Bittensor：AI子網路如何重塑群體智慧網路？

1. AI革命的背景

AI爆火背景隨著人工智慧（AI）技術的蓬勃發展，我們正進入一個數據驅動的新時代。深度學習和自然語言處理等領域的突破，使得AI的應用無所不在。 2022年ChatGPT的誕生引爆了AI產業，隨之出現的是一系列如文生影片、自動辦公室的AI工具，而「AI+」的運用也被提上日程。 AI產業的市場價值也隨之一路飆升，預計在2030年達到1,850億美元。

圖1 AI市場價值變化傳統網路公司壟斷AI 目前AI產業主要由英偉達、微軟、Google、OpenAI等公司壟斷，科技的進步同樣帶來了資料集中、運算資源分配不均等一系列挑戰。同時，Web3的去中心化概念為解決這些問題提供了新的可能性，在Web3的分散式網路中，將會重塑當下AI發展格局。 Web3+AI當下進展在AI產業風起雲湧之際，也湧現了一大批優質的Web3+AI專案。 Fetch.ai透過區塊鏈技術創建去中心化的經濟體，支援自主代理和智慧合約，用於優化AI模型的訓練和應用；Numerai利用區塊鏈技術和資料科學家社群來預測市場走勢，並透過獎勵機制來激勵模型開發者；Velas建構AI和區塊鏈的高效能智慧合約平台，提供更快的交易速度和更高的安全性。 AI專案本身包含三大要素：資料、演算法、算力，Web3+資料、Web3+算力賽道當下發展如火如荼，但Web3+演算法方向卻一直各自為戰，最終只能形成一個單方向應用的專案。 Bittensor 抓住了這個缺口，透過區塊鏈本身的競爭和激勵機制，建立了一個自帶篩選競爭機制的AI演算法平台，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路和數位商品市場。

• 去中心化：Bittensor運作在數千個由不同公司和組織控制的分散式電腦網路上，解決了資料集中等問題。

• 公平激勵機制：Bittensor網路對其子網路提供的$TAO代幣與子網貢獻佔比成正比，子網路對其礦工和驗證者提供的獎勵也與節點貢獻佔比成正比。

• 機器學習資源：去中心化網路可以為每一個需要機器學習運算資源的個體提供服務。

• 多樣化的數位商品市場：最初Bittensor網路的數位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網路的擴展和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。

發展歷程與目前市場上許多高估值的VC項目不同，Bittensor是一個更公平、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。

• 概念形成與專案啟動（2021年）：Bittensor由一群致力於推動去中心化AI網路的技術愛好者和專家創建，他們透過Substrate框架來建立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）：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，強調資料不可知原則，維護用戶隱私安全。

• 網路擴展與社群建立（2023年）：團隊發布Beta版本，並引入代幣經濟模型（TAO）用於激勵網路維護。

• 技術創新與跨鏈相容性（2024年）：團隊運用DHT（分散式雜湊表）整合技術，使得資料儲存與檢索更有效率。同時專案開始注重對於子網、數位商品市場的宣傳和進一步擴展。

圖2 Bittensor網路宣傳圖 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。計畫透過代幣激勵節點和礦工，也保障了Bittensor網路的活力。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網路代幣為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網路啟動時透過公平啟動（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秒產生一個Bittensor網路區塊，每個區塊獎勵1 $TAO代幣,每天約生成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社群宣傳圖 TAO代幣可用於在Bittensor網路購買和取得運算資源、資料和AI模型，同時也是參與社區治理的憑證。 發展現況Bittensor網路帳戶總數量目前高達10萬+，其中非零帳戶數多達8萬。

圖4 Bittensor帳戶數量變化 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. 逐步落地的子網路架構

Bittensor協議Bittensor 協議是一種去中心化的機器學習協議，它支援網路參與者之間交換機器學習能力和預測，並透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協定 Bittensor協定包含網路架構、子張量、子網路架構、子網路生態中的驗證者節點、礦工節點等。 Bittensor網路本質上是一組組參與協定的節點，在每個節點上都運行著Bittensor客戶端軟體，從而與其他網路互動；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路會被新子網路淘汰，而每個子網路中表現不好的驗證者和礦工節點也會被擠出。可見，子網路是Bittensor網路架構中最重要的一環。 子網路邏輯子網路可以看作一段獨立運作的程式碼，制定了獨特的使用者激勵和功能，但每個子網路都保持了與Bittensor主網相同的共識介面。子網路包含本機子網路、測試網子網路和主網子網路三種類型。除去根子網，目前有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。 子網路角色與排放整個Bittensor網路中存在使用者、開發者、礦工、質押驗證者、子網路所有者、委員會六種功能角色。而子網路包含子網路所有者、礦工和質押驗證者。

• 子網路所有者：子網路所有者負責提供基礎礦工和驗證器代碼，可以設定獨特的其他激勵機制，分配礦工工作激勵。

• 礦工：礦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路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路中運行多個節點。

