neural Inτerneτ、Datura、Love、Synapse業務和twitter上發聲都是圍繞bittensor，或⼲脆只有質押業務。有理由相信這些掌握價值$20B+的$TAO的驗證者之間保持密切關係，構成內部⼩團體。
⽬前絕⼤部分流通代幣都委託給了⼩團體質押，使他們成為⽹絡中具有決定作⽤的驗證者。雖然每個驗證者都有上千個地址的委託，看起來像是有上千個$TAO代幣持有者⾃願委託⾃⼰的代幣進⾏投票，但有理由懷疑這些匿名地址⼤多都是⼩團隊⾃⾝掌握的。
更重要的是，bittensor的質押沒有任何鎖定期，隨時取消質押，也就是說目前佔總流通量85%的質押代幣，隨時可以進⼊拋售。
總結：BITTENSER是本機構成立後的第一張大字報。其豐富且深刻的呈現了一個WEB3AI計畫是如何「成功」的。控制籌碼、套皮AI、假訊息和小圈子的圈地自萌在VC與遊資的推波助瀾下創造了百億FDV數十億MC的奇蹟並成功上線BN，很難不讓人揣測其上線BN的主要意義是為了出貨。
其本質，一個波卡的子網-主網模式的L1+礦工拆分盤，與人人追捧的AI概念的相關性甚至不如WORLDCOIN。起碼WORLDCOIN有奧特曼的投資，而TAO只有奧特曼的openai的API。
對此，本機構給予BITTENSER計畫強烈看空評級，預計其價格將在短時間內（6個月）降至100-150美金/個。
時來天地皆同力，運去英雄不自由。希望投出TAO這種垃圾專案的VC好好想想自己在市場裡的角色。對於一個有充分背調和盡調、有程式碼審查和生態資料複驗能力的VC來說，都不該去投資這種套皮API專案。
亦或者，這只是VC做的惡之一罷了。
附：
子網案例研究二則
taoshi (subnet 8)
taoshi歷史上應該叫time series prediction，沒有任何實際應⽤價值。是3⽉rebrand成了交易平台，也推出了Tradewithdale, Timeless等應⽤。
⼦⽹8 TAOSHI運作了⼀個⾃營交易⽹絡（Proprietary Trading Network）。 PTN接收來⾃量化和深度學習機器學習交易系統的訊號，以提供跨各種資產類別的世界上最完整的交易訊號。有了這個系統，只有世界上最好的交易者和基於深度學習/量化的交易系統才能競爭。
• 礦⼯的註冊、挖礦與評分：
◦ 礦場⼯註冊費⽤為5TAO。
◦ 礦場⼯需要在開盤時間即時提交LONG/SHORT/FLAT交易訊號，以及槓桿倍數。可選的交易對包括外匯（如EUR/CHF, EUR/USD, GBP/USD）、加密貨幣（如BTC/USD, ETH/USD）、指數（如SPX, DJI）等。
◦ 在任何時刻礦場⼯只能有⼀個交易對頭⼨。 ◦ 礦場⼯在過去30天內⾄少close10個頭⼨，才能參與評分。
◦ 礦場⼯評分標準：依據組合omega ratio和總報酬。詳⻅ https://github.com/taoshidev/proprietary-trading-network/tree/main/vali_objects/scoring
• 礦場⼯的淘汰標準：
◦ 1、達到當⽇最⼤回檔限制。在任意交易⽇收盤時，若礦⼯當⽇最⼤回撤達5%（相⽐daily high），礦場⼯將被淘汰。
◦ 2、達到全時段最⼤回檔限制。若任意時點，礦場⼯達到10%回撤（相⽐all time high），礦場⼯將淘汰。
◦ 3、剽竊。若係統偵測到礦⼯提交的交易剽竊其他礦⼯，該礦⼯將被淘汰。
◦ 礦場⼯註冊後有9天保護期。礦場⼯淘汰後註冊費⽤不予返還。
• 驗證者任務：
◦ 驗證者需要維護每個礦⼯的組合、頭⼨、淨值，並在礦場⼯達到最⼤回撤限制時淘汰。
競賽本⾝的設定是可笑的。不是策略，只能說是交易⽐賽。有效的策略需要經過回測。此外，根本不需要引⼊礦⼯、驗證者的概念或任何區塊鏈技術。
Taoshi dashboard可以查看收益率最⾼的miner地址，以及所有過往交易。 https://dashboard.taoshi.io/
寫作時點（UTC 2024-04-21 08:56），30⽇回報最⾼的地址，30⽇回報率為19.476%，拆解來看，其中⼤部分為⼀次交易貢獻。該位址在2024-04-17 05:59:20，EUR/GBP價格為$0.85345時，以175倍槓桿做空，並在98秒後，2024-04-17 06:00:58，價格為$0.85276時平倉（剩0.01倍槓桿在15:01:34平掉），可計算出這筆交易收益為14.1%，考慮到交易費⽤後為12.75%。
實際應⽤:
Dale：https://twitter.com/tradewithdale。 trading bot，宣稱可以依照taoshi⼦⽹的trading signal進⾏交易。 twitter表⽰正在開發。
Timeless：https://twitter.com/Timeless_io。運作了⼀個⼏百⼈的TG群，⾥⾯主要是交易討論。宣稱community從taoshi⼦⽹的trading signal⾥賺了錢。
Cortext (subnet 18)
官⽅github repo readme並沒有講任何⼦⽹中如何挖礦、驗證和激勵機制的問題，以下由原始碼分析得到。
• 驗證者問題⽣成：
◦ ⽂字和影像各有1000+給定主題，驗證者隨機選定主題套⽤進問題模板中，調⽤openai GPT4- turbo⽣成給礦⼯的prompt。 https://github.com/corcel-api/cortex.t/blob/main/validators/text_validator.py
