월간 하락률이 거의 50%에 달하는 상황에서 Bittensor의 "해자"가 여전히 유효한가요?
원제목: "Bittensor: 새로운 사용 동향"
원작자: Sami Kassab
원곡: Joyce, BlockBeats
편집자 주: Bittensor는 Polychain, DCG 등 강력한 투자 기관이 지원하는 AI 프로젝트로 시장 가치가 40억 달러를 초과하는 등 많은 주목을 받았으며 AI 트랙의 선두 프로젝트로 평가받고 있습니다. 4월 11일 Bittensor는 Binance에 상장되었고 TAO는 그날 최고 700달러를 기록하며 일련의 AI 코인 상승을 주도했습니다. 한 달 뒤 TAO 가격은 고점 대비 47% 하락한 377달러를 기록했다.
AI 부문의 전반적인 반등도 Bittensor의 쇠퇴를 막을 수는 없습니다. 이는 주로 Bittensor의 "해자"의 명백한 장점과 단점 때문입니다. 한때 커뮤니티를 놀라게 했던 Subnet 서브넷 인센티브 메커니즘은 현재 "비효율적"이라는 논란에 빠져 있습니다. 경쟁과 낮은 품질". 중. 최근 Myshell 및 Virtual Protocol과 같은 일부 AI 프로젝트가 Bittensor에서 서브넷을 잇달아 출시하여 Bittensor 생태계에 활력을 불어넣었지만 TAO가 최고 수준으로 복귀하는 데 도움이 될 수 있는지 여부는 여전히 불분명합니다.
O$$ Capiτal 회원이자 전 Messari 연구원인 Sami Kassab은 항상 Bittensor에 대해 낙관적이었습니다. 최근 Sami는 Bittensor에 정착된 AI 프로젝트를 시작으로 서브넷 메커니즘의 장점과 개발 가능성을 분석했습니다. BlockBeats는 다음과 같이 컴파일됩니다. 
Subnet 19로 구동되는 Corcel을 사용하여 생성된 이미지
Bittensor는 종종 "데이터 상품" 게시를 위한 분산형 플랫폼으로 설명됩니다. 데이터 상품은 종종 컴퓨팅, 스토리지 및 네트워크 리소스만 포함하는 것으로 생각되지만 Bittensor는 이러한 범주를 훨씬 뛰어넘습니다. 더 넓은 의미에서 디지털 상품 네트워크는 표준화된 디지털 작업이나 서비스를 제공하고 명확하고 일관된 인센티브 및 검증 프레임워크에 의해 관리되는 모든 네트워크를 의미할 수 있습니다.
즉, Bittensor는 웹 스크래핑, 데이터 저장 및 클라우드 컴퓨팅을 중심으로 하는 기존 서브넷 외에도 특정 패턴에 대한 AI 모델 생성, 오픈 소스 미세 조정과 같은 특수 작업 및 서비스 전용 서브넷도 지원합니다.<b 1001>< / b 1001 > 뿐만 아니라 3D 콘텐츠, 이미지 및 생성된 거래 신호 생성도 가능합니다.
Bittensor는 채굴자에게 특정 서비스를 제공하도록 인센티브를 제공하고 표준화된 인센티브 및 검증 프레임워크를 채택함으로써 Bittensor를 사용할 때 팀이 더욱 창의적이 되도록 장려합니다. 현재 떠오르는 두 가지 새로운 트렌드는 다음과 같습니다.
1. 아웃소싱 기술 혁신
2. 독립 네트워크를 위한 인센티브 계층
아웃소싱 기술 혁신
최근 암호화폐 팀이 Bittensor를 활용하여 제품이나 서비스를 지원하는 기본 기술 개발을 아웃소싱하는 추세가 있습니다. 이러한 기업은 더 이상 사내 R&D 팀을 유지하지 않고 대신 Bittensor로 전환합니다. 중앙 집중식 프로젝트와 분산형 프로젝트 모두 기여자가 정의한 특정 문제를 해결하도록 인센티브를 제공하는 하위 네트워크로서 경쟁 시장을 만듭니다.
OpenKaito 서브넷
암호화폐 산업을 위한 중앙 집중식 인공 지능 검색 엔진인 Kaito를 예로 들어 보겠습니다. 이들의 목표는 암호화된 콘텐츠를 색인화하고 구조화되지 않은 데이터를 검색 가능하고 실행 가능한 형식으로 변환하여 암호화된 정보에 대한 접근성을 높이는 것입니다.
