Bittensor 作為今年首個在 Binance 上線的 AI 幣，其價格走勢和專案本身都飽受爭議。本文圍繞 Bittensor 生態的六大應用領域進行了簡要介紹。本文源自作者思維怪怪所著文章，由 BlockBeats 整理及撰稿。
（前情提要：FUD聲四起，AI概念幣新王「Bittensor」會跌下神壇嗎？ ）
（背景補充：深度解讀 Bittensor(TAO)，為何能吸引 Zhu Su 公開喊盤，區塊鏈融合 AI 潛力多大？ ）
Bittensor（TAO）是今年第一個在 Binance 上市的 AI 幣。本以為這是 AI 賽道全面開啟的第一步，沒想到卻成了短期的「最後一步」。自 4 月 11 日上線後，TAO 的價格便開始了一落千丈的走勢，至今仍然沒有回升的態勢。
緊隨著幣價下跌的，是社群對這個專案的有效性的爭論越來越激烈。這一切始於 3 月 30 日 Taproot Wizards 共同創辦人 Eric Wall 在社交媒體上對 Bittensor（TAO）發出的一連串尖銳質疑，如今已經創下接近 200 萬的閱讀量。
Eric Wall 的核心觀點可以歸納為：
- 子網 1 中眾多礦工重複執行相同的語言模型來回答提示，效率低下且資源浪費。一個礦工就能完成任務，沒必要上千個礦工並行。
- 子網 1 的驗證機制過於簡單，只比對答案相似度，礦工容易投機取巧、作弊。
- 目前子網 1 僅在內部執行，普通使用者無法使用，沒有實用價值。
- Bittensor 專案只是在炒作「去中心化 AI」概念，忽悠散戶投資者，讓代幣價格虛高。
這些質疑雖然直指 Bittensor 的一些痛處，但未免也有以偏概全、一葉障目之嫌。多礦工冗餘看似低效，實則是分散式協作的必經之路。Bittensor 的目標是打造一個全球規模的 AI 網路，冗餘是必要成本，而非設計缺陷。
驗證機制目前還比較初級，但 Bittensor 一直在積極改進。最新的計劃包括引入 Commit-Reveal 權重機制，通過延遲公開礦工提交的權重，Commit-Reveal 機制能夠很好地遏制投機取巧的抄襲行為。
Bittensor 子網是什麼？
子網 1 作為 Bittensor 的第一個子網，其定位主要是在進行內部訓練和測試。但 Bittensor 生態已經拓展到數十個面向不同應用場景的子網，它們在搜尋、醫療、教育、遊戲等領域提供了切實的價值。將 Bittensor 簡單地歸類為「AI meme 幣」，並以此否定其價值，本身就是一種非理性和短視的做法。
儘管面對這些質疑和挑戰，Bittensor 並未停滯不前。相反，它在不斷擴展套件和改進自身網路。5 月 12 日，Bittensor 宣佈將每週增加 4 個子網插槽，直至達到新的 64 個插槽上限，今年的目標是邁向 1024 個子網。
截至目前，Bittensor 已經擁有 34 個子網，這些子網覆蓋了多個領域，充分展示了去中心化 AI 的潛力和多樣性。接下來，本文將從內容生成、資料蒐集與處理、LLM 生態系統、去中心化基礎設施、DeFi 和其他應用六個領域對這些子網進行逐一介紹，以期讀者能夠對 Bittensor 生態有一個全面清晰的認知。
內容生成
內容生成類別的子網為文字、影象、音訊、視訊的生成和優化提供平臺。
文字提示（子網 1）：由 Opentensor 基金會開發，是專門用於文字生成的去中心化子網。它利用大型語言模型（如 GPT-3、GPT-4 等）進行提示和推理，礦工提供 AI 服務，驗證者負責驗證預測結果。
MyShell TTS（子網 3）：由 MyShell 開發，專注於文字轉語音（TTS）技術。該子網開發和優化開源 TTS 模型，如 OpenVoice 和 MeloTTS，礦工負責訓練模型，驗證者評估模型效能，致力於建立高品質的開源 TTS 模型。
Multi Modality（子網 4）：由 Manifold 開發，專注於多模態 AI 系統，處理和生成跨多種資料型別和格式的資訊，包括文字、影象和音訊。
Three Gen（子網 17）：是一個專注於 AI 驅動的 3D 內容生成的去中心化子網。Three Gen 子網利用 AI 技術生成 3D 模型和內容，礦工和驗證者通過貢獻計算資源和驗證生成內容的品質來獲得獎勵，推動 3D 內容生成技術的發展。
Cortex.t（子網 18）：由 Corcel 開發，是一個專注於 AI 開發和合成資料生成的去中心化子網。
Vision（子網 19）：是一個專注於影象生成和推理的去中心化子網。Vision 子網利用分散式規模推理子網（DSIS）框架，最大化 Bittensor 網路的產出能力，允許礦工自由選擇技術堆疊處理需求並生成響應。驗證者從前端接收需求並分發給礦工，評估其表現，使影象生成過程更加高效。
