本文初稿完成于 4 月 28 日，5 月中旬前进行少量修改，截止目前基本面可能已有变化，部分观点也不一定适用。

文章主要讨论项目逻辑，不构成投资建议。研报内容以发布在 Notion 上的原文为准。

By Harry @THUBA Research

Bittensor 的使命是成为去中心化的 AI marketplace，讲述了 AI 民主化、打破垄断的宏大叙事，但实际来看，作为其项目核心的 32 个子网，本质上只是 32 个竞赛平台，只不过以 TAO 作为任务奖励。部分子网任务意义较弱；矿工评价标准 naive，且被少数验证者掌控；TAO 代币筹码高度集中，且子网升级前代币的获得方式及流向不明。Bittensor 币价随 AI hype 有较大涨幅，可以看作是 AI marketplace 的先行者尝试，但在机制设计上仍存在较多值得改进地方。

从币价复盘可以看到 TAO 币价主要有两波上涨。第一波是 10 月 2 日 Bittensor 开启子网机制后，币价在 12 月初已上涨 5 倍；第二波是 1 月下旬，叠加 BTC 牛市与 AI+crypto 版块情绪，有了第二波近 4 倍的上涨。

TAO 的暴涨是多重因素的叠加，包括 1）AI hype 与加密牛市的大背景；2）项目拥有技术叙事，有所谓若干年技术积淀；3）团队善于叙事，描绘了宏大的去中心化 AI 愿景，并积极在 Twitter、Discord 上运营社区。

投资观点：

1、交易上目前倾向于看空，但仍需考虑如下因素：

• 基本面：TAO 背后的项目 Bittensor 目前有诸多问题，但不排除此后项目方向发生变化，或机制进行完善。此外建议关注 Bittensor BIT001 Dynamic TAO 提案，目前在 Discord 社区中有热烈讨论，如果成功实施可能成为 TAO 币价催化剂；

• 对项目质疑的传播：Eric Wall 在 3 月 31 日发布的质疑贴目前浏览量已将近 200 万，且有越来越多的 KOL 在发出质疑，声音在扩散。如果此后有影响力较大的人物看空 TAO，对币价可能是重大打击；

• AI hype 情绪：目前看 AI 炒作情绪似乎已经过了高点，正在消退；

• 项目方格局：根据分析，推测内部成员以及 Polychain、Foundry 等机构掌握近 80% 代币，且质押无锁定期，理论上随时进入市场抛售；

• 加密市场 Beta

• 流动性：早期 TAO 不容易购买，因为 Bittensor 使用自己独立的基于 Substrate 的 L1 区块链，大部分主流 EVM 兼容钱包不能购买和持有 TAO。4 月 11 日上币安当天割了一波散户，此后缩量下跌。目前大交易所基本都上了，也不再会有上所利好。

2、此外，参与子网挖矿似乎也存在 alpha 机会。

例如案例中展示的子网 8（任务为提交交易信号），目前 Emissions 非常高，但矿工很少，竞争很弱（可能因为注册需要 5TAO）。在不限制杠杆倍数的规则下第一名的 30 日收益只有 19%，而第一名的单日奖励有 20 多个 TAO（当前币价下价值 $8000+）。如果深入研究其评分与奖励规则，采用特定的交易策略，挖矿获得较高的排名和 TAO 代币奖励并不难。其他子网挖矿可能同样存在 alpha 机会。

3、Bittensor 建议作为储备标的持续关注。

项目方叙事与推广能力很强，如果还有下一轮 AI hype，可以提前埋伏。和 Bittensor 类似定位的项目 SingularityNET 的代币 $AGIX，此前就经历过几轮炒作大起大落。

本节主要从基本面的角度分析 Bittensor 系统中存在的问题。

1 TAO 代币的价值捕获不清晰

Bittensor 机制设计一个比较大的问题是所有参与者都获得 TAO，但没有人支付 TAO。

目前矿工回答的问题不是真实用户提出的，而是子网所有者给出的——模拟真实用户提问，或历史真实用户需求。

因此矿工的回答即使有价值，这部分价值也是子网所有者获得的，即无论是矿工的回答帮助子网所有者更好地改进模型算法，还是子网所有者直接将矿工回答用于模型训练，以提高自身产品，Bittensor 系统中矿工、验证者所做工作的价值都是被子网所有者捕获的，因此理论上应当子网所有者为此付费。

而实际上子网所有者不仅无需付费，还可以坐享 18% 的子网 emissions 收益。Bittensor 系统目前主要的代币回收是子网矿工和验证者的注册费，而这部分注册费很少，不足以支撑其价值捕获，况且理论上矿工应当是价值生产者而非消费者。