데이터 수집, 색인 생성, 순위 지정, 지식 그래프 개발 등 검색 엔진을 구축하는 데는 많은 복잡성이 있습니다. 대규모 내부 R&D 부서를 유지하지 않고도 이러한 문제를 해결하기 위해 Kaito 팀은 Bittensor에서 OpenKaito 서브넷을 시작했습니다. 여기서 관련성을 찾는 문제는 채굴자-검증인 문제로 구성됩니다. 서브넷의 채굴자는 검색 쿼리에 대해 순위가 매겨진 결과를 제출하고 검증자는 이러한 채굴자의 응답 품질을 평가하기 위해 보상 모델을 적용합니다.
이러한 접근 방식을 통해 Kaito는 중요한 R&D 작업을 아웃소싱하고 도메인별 지식을 갖춘 기여자의 집단적 전문 지식을 활용하여 분산형 검색 엔진을 구축할 수 있습니다. 그런 다음 Kaito는 수익 창출을 목적으로 서브넷에서 검색 및 분석 제품을 개발하는 것을 목표로 합니다.
MyShell 및 가상 서브넷
MyShell과 Virtual은 유사한 전략을 채택하는 두 가지 분산형 프로젝트입니다. MyShell은 인공 지능의 소비자 계층에 중점을 두어 사용자가 개인화된 챗봇을 만들 수 있도록 챗봇 상호 작용 경험을 향상시키기 위해 음성 기능을 추가할 계획입니다. 그러나 TTS(텍스트 음성 변환) 기술이 아직 초기 단계이고 사용자 정의 음성 모델에 적합한 솔루션이 부족하다는 점을 고려하여 MyShell은 오픈 소스 TTS 모델 개발을 촉진하기 위해 서브넷을 출시했습니다. 이러한 움직임을 통해 그들은 기계 학습 문제에서 네트워크의 다른 중요한 측면으로 관심을 전환할 수 있습니다.
Virtual도 크게 뒤처져 있지 않지만 해당 서브넷은 오디오-애니메이션 모델 개발을 촉진하는 데 중점을 두고 있습니다.
Bittensor에 아웃소싱하는 이유는 무엇입니까?
MyShell과 Virtual은 모두 프로토콜을 통해 기여자에게 인센티브를 제공하여 데이터와 모델을 제공하여 페르소나, 맞춤형 챗봇을 개발하고 플랫폼 제품 및 서비스에 중요한 기타 작업을 완료합니다. 그렇다면 그들이 자체 프로토콜을 통해 수행하는 대신 Bittensor를 사용하여 플랫폼을 뒷받침하는 주요 AI 모델 개발을 추진하는 이유는 무엇입니까?
여러 가지 이유가 있을 수 있습니다.
기여자 유치가 더 쉬워짐: 분야별 지식을 갖춘 전문가를 유치하여 초기 단계 프로젝트에 기여하는 것은 어려울 수 있으며, 특히 기계 학습 전문가가 더욱 그렇습니다. 그러나 Bittensor는 강력한 브랜드와 다양한 전문 지식을 갖춘 광부/기여자로 구성된 광범위한 네트워크를 보유하고 있습니다. 이러한 기여자에는 기계 학습 전문가가 포함되며 MyShell 및 Virtual과 같은 프로젝트의 서브넷을 원활하게 선택하여 목표 달성에 도움을 줄 수 있습니다.
기여자의 즉각적인 가치: 기여자는 자신의 작업에 대해 가치 있는 통화로 즉시 보상받는 것을 선호합니다. 예를 들어 TakeMyShell에는 토큰이 없으며 기여자에게 크레딧이 제공될 수 있지만 진지한 기여자가 잠재적인 가치를 알지 못한 채 미래 토큰에 대한 약속에만 기초하여 실질적인 작업에 전념할 가능성은 거의 없습니다. 소규모 프로젝트에 토큰이 있는 경우에도 Bittensor를 사용하면 기여자는 TAO(상당한 양의 유동성을 갖춘 비교적 성숙한 토큰)를 얻을 수 있으므로 기여자는 즉각적이고 안정적인 방식으로 보상을 받을 수 있습니다.
네트워크의 인센티브 계층 역할을 합니다.