Niche Image（子網 23）：是一個專注於去中心化影象生成的子網。Niche Image 支援多種影象生成模型，礦工通過貢獻計算資源生成影象，並根據品質獲得獎勵，不斷引入新模型和功能滿足使用者需求。
TensorAlchemy（子網 26）：是一個專注於人類評分和去中心化影象生成的子網。通過人類評分評估影象生成模型的輸出，並根據評分和生成的影象品質獎勵礦工，計劃在藝術創作和廣告等領域應用其技術。
Fractal（子網 29）：由 Fractal Research 開發，是一個專注於文字生成視訊的去中心化子網。該子網利用網格擴散模型和邊緣節點推理技術，通過分散式節點處理文字生成視訊任務。
WomboAl（子網 30）：是一個專注於影象生成和社交分享的去中心化子網。WomboAl 子網通過 Bittensor 網路生成高品質影象，並支援使用者通過 WOMBO Dream 和 WOMBO Me 等應用分享影象。
資料蒐集與處理
資料收集與處理類別中的子網專注於去中心化的資料蒐集、儲存和分析服務。通過構建分散式的索引層和資料處理框架，這些子網能夠處理大規模資料集，並為其他子網和使用者提供資料支援。
Open Kaito（子網 5）：由 Kaito AI 開發，旨在為 Web3 提供去中心化搜尋和分析服務。該子網構建去中心化的索引層，支援對 Web3 內容的智慧搜尋和分析，通過 Bittensor 的激勵系統，鼓勵礦工創新解決索引任務。
Dataverse（子網 13）：是一個專注於收集和儲存大量資料的去中心化子網。Dataverse 子網從各種來源收集和儲存資料，並為其他子網提供資料支援。礦工根據其貢獻的資料量獲得 TAO 代幣獎勵，驗證者定期查詢和驗證資料的正確性。
Blockchain Insights（子網 15）：是一個專注於將原始區塊鏈資料轉化為結構化圖模型的去中心化子網。該子網提供資料分析查詢和結果視覺化功能，支援對區塊鏈資料的深入分析，使用者可以執行訂製化查詢。
Meta Search（子網 22）：由 Datura-ai 開發，是一個專注於 Twitter 資料分析的去中心化子網。Meta Search 利用 AI 技術對 Twitter 資料進行深入分析，提供即時資料訪問和情感分析，幫助使用者理解公眾情緒和制定資料驅動決策。
Omega Labs（子網 24）：由 Omega Labs 開發，是一個專注於建立去中心化多模態資料集的子網，收集視訊、音訊、文字等資料，為通用人工智慧（AGI）的研究和開發提供支援，礦工根據貢獻的資料獲得獎勵。
Conversation Genome Project（子網 33）：由 Afterparty AI 開發，是一個專注於去中心化對話資料處理和個性化 AI 訪問的子網。該子網通過去中心化方式處理和索引大量對話資料，提供個性化的 AI 訪問服務，礦工通過貢獻計算資源獲得獎勵。
LLM 生態系統
LLM 生態系統類別中的子網專注於大型語言模型（LLM）的訓練、微調、保護和優化。
Nous Finetuning（子網 6）：由 Nous Research 開發，專注於大型語言模型（LLM）微調。該子網獎勵礦工使用合成數據對 LLM 進行微調，實現跨子網通訊，並通過評估模型表現激勵礦工。
Pretraining（子網 9）：由 Opentensor 基金會開發，專注於預訓練大型語言模型。礦工在 Falcon Refined Web 資料集上訓練模型，通過連續基準測試和驗證機制提升模型效能。
Dippy Roleplay（子網 11）：由 Impel 開發，是一個專注於建立角色扮演模型的子網。Dippy Roleplay 通過去中心化的方式激勵社群建立和優化角色扮演大型語言模型（LLM）。礦工和開發者根據其貢獻的模型品質和效能獲得 TAO 代幣獎勵。
LLM Defender（子網 14）：由 Synapsec AI 開發，是一個專注於保護大型語言模型（LLM）免受各種攻擊的去中心化子網。LLM Defender 子網通過多個分析器和引擎檢測和防止對 LLM 應用的攻擊，利用去中心化的特性提供多層次的防禦機制。
NAS Chain（子網 31）：是一個專注於神經架構搜尋（NAS）的去中心化子網。NAS Chain 利用遺傳演算法和分散式計算資源優化神經網路架構，礦工通過貢獻計算資源參與 NAS 任務，並根據其貢獻獲得獎勵。
It’s AI（子網 32）：是一個專注於檢測大型語言模型（LLM）生成內容的去中心化子網。該子網利用 deberta-v3-large 模型識別由 LLM 生成的文字，應用於機器學習、教育、社交媒體等多個場景。驗證者使用 The Pile 資料集確保檢測系統的準確性和可靠性。
去中心化基礎設施