因此目前的系统让子网所有者支付 TAO 似乎更合理，这样也能杜绝子网所有者让矿工空跑没有意义的任务，造成资源浪费的问题。

如果未来 Bittensor 子网中矿工是在实时响应真实用户需求，TAO 代币的价值捕获同样是有可能实现的，让用户使用时支付 TAO 即可。

总之，无论价值流向子网所有者还是真实用户，都需要有人为矿工的工作支付 TAO，系统和代币的运行才能成为正常循环。

2 部分子网任务无意义，浪费资源

Bittensor 的 32 个子网本质上就是 32 个类似 Kaggle 的竞赛平台，只不过奖励是 TAO 代币。

以 Opentensor 官方维护的子网 1 为例，这个所谓的能让更好的模型脱颖而出的子网在做什么呢？简单讲就是网络中验证者不断通过 Wikipedia API, StackOverflow, mathgenerator 等 API 生成主题，再将主题输入 GPT 生成 prompt，将 prompt 分发给子网中近 1000 个矿工，矿工收到 prompt 后调用 GPT 或其他 LLM 生成答案返回验证者，验证者得到答案后，与事先生成的参考答案（同样是用 GPT 生成的）做文本相似度对比，对矿工打分，矿工答案与参考答案相似度越高，获得的 TAO 奖励越多。

这样的子网有何意义呢，无非是浪费了 OpenAI 或其他 LLM 提供商的算力，以及为 API 支付的费用。问题是随机调用的，比如从 mathgenerator 网站生成的一道中学数学题，并调用 LLM 组织语言生成的；矿工答案是外部 LLM 生成的，验证者参考答案也是调用 LLM 生成的，打分仅仅是比较一下文本相似度。这样的系统唯一的价值就是浪费资源，自娱自乐。

不光子网 1 如此，其他许多子网同样存在严重的无意义问题。至于存在大量无意义任务的原因，如观点 1 中所言，矿工、验证者为子网所有者发布的任务工作，但子网所有者并没有支付相应费用，反而可以从发布任务中赚钱，其并不需要为子网任务质量负责。

子网所有者唯一可能的惩罚是 emissions 太低被淘汰。而子网 emissions 是 64 个根子网验证者主观打分决定的，这一过程在 Bittensor 里很可能是被操控的，我们将在观点 3 中分析。

3 任务评价与代币分配有被 20 多个头部验证者操控风险

按照 Bittensor 说法，其创造的竞争市场的关键是确保评估结果的公平性和客观性。为此，Bittensor 提出了 Yuma 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，只要网络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。

这段话包含了一个关键前提，那就是大多数验证者是诚实的。很可惜在 Bittensor 系统中，这个假设大概率不成立。32 个子网中均仅有 20 多个验证者，且不同子网中验证者为同一批地址。也就是说，所有子网无一例外为 20 多个拥有巨额质押的验证者掌控，这些验证者是否为共谋的内部小团体是值得怀疑的。

这不仅导致子网 emissions 以及子网中矿工的分数很可能都是被任意操控的，同时也代表新产生代币奖励的 41% 都流入了这 20 多个地址中。由于子网中矿工人数较多，因此其和验证者所获得的奖励有巨大差距。如子网 1 中，奖励排名第一的矿工获得的奖励仅为排名第一的验证者的 1/159，子网 18 中，这一比例为 1/51（4 月 28 日数据）。Bittensor 声称其能奖励最优秀的 AI 模型，可实际情况却是在系统中只需要定期做无脑工作的验证者凭借巨额质押的垄断优势获得数十倍于矿工的奖励。

此外，即使大多数验证者是诚实的，根据计算公式，Yuma Consensus 也无法防止质押量大的验证者共谋。根据官方 doc 中的奖励计算方法，在 Yuma Consensus 下，头部验证者对最终分数基本有决定作用。

这也就是为什么大家参与 Bittensor 子网基本只能挖矿，除了这 20 多个地址外，没有人来验证。

根据 Bittensor doc，理论上只要质押 1000 个 TAO，并且质押量在子网中排名前 64 名就可以验证。然而，获得了 validator permit，但这个地址发出的 request 也大概率没有矿工回答，因为质押量远低于前 20 多位（最低也有 15000TAO，价格以 $400 计，也价值 600 万美元），这个地址打分对最终矿工打分几乎没有影响。

此外，copy answers 也是矿工很担心的一点，质押量很小的验证者可能会被怀疑同时也有小号在挖矿，收到答案后立刻 copy。综上，系统中的矿工没有动机回复质押量小的验证者，质押小的验证者也难以存在，最终各个子网中的验证者被 20 多个头部质押者把持。

图：Bittensor Discord 中讨论

Bittensor 宣称的创新性子网竞争机制实际上可能被头部验证者掌控，官方似乎也没有避讳这一点，子网所有者可以每周向 Opentensor Foundation 提交请求表单，以调整其给各子网的权重打分。可如果打分是可以通过这样向官方求情来随意修改的，那这个打分本身又有何意义，体现怎样的共识呢？

对 Bittensor 白皮书和其宣称的原理的技术解读，可参考这篇文章：Deep Dive on Bittensor (TAO)，文章 Whitepaper 章节指出了 Bittensor 白皮书前后矛盾和不合逻辑之处。

4 宣称的实际应用案例存在空壳嫌疑

Bittensor 和其支持者在 Twitter 上不断声称其已有实际应用案例，比如目前 Emissions 排名前三的两个子网，taoshi 和 Cortext。