◦ 問題模板在github.com/corcel-api/cortex.t/blob/main/cortext/utils.py
◦ 給定主題在https://github.com/corcel-api/cortex.t/blob/main/cortext/__init__.py
• 驗證者參考答案⽣成
◦ text promting調⽤GPT4⽣成參考答案；image generation調⽤DALL-E模型⽣成圖像
• 礦場⼯答案⽣成
◦ 礦場⼯收到prompt後，可以選擇anthropic.claude-v2:1 Anthropic, gemini-pro, claude-3-opus等模式答題。 https://github.com/corcel-api/cortex.t/blob/main/miner/miner.py
• 礦⼯答案評分
◦ ⽐較response與參考答案相似度。
◦ 對於text prompting，相似度⽐較演算法為TF-IDF，向量化後計算cosine_similarity，同時response相⽐參考答案過⻓或過短有懲罰；
◦ 對於image generation，相似度⽐較演算法為感知哈希演算法（perceptual image hash）將圖⽚映射為⼀個哈希字串，⽐較兩個圖⽚之間的相似度就可以透過判斷兩個哈希字串之間不⼀致的位置有多少，仍然轉換為cosine_similarity函數計算。 https://github.com/corcel-api/cortex.t/blob/main/cortext/reward.py
實際應⽤：
• Corcel。可以完成Text Prompting, Image Generation任務。聲稱調⽤Cortext的API，⽤⼾提問後，得到的答案由礦場⼯產⽣。 https://corcel.io/
• 實際測試text prompting，詢問模型開發者，得到的答案是“I am an AI language model developed by OpenAI…I am not connected to the Bittensor network or any decentralized machine learning models”
發展歷程：
本部分source主要來⾃：https://taostats.io/tokenomics/; https://messari.io/project/bittensor/profile
2019年：Bittensor由兩位⼈⼯智能研究者Jacob Steeves和Ala Shaabana（以及⼀個匿名的⽩⽪書作者Yuma Rao）創造⽴。 2021年1⽉3⽇：「Kusanagi」發布，標誌著⽹絡的激活，允許礦⼯和驗證者開始獲得第⼀批$TAO獎勵。
2021年5⽉中旬：Opentensor Foundation暫停了Kusanagi，以處理⼀些早期共識問題。
2021年11⽉2⽇：「Kusanagi」分叉為「Nakamoto」。先前Kusanagi⽣成的546,113 TAO被移轉到Nakamoto上。
2023年1⽉10⽇：Finney測試⽹發布，測試delegated staking和⼦⽹功能。
2023年1⽉13⽇：拍賣中成功獲得了⼀條Polkadot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Polkadot。 https://www.theblockbeats.info/en/flash/123619
2023年3⽉20⽇：Finney主⽹發布。 2023年3⽉28⽇：Opentensor Foundation發表Chattensor，在Bittensor上建造⽴的LLM。
2023年7⽉24⽇：Opentensor Foundation發表Bittensor Language Model（BTLM）。作為“30 億參數語⾔模型”，BTLM 旨在與行動裝置相容，與OpenAI 的GPT-3 和Meta 的LLaMA 等流⾏的70 億和100 億參數模型相⽐，所需的記憶體要少得多。 https://opentensor.medium.com/introducing-bittensor-language-model-a-state-of-the-art-3b-parameter-model-for-mobile-and-edge- 2fe916fb81b0
2023年10⽉2⽇：Revelotion升級，⼦⽹正式上線，允許⽤⼾創建⼦⽹，為特定類型的機器學習任務創建激勵機制，例如⽣成圖像、創作⾳樂或互聯⽹內容抓取。
2024年12⽉14⽇：Messari研究員Sami Kassab發布Bittensor研報 https://twitter.com/Old_Samster/status/1734977722424938993，此後持續bullish on $TAO。
2024年1⽉10⽇：Opentensor Foundation提出BIT001提案（First Bitttensor Improvement Template），提出dynamic TAO代幣激勵機制。
