Bittensor 通常被描述為用於發布「數據商品」的去中心化平台。雖然數據商品通常被認為只包括計算、儲存和網路資源，但 Bittensor 涵蓋的範圍遠遠超出了這些類別。從更廣泛的意義上來說，數字商品網路可以指任何提供標準化數字任務或服務的網路，並由清晰一致的激勵和驗證框架管理。

這意味著除了以網路抓取、數據儲存和雲端運算為中心的傳統子網之外，Bittensor 還支持專用於專門任務和服務的子網，例如為特定模式創建 AI 模型、微調開源 ，以及 3D 內容、圖像和生成交易信號生成。

Bittensor 通過激勵礦工提供特定服務，並採用標準化的激勵和驗證框架，促使團隊在使用 Bittensor 時變得更加富有創意。目前出現的兩個新興趨勢是：

1、外包技術創新

2、作為獨立網路的激勵層

外包技術創新

最近出現了一種趨勢，加密貨幣團隊正在利用 Bittensor 外包支持其產品或服務的基本技術的開發。這些實體不再維持內部研發團隊，而是轉向 Bittensor。集中式和分散式項目都將競爭市場創建為子網，激勵貢獻者解決他們定義的特定問題。

OpenKaito 子網

以 Kaito 為例，這是一個面向加密行業的集中式人工智慧搜尋引擎。他們的目標是通過索引加密內容並將非結構化數據轉換為可搜尋和可操作的格式，使加密中的資訊更易於訪問。

構建搜尋引擎存在許多複雜性，包括數據獲取、索引、排名和知識圖開發。為了在不維持龐大的內部研發部門的情況下應對這些挑戰，Kaito 團隊在 Bittensor 上推出了 OpenKaito 子網。在這裡，搜尋相關性的挑戰被定義為礦工驗證者問題。子網上的礦工提交搜尋查詢的排名結果，而驗證者則應用獎勵模型來評估這些礦工響應的質量。

這種方法使 Kaito 能夠外包重要的研發任務，利用具有特定領域知識的貢獻者的集體專業知識來構建去中心化的搜尋引擎。Kaito 之後的目標是在子網上開發一款搜尋和分析產品，並打算將其貨幣化。

MyShell 和 Virtual 子網

MyShell 和 Virtual 是兩個採用類似策略的去中心化項目。MyShell 專注於人工智慧消費者層，允許用戶製作個性化的聊天機器人，為了增強他們的聊天機器人交互體驗，該團隊計劃添加語音功能。然而，鑒於文本轉語音 (TTS) 技術仍處於初級階段，並且缺乏適合自定義語音模型的解決方案，MyShell 推出了一個子網來激勵開源 TTS 模型的開發。這一舉措使他們能夠將注意力從機器學習問題轉移到網路的其他重要方面。

Virtual 也緊隨其後，但其子網專注於激勵音頻到動畫模型的開發。

為什麼外包給 Bittensor？

MyShell 和 Virtual 都通過其協議激勵貢獻者貢獻數據和模型，以開發角色、自定義聊天機器人，並完成對其平台產品和服務至關重要的其他任務。那麼，為什麼他們使用 Bittensor 來推動支撐其平台的關鍵人工智慧模型的開發，而不是通過自己的協議來實現呢？

可能有以下幾個原因：

更容易吸引貢獻者：吸引具有特定領域知識的專家為早期項目做出貢獻是一項挑戰，尤其是機器學習專家。然而，Bittensor 擁有強大的品牌和廣泛的礦工/貢獻者網路，具有不同的專業知識。這些貢獻者中有機器學習方面的專家，他們可以無縫地選擇 MyShell 和 Virtual 等項目的子網做出貢獻，幫助他們實現目標。

貢獻者的即時價值：貢獻者更願意立即以有價值的貨幣對其工作進行獎勵。例如，TakeMyShell 沒有代幣，儘管可以為貢獻者提供積分，但認真的貢獻者不太可能在不知道其潛在價值的情況下僅僅基於未來代幣的承諾來致力於實質性工作。即使在小型項目確實有代幣的情況下，利用 Bittensor，貢獻者可以賺取 TAO（一種相對成熟的代幣，具有相當數量的流動性），可以讓貢獻者立即以穩定的方式獲得補償。

充當網路的激勵層

啟動新網路的最大挑戰之一在於，在需求方（用戶）開始使用網路服務之前，將供應方（貢獻資源的礦工池）擴大到臨界規模。事實證明，加密網路可以有效解決這種先有雞還是先有蛋的困境，即使供應方沒有積極參與用戶任務，也可以通過代幣的存在和可用性來激勵供應方。