实际调查发现，taoshi 目前的应用包括 Dale 和 Timeless，Dale 声称是一个 trading bot，可以根据 taoshi 子网的 trading signal 进行交易，但正在开发阶段；Timeless 运营了一个几百人的 TG 群，里面主要是交易讨论，宣称 community 从 taoshi 子网的 trading signal 里赚了钱。这两个空壳应用并不能证明 taoshi 有任何实际价值。

另一边是被广泛引用为 Bittensor 应用案例的 Corcel。Corcel 声称调用 Cortext 的 API，用户提问后，得到的回答由矿工产生。实际测试 text prompting，询问模型其开发者是谁，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”，因此有理由怀疑是直接调用 OpenAI API 做的套壳应用，跟子网中的矿工回答没有任何关系。

5 代币被内部团体控盘，随时有抛盘风险

Bittensor 声称代币是 fair launch 的，但实际上 TAO 代币从 2021 年就开始产生，没有文档或资料说明从 2021 年 1 月 3 日到 2023 年 10 月 2 日子网上线这段时间内产生的代币通过什么规则分配，以及最终流向。

从目前结果看，前 12 位根网络验证者的质押量占全网络的 79%。参议院 12 人中，除第 12 位未具名，以及第 3 位 Foundry 是一家知名矿场外，其余 10 位验证者 Opentensor Foundation、τaosτaτs & Corcel、Bittensor Guru Podcast、TAO-Validator.com、RoundTable21、FirstTensor、Neural Inτerneτ、Datura、Love、Synapse 业务和 twitter 上发声都是围绕 Bittensor，或干脆只有质押业务。有理由怀疑这些掌握价值 20 亿美元以上的 TAO 的验证者之间保持密切关系，构成内部小团体。

目前绝大部分流通代币都委托给了小团体质押，使他们成为网络中具有决定作用的验证者。尽管每个验证者都有上千个地址的委托，看起来像是有上千个 TAO 代币持有者自愿委托自己的代币进行投票，但有理由怀疑这些匿名地址很多都是小团队自身掌握的。

更重要的是，Bittensor 的质押没有任何锁定期，随时取消质押，也就是说当前占总流通量 85% 的质押代币，随时可以进入抛售。

图：网络中质押量头部集中度较高，前 12 位根网络验证者的质押量占全网络的 79%

6 繁荣的生态更多是机制缺陷营造的表象

Bittensor 目前有诸多子网背后的项目背景不错，如 MyShell、Tensorplex、Kaito，但这不能成为投资者看好 Bittensor 的理由。因为在 Bittensor 上搭建子网本质上只是设置了一个竞赛平台，子网所有者只需要规定好出题、答题、评分、奖励规则即可，不需要花费太多精力。

搭建子网对双方是共赢的。对 Bittensor，非常愿意有较好融资背景的项目方加入子网为其背书；对项目方而言，Bittensor 目前的高关注度可以为其带来流量和关注，相当于免费广告。此外，子网所有者还可以获得子网 18% 的 Emissions，基本是躺赚，考虑到当年 TAO 的市场价格，也是不小一笔收入。

因此，Bittensor 生态并不是一个强绑定的生态，其中的参与者有很强的基于开发和合作的绑定关系。子网上的项目可以随时宣布退出子网，没有任何损失（子网注册费用会退还）。

如观点 1 提到的，子网所有者应当为矿工工作付费更合理，而现在的机制设计中反而子网所有者获得代币奖励。基于目前 TAO 颇高的币价，Bittensor 目前有诸多明星项目合作也不奇怪。这些项目赚到了大量 TAO 代币，可能会给 TAO 带来较大的抛压，因此子网合作越繁荣，TAO 代币价格可能就越难以维持。

• 2019 年：Bittensor 由两位人工智能研究者 Jacob Steeves 和 Ala Shaabana（以及一个匿名的白皮书作者 Yuma Rao）创立。

• 2021 年 1 月 3 日：“Kusanagi”发布，标志着网络的激活，允许矿工和验证者开始获得第一批 TAO 奖励。

• 2021 年 5 月中旬：Opentensor Foundation 暂停了 Kusanagi，以处理一些早期共识问题。

• 2021 年 11 月 2 日：“Kusanagi”分叉为“Nakamoto”。此前 Kusanagi 生成的 546,113 TAO 被迁移到 Nakamoto 上。

• 2023 年 1 月 10 日：Finney 测试网发布，测试 delegated staking 和子网功能。

• 2023 年 1 月 13 日：拍卖中成功获得了一条 Polkadot 平行链插槽。然而，由于对 Polkadot 开发速度有关的担忧，随后决定使用自己基于 Substrate 构建的独立 L1 区块链，而不是依赖于 Polkadot。