• 驗證者：驗證者透過衡量每個子網路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，驗證者節點可獲得0-18%（可調整）的質押獎勵。

子網排放（emission）是Bittensor網路中、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。一個子網路包含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個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。礦工的表現透過子網路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取代。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，且該加格會隨時間回落至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一個子網用於接納新子網。所以子網路需要盡可能提高UID插槽內驗證者質押量和礦工效率，確保免疫期後不會被刪除。

圖7 子網路名稱 受惠於Bittensor網路的子網路架構，去中心化AI資料網路Masa得以落地，成為Bittensor網路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網路包含多種共識機制和證明機制。在傳統的去中心化網路中，對於礦工節點往往運用PoW（工作證明），確保了礦工在網路中的貢獻，並基於其運算能力和資料處理品質獲得獎勵；對於驗證者節點，一般採取PoV機制（驗證證明），確保了網路的安全性和完整性。而在Bittensor網路中，獨創PoI機制（智力證明）並配合Yuma共識，實現驗證與獎勵分配。 智力證明機制Bittensor的PoI機制是一種獨創的驗證和激勵機制，透過智慧運算任務的完成來證明參與者的貢獻，從而確保網路的安全性、資料品質和運算資源的高效利用。

• 礦工節點透過完成智慧運算任務來證明其工作，這些工作可能包含自然語言處理、資料分析、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交回給驗證者，驗證者根據任務完成的品質進行評分。

Yuma共識Yuma共識是Bittensor網路的核心共識機制，當驗證者根據任務完成情況得出評分後，將評分輸入Yuma共識演算法。在共識演算法中，質押TAO數量多的驗證者評分比重高，同時演算法會篩選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 共識演算法示意

• 資料不可知原則：確保了資料處理過程中的隱私和安全性，即節點不需要了解所處理資料的具體內容就可以完成計算和驗證。

• 基於效能的獎勵：根據節點的效能和貢獻來分配獎勵，確保高效率和高品質的運算資源和資料處理。

MOE機制協同工作Bittensor在網路中引入MOE機制，在一個模型架構中整合多個專家層級的子模型，每個專家模型在處理對應領域問題時，具有相對優勢。因此，當新的資料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共識機製配合下，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. 子網路專案

截止至撰稿時間，Bittensor子網路註冊數量達45個，已命名數量為40個。在過去子網路限定數量時，子網路註冊競爭非常激烈，註冊價曾經高達百萬美元。目前Bittensor逐步開放更多的子網路註冊名額，新註冊的子網路在穩定性、模型功效等方面可能不如運行時間較長的子網路。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子網路項目明細 除去root子網，目前子網路中19號、18號、1號，受到較大關注；排放量佔比分別為8.72%、6.47%和4.16%。

• 19號子網

19號子網路名為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；此網路提供最佳開源LLM、圖像生成模型（包括在子網路19 的資料集上訓練的模型）和其他雜項模型（如嵌入模型）的存取。 目前Vison子網路插槽註冊費用為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子網路註冊費用資料 目前Vision子網路回收節點總價值約19200 TAO。

圖13 Vision子網路回收費用

• 18號子網

18號子網路名為Cortex.t，由Corcel開發。 Cortex.t致力於建立前沿AI平台，透過API提供使用者可靠、高品質的文字和圖像回應。 目前Cortex.t子網路插槽註冊費用為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 子網路註冊費用資料 目前Cortex.t 子網路回收節點總價值約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透過AI得出類似結果，並不能提高解決實際問題的效果。

• 其他

從模型類別來看，19、18、1號子網路模型均屬於生成類別模型。除此之外，還有資料處理大模型、交易AI模型等，如子網路22 Meta Search，透過分析推特資料提供市場情緒，子網路2 Omron透過深度神經網路學習在質押策略並不斷優化。 從收益風險來看，如果可以成功運行插槽數週以上的時間，收益顯然非常可觀。但是如果新註冊節點無法採用高效能顯示卡，並優化本地演算法，很難在與其他節點的競爭中生存。

6. 未來發展

   • 從熱度角度來看，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產業的熱錢也被AI產業吸引。因此Web3+AI在未來很長一段時間都會是市場中心。

   • 從專案架構角度來看，Bittensor並非是傳統的VC項目，專案自上線以來上漲數十倍，專案兼具技術與市場支援。

   • 從技術創新角度來看，Bittensor打破過去Web3+AI專案各自為戰的局面，其獨創的子網路架構也可以為許多有AI技術實力的團隊降低遷移至去中心化網路難度，較快獲取效益。而由於競爭淘汰機制，子網路專案必須不斷優化模型和提高質押量，防止被新子網路取締。

   • 從風險角度來看，Bittensor在增加子網名額的同時，必然會降低子網註冊難度，提高雜牌項目渾水摸魚的可能性；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。