새로운 네트워크를 출시할 때 가장 큰 과제 중 하나는 수요 측면(사용자)이 네트워크 서비스를 사용하기 시작하기 전에 공급 측면(자원을 제공하는 채굴자 풀)을 임계 크기로 확장하는 것입니다. 암호화폐 네트워크는 이러한 닭과 달걀의 딜레마에 대한 효과적인 솔루션임이 입증되었으며, 공급업체가 사용자 작업에 적극적으로 참여하지 않는 경우에도 토큰의 존재와 가용성을 통해 인센티브를 제공합니다.
그러나 인공 지능의 인기와 인공 지능 자원 네트워크 및 범용 디지털 상품 네트워크를 구축하는 팀의 확산으로 인해 채굴자를 유치하고 네트워크 공급 측면을 부트스트래핑하는 것이 점점 더 어려워지고 경쟁이 치열해졌습니다.
이 환경에서 Bittensor는 네트워크의 외부 인센티브 계층이 될 수 있는 고유한 위치에 있으므로 네트워크가 공급 측면을 쉽게 부트스트랩하고 프로토콜 실행 계층에만 집중할 수 있습니다.
사례 연구: 추론 연구소
Inference Labs는 Eigenlayer의 AVS를 통해 영지식(zk) 기술을 활용하는 추론 방지 검증 모델을 통해 AI를 체인에 도입하기 위해 노력하고 있습니다. 중요한 것은 ZK 증명자 및 프로토콜 추론 모델을 부트스트랩하기 위해 Omron Bittensor에서 서브넷을 출시했다는 것입니다.
기본적으로 Inference Labs는 초기 단계에서 Bittensor를 네트워크 공급 측면의 인센티브 계층으로 사용하고 있습니다.
Bittensor를 활용하는 이유는 간단합니다. 기여자를 새로운 독립 네트워크로 유치하는 것보다 Bittensor와 같은 기존 네트워크의 서브넷을 마이닝하도록 유도하는 것이 훨씬 쉽습니다. 위에서 언급했듯이 기여자에게 즉각적인 가치를 제공하는 Bittensor의 능력은 주요 판매 포인트입니다. 또한 네트워크에는 이미 다양한 서브넷에 기여하고 있는 수천 명의 채굴자가 있으며 다양한 디지털 상품 네트워크를 채굴하는 데 필요한 리소스 및 작업에 익숙하기 때문에 새로운 서브넷을 원활하게 선택할 수 있습니다.
따라서 Bittensor에서 서브넷을 출시하면 Inference Labs는 기존의 숙련된 채굴자 풀을 활용하고 프로토콜의 개발 및 성장을 가속화할 수 있습니다. 그리고 개발을 가속화했습니다. 단 2주 만에 서브넷에는 총 1900개의 CPU 코어, 15TB의 RAM, 90TB의 스토리지가 포함되었습니다. 단, 채굴기가 최소 하드웨어 요구 사항(실제 용량을 과소평가할 수 있음)으로 실행되고 있다고 가정하면 이 서브넷이 가장 큰 zkML로 자리잡게 됩니다. 컴퓨팅 클러스터.
앞으로 Inference Labs는 프로토콜을 통해 직접 기여하는 채굴자가 토큰 인센티브와 네트워크 사용 수수료를 받을 수 있는 인센티브 계층을 내부화할 계획입니다. 그러나 Inference Labs가 자체 인센티브 메커니즘으로 전환하더라도 Bittensor의 서브넷은 지속되어 프로토콜의 로컬 공급 측면을 무기한으로 계속 보충합니다. 이 프로세스에서 Inference Labs의 네트워크는 Bittensor 서브넷을 포함한 다양한 소스에서 zkML 기여자를 소싱하는 집계자 역할을 합니다.
일부 네트워크는 결국 인센티브 계층을 통합하기로 선택할 수 있지만 다른 네트워크에서는 이 기능을 Bittensor에 영구적으로 위임하여 실행 계층에 집중할 수 있습니다.
서브넷 역학은 TAO 가격에 어떤 영향을 미치나요?
Bittensor에서 검증인은 일반적으로 채굴자가 생산한 디지털 상품에 독점적으로 접근할 수 있습니다(자세한 내용은 여기 참조 ). 팀이 외부 인센티브 계층으로 서브넷을 시작하거나 기술 혁신을 네트워크에 아웃소싱하는 경우 프로토콜이나 팀에는 두 가지 옵션이 있습니다.