  🔸https://www.theblockbeats.info/en/flash/123619

• 2023 年 3 月 20 日：Finney 主网发布。

• 2023 年 3 月 28 日：Opentensor Foundation 发布 Chattensor，在 Bittensor 上建立的 LLM。

• 2023 年 7 月 24 日：Opentensor Foundation 发布 Bittensor Language Model（BTLM）。 作为“30 亿参数语言模型”，BTLM 旨在与移动设备兼容，与 OpenAI 的 GPT-3 和 Meta 的 LLaMA 等流行的 70 亿和 100 亿参数模型相比，所需的内存要少得多。🔸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 升级，子网正式上线，允许用户创建子网，为特定类型的机器学习任务创建激励机制，例如生成图像、创作音乐或互联网内容抓取。

• 2024 年 12 月 14 日：Messari 研究员 Sami Kassab 发布 Bittensor 研报，此后不断 bullish on TAO。🔸https://twitter.com/Old_Samster/status/1734977722424938993

• 2024 年 1 月 10 日：Opentensor Foundation 提出 BIT001 提案（First Bitttensor Improvement Template），提出 dynamic TAO 代币激励机制。

• 2024 年 3 月 31 日：Eric Wall 在 Twitter 发布对 Bittensor 价值为 0 的批判，目前浏览量已将近 200 万。

• 2024 年 4 月 11 日：TAO 上线币安。

本节内容详细拆解 Bittensor 运行逻辑，均来自官方 doc 和子网 github repo。

4.1 系统构成

Bittensor 系统包含 3 个模块：1）一条区块链名为 Subtensor；2）32 个子网（Subnet）；3）以及一个根子网（Root Subnet）。

每个子网中有 3 类角色：1）子网所有者（Subnet Owner）；2）矿工（miner）；3）验证者（Validator）。

4.2 系统运行逻辑

Bittensor 包含 32 个子网，每个子网本质上是一个答题竞赛平台。子网验证者持续分发问题，矿工回答问题，验证者收集矿工的答案后，与事前生成的参考答案做对比，根据相似度打分，以此为根据分配 TAO 代币奖励。

Subtensor 区块链出块间隔为 12 秒，每次出块产生一枚 TAO 代币。Subtensor 同时负责记录子网中的关键活动，包括验证者的打分权重和质押代币数量，每隔 360 个 Block（即 72 分钟）通过 Yuma Consensus 算法计算 32 个子网获得的代币（Emissions）。子网内部每隔固定时间分配代币，具体分配方式（称为子网激励机制）由子网所有者制定。

系统中，32 个子网、验证者、矿工均有注册与淘汰机制，从而使系统保持演进，产生更优质的 AI 模型，从而实现“分布式智能”（Decentralized Intelligence）。

Bittensor 系统中，挖矿和验证与 Subtensor 链的共识证明机制没有任何关系，Subtensor 是一条使用 Polkadot 的 Substrate SDK 开发的 Layer1，其共识证明机制暂时没有找到相关说明。

具体而言，目前 32 个子网的任务包括文本生成、图像生成、语音生成、语音转文字等。可以在 https://taostats.io/ 或 https://docs.Bittensor.com/subnet-pages/ 查看子网名称、uid、任务描述、子网所有者、Github 仓库、激励机制、参与方式等。

例如 Subnet1，由 Opentensor Foundation 运营，任务为 Text Prompting，验证者像使用 ChatGPT 一样给出 prompt，矿工需要根据 Prompt 进行回答，验证者根据矿工的回答质量进行排序，定期更新权重上传到 Subtensor 区块链，区块链每隔 360 个 Block 进行一次 Yuma Consensus 计算，并分配子网 Emissions。

Bittensor 构建了宏大愿景，32 个子网覆盖 AI 领域基本所有子赛道：

4.3 钱包与身份系统

• Bittensor 系统中包含 3 类地址：coldkey、hotkey、子网 uid。

• coldkey、hotkey 的获得：

  🔸在创建钱包时获得。钱包创建有两种方式，若要参与子网创建、挖矿与验证，必须本地创建钱包；若只希望持有、发送和接收 TAO，只需 Chrome Extension 创建钱包。

  🔸Chrome Extension 创建钱包：与其他钱包创建流程类似，获得钱包地址（称为 coldkey，48 位字符，通常以 5 开头），以及 12 位助记词，设置昵称、密码。Chrome Extension 创建的 Bittensor 钱包仅能用于储存、发送和接收 TAO。

  🔸本地创建钱包：在 coldkey 外，同时可以生成 hotkey，用于参与子网创建、挖矿与验证。

• 子网 uid 的获得：

  🔸在支付 TAO 缴纳子网注册费后获得，需要与 hotkey 绑定，用于参与挖矿或验证。

• 为何要设置 coldkey-hotkey 的 dual-key 系统？

  🔸官方给出的解释是 hotkey 更频繁地用于子网日常运营活动，更容易遭遇潜在威胁，因此需要 coldkey 来控制 TAO 的存储、转账，减少 TAO 丢失风险。

• hotkey、coldkey、子网 uid 关系：

  🔸一个 hotkey 只能绑定同一子网中的一个 coldkey，但可以绑定不同子网的 coldkey（不建议）；一个 coldkey 可以绑定多个 hotkey。