然而，隨著人工智慧的普及以及構建人工智慧資源網路和通用數字商品網路的團隊的激增，吸引礦工和引導網路的供給側變得越來越具有挑戰性和競爭力。

在這種環境中，Bittensor 具有獨特的定位，可以成為網路的外部激勵層，使網路能夠輕鬆引導其供應方並僅專注於協議的執行層。

案例研究：Inference Labs

Inference Labs 正致力於通過推理證明驗證模型將 AI 引入鏈上，該模型通過 Eigenlayer 上的 AVS 利用零知識 (zk) 技術。重要的是，他們還在 Omron Bittensor 上啟動了一個子網，專門用於引導為其協議提供 zk 證明器和模型推理器。

本質上，Inference Labs 在初始階段使用 Bittensor 作為其網路供應方的激勵層。

利用 Bittensor 背後的基本原理很簡單：吸引貢獻者在像 Bittensor 這樣的現有網路上挖掘子網比將他們吸引到新的獨立網路要容易得多。如上所述，Bittensor 為貢獻者提供即時價值的能力是一個主要賣點。此外，該網路擁有數千名礦工，他們已經為各個子網做出了貢獻，由於他們熟悉挖掘不同數字商品網路所需的資源和任務，因此他們可以無縫地選擇加入新的子網。

因此，在 Bittensor 上啟動子網使 Inference Labs 能夠利用現有的熟練礦工池，加速其協議的開發和增長。並加速了它的發展。在短短兩周內，假設礦工以最低硬體要求運行（這可能低估了實際容量），該子網總共包含 1900 個 CPU 核心、15 TB RAM 和 90TB 儲存，將該子網定位為最大的 zkML 計算集群。

未來，Inference Labs 計劃將激勵層內部化，其中通過其協議直接貢獻的礦工將獲得代幣激勵和網路使用費。然而，即使 Inference Labs 過渡到自己的激勵機制，Bittensor 上的子網也將持續存在，繼續無限期地補充該協議的本地供應方。在此過程中，Inference Labs 的網路充當聚合器，從各種渠道（包括 Bittensor 子網）採購 zkML 貢獻者。

雖然一些網路可能最後會選擇將激勵層合併，但其他網路也可能會選擇將此功能永久委託給 Bittensor，從而使它們能夠專注於執行層。

子網動態如何影響 TAO 的價格？

在 Bittensor 中，驗證者通常擁有對礦工生產的數字商品的獨占訪問權（更多資訊請參見此處）。當團隊啟動子網作為外部激勵層或外包其網路的技術創新時，協議或團隊有兩個選擇：

成為驗證者 – 這涉及獲取 TAO 並將其質押到特定子網。驗證者在子網上接收的網路資源或對服務的訪問通常由他們持有的權益決定。例如，如果一個團隊擁有子網 20% 的 TAO 權益來運行驗證器，那麼它就會獲得相應的子網 20% 的資源。

向現有子網驗證器支付資源費用 – 或者，團隊可以選擇向現有子網驗證器支付其子網資源費用。該付款可以以各種貨幣進行，例如法定貨幣或穩定幣，具體取決於驗證者的偏好。Taoshi 正在開發一個請求網路，該網路將無縫地使驗證者能夠將其資源貨幣化，從而允許第三方通過 API 輕鬆訪問子網的商品。

隨著子網的收入潛力隨著對其資源或服務的需求的增加而擴大，驗證者開始競相收購 TAO，以確保礦工獲得額外的資源和優先權，從而獲得更大的收入流並增強其營運。

最終，這兩種選擇都有助於推動 Bittensor 生態系統內對 TAO 的需求。鑒於 TAO 的代幣供應量是固定的，這種不斷增長的需求可能會導致其價值上漲。

隨著越來越多的優秀礦工加入 Bittensor 的挖礦網路，越來越多的團隊被吸引啟動子網，以獲取解決其特定問題所需的專業人才，並獲得他們正在尋找的數字資源。這產生了一種正循環效應，即優秀的礦工競爭獎勵吸引了更高質量的子網團隊，這些團隊生產出更有價值的數字商品，最終增加了需求，促使驗證者競爭 TAO 來確保其獲得抵押並獲得相應的資源分配。

最後的想法

那些希望在 Bittensor 上啟動子網的團隊中，普遍存在的主題似乎是希望利用挖礦社區的力量。一個網路由各領域專家組成，涵蓋機器學習、數據科學、交易、雲端運算、資源配置等多個領域，他們都在尋找利用自己的技能和資源來換取一種共同貨幣的途徑。目前看來，這似乎是 Bittensor 最強大的優勢所在。

我覺得最有趣的是，Bittensor 可以促進那些作為獨立網路不太可行的項目的發展。例如，用戶可以啟動專門定製的子網來外包其技術堆棧的特定組件，就像部署專門的微服務一樣。比如去中心化的社交網路可以將推薦算法卸載給 Bittensor，類似於項目目前依賴 Bittensor 來開發和推理跨不同模式的 AI 模型的方式。

隨著未來子網門檻的提高，集中式和去中心化項目將其技術堆棧的特定部分託管在 Bittensor 上的前景變得越來越真實可行。我預見在不久的將來出現 Bittensor 的第三類使用案例。

「原文鏈接」

原文連結