去中心化基礎設施類別中的子網通過提供分散式計算和儲存資源提升網路的去中心化和穩定性。
Subvortex（子網 7）：通過激勵機制鼓勵礦工執行 subtensor 節點，增強 Bittensor 網路的去中心化和穩定性。該子網在全球範圍內部署節點，具有低延遲和高冗餘性，降低了參與門檻。
Horde（子網 12）：由 Backend Developers Ltd 開發，是一個專注於去中心化計算資源分配的子網。Horde 子網通過分散式計算的方式，將任務分配給不同的礦工節點，以提高任務處理的效率和速度。礦工根據其提供的計算資源和任務處理效率獲得獎勵，驗證者評估礦工的工作品質。
Filetao（子網 21）：是一個去中心化的分散式儲存子網。FileTAO 通過零知識證明空間時間演算法實現高效、安全的儲存系統，支援多層次驗證機制和跨子網通訊，礦工通過貢獻儲存空間獲得獎勵。
Compute（子網 27）：由 Neural Inτerneτ 開發，是一個專注於去中心化計算資源分配的子網。Compute 子網提供無許可的計算市場，整合多個雲平臺形成統一的去中心化高層雲計算基礎設施，礦工通過貢獻計算資源獲得 TAO 代幣獎勵。
DeFi
DeFi 類別中的子網專注於去中心化金融服務的優化和創新，包括流動性質押、量化交易、收益優化和金融市場預測。
Omron（子網 2）：由 Inference Labs 開發，旨在通過人工智慧和機器學習技術來優化和驗證流動性質押和再質押策略。Omron 利用智能合約和驗證節點，提供自動化的再質押策略，並通過零知識證明機制確保推理過程的真實性和安全性。
Proprietary Trading Network（子網 8）：由 Taoshi 公司開發，專注於去中心化量化交易訊號。礦工貢獻交易訊號，覆蓋多個金融市場，使用者可以獲得高品質的交易訊號。
Sturdy（子網 10）：由 Sturdy Finance 開發，是一個專注於去中心化收益優化的子網。Sturdy 子網允許礦工通過智慧合約將資產分配到不同的策略池中，以實現最高的收益。礦工根據分配策略產生的收益多少來獲得獎勵，驗證者評估礦工的分配策略，並根據收益表現對其進行評分。
Foundry S&P 500 Oracle（子網 28）：由 Foundry Digital LLC 開發，是一個專注於金融市場預測的去中心化子網。該子網激勵礦工預測 S&P 500 指數的價格，並通過驗證者評估預測結果。
其他應用
其他應用類別的子網涵蓋廣告分發、任務管理、蛋白質摺疊研究和醫療保健等領域。
BitAds（子網 16）：是一個去中心化和激勵化的廣告子網。BitAds 子網通過去中心化的方式分發廣告任務，礦工通過推廣廣告連結生成有機流量並獲得 TAO 代幣獎勵。
BitAgent（子網 20）：是一個專注於任務和工作流管理的去中心化子網。BitAgent 結合大型語言模型（LLM）和使用者常用應用，提供智慧代理服務，簡化日常任務和工作流管理。礦工根據表現進行競爭，並根據任務完成情況獲得 TAO 代幣獎勵。
Protein Folding（子網 25）：由 Opentensor 基金會開發，是一個專注於蛋白質摺疊研究的去中心化子網。通過分散式計算資源進行蛋白質摺疊研究，礦工根據貢獻的計算能力獲得獎勵，為生物醫學研究提供平臺。
Healthi（子網 34）：由 Healthi Labs 開發，是一個專注於利用人工智慧（AI）提升醫療保健服務的去中心化子網。Healthi 子網利用 AI 模型進行臨床預測任務，通過去中心化方式管理和處理醫療資料，確保資料的安全性和隱私性。智慧合約簡化保險流程，提高醫療服務的效率。
結語：Bittensor 的新興應用趨勢
正如前 Messari 研究員 Sami Kassab 在最近的一篇文章中所指出的，Bittensor 目前出現了兩大新興應用趨勢：
- 一是專案方將技術創新外包給 Bittensor 子網，如 Kaito AI 通過 Bittensor 外包搜尋引擎的研發工作；
- 二是專案將 Bittensor 作為激勵層，快速聚集礦工資源，為其網路提供數位商品供給，如 Inference Labs 通過啟動 Omron 子網來引導 zk provers 和模型推理器的供應。
隨著 Bittensor 對子網的擴容，未來可能出現更多專案選擇將技術棧的特定元件外包給 Bittensor，這將成為 Bittensor 的第三大應用場景。Bittensor 正在加速 AI 行業的專業化分工，並推動更多原創性專案湧現。隨著參與者的增多，Bittensor 生態預計可以形成一個正向迴圈，迎來蓬勃發展的新階段。
📍相關報導📍
市值40億美元的Bittensor(TAO)，是AI結合以太坊還是Meme新星？