  🔸子网 uid 与一个 hotkey 绑定。一个 hotkey 可以持有不同子网上的 uid，但在每个子网上只能有一个 uid。

4.4 子网的设计、注册与淘汰机制

• 子网所有者需要设计如下环节：

  🔸验证者如何向矿工提问

  🔸矿工需要执行什么任务

  🔸矿工如何回答

  🔸验证者如何评价矿工回答

  🔸验证者和矿工如何获得代币奖励

• 子网的注册与淘汰：

  🔸子网注册费用至少 100TAO。注册费用改变机制不详，官方最初说法是：每一个新子网注册后，注册费用翻倍，并线性递减，每两周减半，直到最低 100TAO，但看 taostats 上数据并不是两周减半。

  🔸子网注册后有 7*7200 个 block（7 天）的保护期（immunity period），此后根据 32 个子网的 emissions 参与末尾淘汰。

  🔸子网注册费用只是暂时 lock，取消注册或淘汰后会返还注册费用。

  🔸子网注册费用可作为观察 Bittensor 项目热度的代理变量。1 月时，创立一个子网的注册门槛不到 200TAO。三个月以来，注册子网费用飙升，3 月 10 日达到 10281 TAO，超 700 万美元。如果加上代币本身的涨幅，仅子网注册成本在近三个月就增长了百倍。

  🔸taostats.io 上数据可获得性比较差，没有 API，只能看展示日期的数据，不能回溯。

4.5 挖矿和验证的流程、注册与淘汰机制

• 子网矿工与验证者数量

  🔸subnet1 有 1024 个 uid slot，其中验证者 uid 最多 128 个，验证者 + 矿工之和最多 1024 个；

  🔸其他 31 个子网都只有 256 个 uid slot，其中验证者 uid 最多 64 个，验证者 + 矿工之和最多 256 个。

• 矿工与验证者注册

  🔸成为矿工只需要有 hotkey、coldkey、子网 uid，安装 Bittensor 运行即可；

  🔸如果想成为验证者，还需要质押至少 1000TAO，并且质押量在子网中排名前 64 位（子网 1 需要排名前 128 位）。

• 保护期

  🔸每个子网有一个称为保护期（immunity_period）的超参数。

  🔸保护期从矿工注册子网 uid 时刻开始计算，子网记录每个矿工在 immunity_period 内积累的奖励。

  🔸当新矿工注册时 uid 已满，在 immunity_period 内积累的奖励最少的一个矿工将被移除子网，其 uid 被分配给新矿工的 hotkey。

• 如图为子网 1 与子网 18 uid 注册费用，由子网所有者确定。

• 挖矿与验证流程

  🔸子网验证者生成问题，并同时发送给子网所有矿工；

  🔸矿工生成回答，返回验证者；

  🔸验证者打分，更新矿工权重；

  🔸验证者定期上传矿工权重至链上。

4.6 质押与委托

• TAO 持有者可以将自己的 TAO 委托给代表（delegate），增加其质押量，并获取质押收益。

• delegate 在子网进行验证，并获得奖励。其中委托质押的 TAO 获得的奖励在委托者（nominator）和 delegate 之间分配，delegate 拿走固定费率 17.99%。

• 质押与委托均没有锁定期，随时取消质押。

• 质押量前 32 名验证者可以在 taostats 上查询。https://x.taostats.io/validators

• 当前质押年化收益率约为 15.5%。Staking APY = Validator APY * (1-17.99%)

4.7 Tokenomics

TAO 总量与产生过程：

• 与比特币类似，TAO 代币的总最大供应量被限制为 21,000,000，将在 256 年后发行完毕。

• Subtensor 区块链目前出块间隔为 12 秒，每个 block 产生一枚 TAO。

• 每当 TAO 发行了总供应量的一半，发行率就会减半，大约每经过 1050 万个区块（约 4 年）发生一次。

• 减半根据总供应量而非出块时间计算。由于 uid 和注册需要销毁 TAO，这对具体减半时间点会有细微影响。

子网 Emissions 分配计算过程：

• 根网络（Root Network，subnet 0）在网络结构上位于 32 个子网之上，32 个子网中质押量最大的 64 个验证者，自动成为根网络验证者。根网络验证者需要给 33 个子网打分，定期向区块链更新权重向量。

• 根网络验证者通常每 100-200 个 block 更新一次子网权重，并传输至 Subtensor 区块链上。

• 每隔 360 个 block（称为一个 tempo），链上 Yuma Consensus 计算一次子网 Emissions。

• 根网络验证者权重打分。如图，第一位验证者为子网 1 设置的权重为 0.09，子网 2 为 0.03，以此类推，32 个子网权重之和为 1。

Emissions 子网内部分配：

• 新产生的 TAO，子网所有者、子网验证者、子网矿工分别获得 18%、41%、41%。

• 每个子网获得的 Emissions 由上述链上 Yuma Consensus 算法确定，每个子网内部的分配由子网验证者打分和子网所有者设计的激励机制共同确定，每个子网的激励机制各不相同。