검증인 되기 - 여기에는 TAO를 획득하고 이를 특정 서브넷에 스테이킹하는 것이 포함됩니다. 검증인이 서브넷에서 받는 네트워크 리소스나 서비스에 대한 액세스는 일반적으로 그들이 보유한 지분에 따라 결정됩니다. 예를 들어, 팀이 검증인을 실행하기 위해 서브넷 TAO 자산의 20%를 소유한 경우 해당 서브넷 리소스의 20%를 받게 됩니다.
리소스에 대해 기존 서브넷 유효성 검사기 지불 – 또는 팀은 서브넷 리소스에 대해 기존 서브넷 유효성 검사기에 비용을 지불하도록 선택할 수 있습니다. 이 결제는 검증인의 선호에 따라 법정화폐나 스테이블코인 등 다양한 통화로 이루어질 수 있습니다. Taoshi는 유효성 검사기가 리소스로 원활하게 수익을 창출할 수 있도록 지원하는 요청 네트워크를 개발하고 있으며, 이를 통해 제3자가 API를 통해 서브넷의 상품에 쉽게 액세스할 수 있습니다.
리소스나 서비스에 대한 수요가 증가함에 따라 서브넷의 수익 잠재력이 확장됨에 따라 검증인은 채굴자가 추가 리소스와 우선 순위를 받을 수 있도록 TAO를 획득하기 위해 경쟁하기 시작하여 더 큰 수익 흐름과 향상된 운영을 제공합니다.
궁극적으로 두 옵션 모두 Bittensor 생태계 내에서 TAO에 대한 수요를 촉진하는 데 도움이 될 것입니다. TAO의 토큰 공급이 고정되어 있다는 점을 감안할 때, 이러한 수요 증가로 인해 TAO의 가치가 상승할 수 있습니다.
점점 더 많은 재능 있는 채굴자가 Bittensor의 채굴 네트워크에 합류함에 따라 점점 더 많은 팀이 특정 문제를 해결하고 원하는 디지털 리소스를 얻는 데 필요한 전문 인재를 확보하기 위해 서브넷을 시작하도록 매력을 느끼고 있습니다. 이는 보상을 위해 경쟁하는 우수한 채굴자가 더 가치 있는 디지털 상품을 생산하고 궁극적으로 수요를 증가시키는 더 높은 품질의 서브넷 팀을 끌어들이고 검증자가 모기지에 대한 액세스를 보장하고 해당 리소스 할당을 얻기 위해 TAO를 위해 경쟁하도록 유도하는 긍정적인 루프 효과를 생성합니다.
마지막 생각들
Bittensor에서 서브넷을 출시하려는 팀의 공통 주제는 채굴 커뮤니티의 힘을 활용하려는 욕구인 것 같습니다. 머신러닝, 데이터 사이언스, 트레이딩, 클라우드 컴퓨팅, 자원 배분 등 다양한 분야의 전문가들로 구성된 네트워크로, 이들은 모두 공통 통화를 교환하여 자신의 기술과 자원을 사용할 방법을 찾고 있습니다. 현재로서는 이것이 Bittensor의 가장 큰 장점인 것 같습니다.
제가 가장 흥미롭게 생각하는 점은 Bittensor가 독립형 네트워크로는 실행 가능하지 않은 프로젝트 개발을 촉진할 수 있다는 것입니다. 예를 들어, 사용자는 특수 마이크로서비스를 배포하는 것과 마찬가지로 기술 스택의 특정 구성 요소를 아웃소싱하기 위해 특별히 구축된 서브넷을 시작할 수 있습니다. 예를 들어, 분산형 소셜 네트워크는 추천 알고리즘을 Bittensor에 오프로드할 수 있습니다. 이는 프로젝트가 현재 Bittensor를 사용하여 다양한 모드에서 AI 모델을 개발하고 추론하는 방식과 유사합니다.
미래 서브넷의 임계값이 증가함에 따라 Bittensor에서 기술 스택의 특정 부분을 호스팅하는 중앙 집중식 및 분산형 프로젝트의 전망이 점점 더 현실화되고 실현 가능해지고 있습니다. 저는 가까운 미래에 Bittensor의 세 번째 사용 사례 카테고리가 등장할 것으로 예상합니다.
IOS
Android