• 各子网 Github repo 中有关于 reward 计算和分配的代码，部分子网在 readme 中介绍了自己的激励机制设计。如 subnet18 FileTAO，给打分标准包括存储、检索和挑战任务的 wilson score，以及成功操作的总数。并给矿工设置了 Super Saiyan, Diamond 等 5 个 tier 和各自需要达到的标准，不同 tier 的奖励系数不同。

  🔸https://github.com/ifrit98/storage-subnet/

4.8 项目治理

• Bittensor 声称有三巨头 + 参议院的二元治理结构。

• 三巨头（Triumvirate）：由 3 名 Opentensor Foundation 员工组成，没有信息显示具体是哪 3 个人。

• 参议院（Senate）：质押量超过全网 2%，且排名前 12 位的代表。网络中的任何参与者都可以通过委托质押的方式将代币交给最符合自身利益的代表。

• 议案（proposal）提出与通过：议案需要由三巨头之一提出，议案只有在：1）获得参议院 50% 以上通过；2）且三巨头之一通过时，才能被执行。

• 加入参议院条件：1）在任意子网注册；2）已经提名自己为代表，可以让其他人委托质押 TAO；3）自身质押 + 他人委托质押量超过全网质押量 2%；4）申请加入参议院；5）若参议院已有 12 人，则需要质押量超过其中质押量最低者，替换之。

• BIT001 Dynamic TAO

  🔸2024 年 1 月 10 日，Opentensor Foundation 提出首个议案 BIT001 Dynamic TAO，旨在通过改革 Bittensor 网络质押机制和 TAO 区块奖励的分发规则来缓解 Root Validator 权力集中和潜在的共谋问题，并赋予所有 TAO 持有者积极参与 Bittensor 区块奖励分配的权力。

  🔸Dynamic TAO 提议，允许各 Subnet 发行自己的“Token”，各“Subnet Token”统称为“Dynamic TAO”（$dTAO），使用不同的希腊字母符号进行区分。

  🔸各“Subnet Token”并不能直接交易，只能通过唯一的资金池（liquidity pool）兑换（unstake/swap）为 TAO。

  🔸每个 Subnet 都会有一个唯一的资金池（liquidity pool），池中存储着一定数量的 TAO 和相应的 $dTAO。兑换时，TAO 与 $dTAO 的定价机制遵循与 Uniswap V2 相同的恒积公式。

本节通过详细拆解 3 个热门子网的运作机制，来揭示 Bittensor 部分子网任务的无意义性，以及激励分配上的问题。

5.1 Text Prompting (subnet 1)

• Subnet1 由 Opentensor Foundation 运营，任务为 Text Prompting。

• prompt 生成过程：

  1）选定问题类型，如 question answering, summarization,code debugging,mathematics 等；

  2）调用外部 API 生成 context，目前外部 API 包括 Wikipedia API, StackOverflow, mathgenerator；

  3）由 context，通过固定模板或 LLM（根据问题和参考答案的类型判断）生成 raw prompt 和参考答案；

  4）raw prompt 在 human agent 系统中，通过扮演特定角色生成最终 prompt。

• Subnet1 为了确保验证者的问题尽可能模仿真实用户，创造性地提出了 human agent 系统，验证者在生成 query 后，需要扮演某一特定角色（persona），模仿特定心情和语气重述该 query，这是一种有损的单向函数（lossy one way function），类似哈希函数，这让验证者的问题更加有趣，难以预测，需要进阶的 NLP 解决。

• 具体 persona 可见 source code，包含 profiles（teacher, student, parent...）, mood（an interested, a concerned, a tired...）, tone（formal, informal, indifferent...）。

• https://github.com/opentensor/prompting/blob/main/prompting/persona.py

• 矿工 response 打分过程：

  🔸决定矿工 response 质量并打分是比较 tricky 的。

  🔸目前需要验证者生成参考答案，并比较矿工 response 与参考答案的相似度。

  🔸打分依据结合 response 字符串相似度与语义相似度（a combination of string literal similarity and semantic similarity）。

• 子网奖励分配：

  🔸子网 1 目前（UTC 2024 年 4 月 27 日）Emissions 占 5.75%，子网中有 23 个活跃验证者和 989 个活跃矿工。

• 由于矿工和验证者各自奖励的总和相同，但矿工数量是验证者数量的 40 余倍，因此验证者和矿工之间奖励分配区分度巨大。以单日奖励排名，仅有的 23 位验证者排名在所有矿工之前。即使最优秀的矿工的奖励（0.253TAO）也仅为最后一位验证者（0.499TAO）的一半左右，为首位验证者（Opentensor Foundation，40TAO）的 1/159。

• 此外，验证者内部奖励分配也有巨大差异。由于验证者的奖励根据质押量比例发放，因此最后一名验证者，即使质押了价值数百万美元的 15,011 个 TAO，在第一名 Opentensor Foundation 面前仍然不值一提，其奖励约为 Opentensor Foundation 的 1/80。

• 评价：验证者根据模板自动生成 prompt，矿工回答 prompt，验证者用 GPT-4 生成参考答案，对比矿工回答与参考答案的相似性来打分。我不清楚这一整套流程的价值是什么，但所有人都获得了 TAO 奖励。

5.2 taoshi (subnet 8)

• taoshi 历史上应该叫 time series prediction，3 月 rebrand 成了交易平台，还推出了 Tradewithdale, Timeless 等应用。

• 子网 8 TAOSHI 运营了一个自营交易网络（Proprietary Trading Network）。PTN 接收来自量化和深度学习机器学习交易系统的信号，以提供跨各种资产类别的世界上最完整的交易信号。有了这个系统，只有世界上最好的交易者和基于深度学习 / 量化的交易系统才能竞争。
  

• 矿工的注册、挖矿与评分：

  🔸矿工注册费用为 5TAO。

  🔸矿工需要在开盘时间实时提交 LONG/SHORT/FLAT 交易信号，以及杠杆倍数。可选的交易对包括外汇（如 EUR/CHF, EUR/USD, GBP/USD）、加密货币（如 BTC/USD, ETH/USD）、指数（如 SPX, DJI）等。

  🔸在任何时刻矿工只能有一个交易对头寸。

  🔸矿工在过去 30 天内至少 close10 个头寸，才能参与评分。

  🔸矿工评分标准：根据组合 omega ratio 和总回报。

  🔹详见

  https://github.com/taoshidev/proprietary-trading-network/tree/main/vali_objects/scoring

• 矿工的淘汰标准：

  🔸1、达到当日最大回撤限制。在任意交易日收盘时，若矿工当日最大回撤达到 5%（相比 daily high），矿工将被淘汰。

  🔸2、达到全时段最大回撤限制。若任意时点，矿工达到 10% 回撤（相比 all time high），矿工将被淘汰。

  🔸3、剽窃。若系统检测到矿工提交的交易剽窃其他矿工，该矿工将被淘汰。

  🔸矿工注册后有 9 天保护期。矿工淘汰后注册费用不予返还。

• 验证者任务：

  🔸验证者需要维护每个矿工的组合、头寸、净值，并在矿工达到最大回撤限制时将其淘汰。

• 实际应用：

  🔸Twitter 上宣称借助子网 8 做了两个应用，Dale 和 Timeless

  🔸Dale： trading bot，宣称可以根据 taoshi 子网的 trading signal 进行交易。twitter 表示正在开发。

  🔹https://twitter.com/tradewithdale

  🔸Timeless：运营了一个几百人的 TG 群，里面主要是交易讨论。宣称 community 从 taoshi 子网的 trading signal 里赚了钱。

  🔹https://twitter.com/Timeless_io
  

• 奖励分配

  🔸子网 8 目前（UTC 2024 年 4 月 27 日）Emissions 占 5.75%，子网中有 24 个活跃验证者，23 个活跃矿工。

• 由于验证者与矿工数量相近，因此以单日奖励排名，矿工与验证者奖励分配差距较小，图中红圈中为矿工。验证者与子网 1 验证者基本为同一拨地址，内部分配与子网 1 类似。

• 评价

  🔸矿工仅仅需要在开盘时间实时给出交易信号，验证者也无法确认是否是 AI 生成的。这一过程中没有任何策略的验证和回测机制，只能说是交易比赛，这种模式下也不可能产生任何有效的策略。

  🔸Taoshi dashboard 可以查看收益率最高的 miner 地址，以及所有过往交易，基本上排名靠前的交易者都是靠开高杠杆超短线交易一把梭哈获得高额回报。

  🔸写作时点（UTC 2024-04-21 08:56），30 日回报最高的地址，30 日回报率为 19.476%，拆解来看，其中大部分为一次交易贡献。该地址在 2024-04-17 05:59:20，EUR/GBP 价格为 $0.85345 时，以 175 倍杠杆做空，并在 98 秒后，2024-04-17 06:00:58，价格为 $0.85276 时平仓（剩 0.01 倍杠杆在 15:01:34 平掉），可计算出这笔交易收益为 14.1%，考虑到交易费用后为 12.75%。

5.3 Cortext (subnet 18)

• 官方 github repo readme 并没有讲任何子网中如何挖矿、验证和激励机制的问题，以下由源代码分析得到。

• 验证者问题生成：

  🔸文字和图像各有 1000+ 给定主题，验证者随机选定主题套用进问题模板中，调用 openai GPT4-turbo 生成给矿工的 prompt。https://github.com/corcel-api/cortex.t/blob/main/validators/text_validator.py

  🔸问题模板在 github.com/corcel-api/cortex.t/blob/main/cortext/utils.py

• 给定主题如 Philosopy, Technology, Physics 等，模板在 https://github.com/corcel-api/cortex.t/blob/main/cortext/init.py

• 验证者参考答案生成

  🔸text promting 调用 GPT4 生成参考答案；image generation 调用 DALL-E 模型生成图像

• 矿工答案生成

  🔸矿工收到 prompt 后，可以选择 anthropic.claude-v2:1 Anthropic, gemini-pro, claude-3-opus 等模型答题。https://github.com/corcel-api/cortex.t/blob/main/miner/miner.py

• 矿工答案打分

  🔸同样是比较 response 与参考答案相似度。

  🔸对于 text prompting，相似度比较算法为 TF-IDF，向量化后计算 cosine_similarity，同时 response 相比参考答案过长或过短有惩罚；

  🔸对于 image generation，相似度比较算法为感知哈希算法（perceptual image hash）将图片映射为一个哈希字符串，比较两个图片之间的相似度就可以通过判断两个哈希字符串之间不一致的位置有多少，仍然转换为 cosine_similarity 函数计算。

• https://github.com/corcel-api/cortex.t/blob/main/cortext/reward.py

• 实际应用

  🔸Corcel，在 twitter 上多次被 Bittensor 支持者拿来当做项目实际 use case，实际上就是个套皮应用。

  🔸Corcel 声称分别调用子网 18 和 19 的 API 完成 Text Prompting 和 Image Generation 任务。用户提问后，得到的回答由矿工产生。

  🔹https://corcel.io/
  

  🔸实际测试 text prompting，询问模型开发者，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”

• 奖励分配：

  🔸子网 18 目前（UTC 2024 年 4 月 27 日）Emissions 占 9.01%，子网中有 24 个活跃验证者，23 个活跃矿工。

  🔸与子网 1 类似，由于矿工数量（240 个）远大于验证者数量（19 个），子网中头部验证者拿到的奖励远高于头部矿工，排名第一的矿工奖励为排名第一的验证者奖励的 1/51。

• 评价

  🔸与子网 1 差不多，还专门做了个套壳应用，不知是以后可能确实要接 Bittensor 子网中矿工答案，还是故意为了迷惑不明真相的群众（Twitter 上很多 Bittensor 支持者把这个应用拿出来举例）。

2 月底到 3 月底，TAO 生态项目密集出现，但基本都是蹭 TAO 热度的土狗，可以参考 BlockBeats 这篇文章：市值 40 亿美元的 Bittensor，是 AI 届以太坊还是 meme 新工厂？

Jacob Robert Steeves 是 Bittensor 创始人，此前是 Google 软件工程师。他毕业于西蒙弗雷泽大学。

Ala Shaabana 是 Bittensor 联合创始人，此前是多伦多大学助理教授与滑铁卢大学博士后。他毕业于麦克马斯特大学。

Garrett Oetken 是 Bittensor 的 CTO。他毕业于爱达荷大学和北爱达荷学院。

创始人 Jacob Robert Steeves 曾经是 memecoin 大会 Dogecon Vancouver 2018的核心组织者；twitter @const_reborn 很活跃。

联创 Ala Shabana，网络上发言较少。

——Bittensor Vision

去中心化 AI 是一个大的 topic。Bittensor 的愿景很宏大，可是从任何一个子赛道的角度来看这个项目似乎都有些问题。

如果 Bittensor 想做的是去中心化的 AI marketplace，那么关键是实现模型和数据资产的确权和货币化，以及如何带动供给和需求的飞轮。可是 Bittensor 子网中矿工甚至不需要上传模型，只需要上传输出结果，验证者拿到的只是矿工输出的答案，甚至不知道这个答案是否是由模型生成的，链上也并没有矿工所使用的模型相关信息。

如果 Bittensor 的目标是实现 AI 训练或推理的去中心化，防止 openai 等垄断性 AI 巨头的 AI 霸权和 censorship，根据本文对 Bittensor 系统的研究，其同样也无法达到这样的效果。况且目前开源 AI 模型以及开源商业化进展的如火如荼，Bittensor 极力渲染的 AI 垄断是否是个伪命题值得商榷。

如果 Bittensor 的定位是选择出目前市面上最好的模型，那么关键就在于如何确定好的标准。如果这个标准是主观的，就不应该由验证者，而是真实用户为模型打分；如果这个标准是客观的，那么 Bittensor 目前仅对矿工输出结果和同样用 LLM 生成的参考答案做相似度排名的算法过于 naive。

综上所述，Bittensor 提供的价值似乎仅仅是 32 个竞赛平台和为参赛者提供的代币奖励，而由于绝大部分流通代币被小团体把持，以及并没有人为这个系统支付 TAO，其价值似乎也更多是空中楼阁。一旦币价下跌到奖励低于成本，其子网生态会迅速失去活力。

至于何为去中心化 AI，在市面上可对标的项目中，一方面看到了与 Bittensor 概念类似的 marketplace，如 SigularityNET（老牌项目，曾经历多轮炒作）、allora network、commune AI（看上去与 Bittensor 系统类似）；另一方面，也看到有 Flock.io、Ritual、sahara AI 等，试图解决数据与模型的隐私、私有化问题，以及训练和推理的去中心化。

AI marketplace 本身是有价值的，Bittensor 项目在这一赛道做出了先行者的尝试，其价值也获得市场认可，本文对 Bittensor 的机制设计、代币分配提出了一些问题和建议，无论 Bittensor 还是其他类似项目，如果能不断试错并完善机制设计，相信能取得更长久的成功。