Bittensor 通常被描述为用于发布「数据商品」的去中心化平台。虽然数据商品通常被认为只包括计算、存储和网络资源，但 Bittensor 涵盖的范围远远超出了这些类别。从更广泛的意义上来说，数字商品网络可以指任何提供标准化数字任务或服务的网络，并由清晰一致的激励和验证框架管理。

这意味着除了以网络抓取、数据存储和云计算为中心的传统子网之外，Bittensor 还支持专用于专门任务和服务的子网，例如为特定模式创建 AI 模型、微调开源 <b1001></ b1001>，以及 3D 内容、图像和生成交易信号生成。

Bittensor 通过激励矿工提供特定服务，并采用标准化的激励和验证框架，促使团队在使用 Bittensor 时变得更加富有创意。目前出现的两个新兴趋势是：

1、外包技术创新

2、作为独立网络的激励层

外包技术创新

最近出现了一种趋势，加密货币团队正在利用 Bittensor 外包支持其产品或服务的基本技术的开发。这些实体不再维持内部研发团队，而是转向 Bittensor。集中式和分散式项目都将竞争市场创建为子网，激励贡献者解决他们定义的特定问题。

OpenKaito 子网

以 Kaito 为例，这是一个面向加密行业的集中式人工智能搜索引擎。他们的目标是通过索引加密内容并将非结构化数据转换为可搜索和可操作的格式，使加密中的信息更易于访问。

构建搜索引擎存在许多复杂性，包括数据获取、索引、排名和知识图开发。为了在不维持庞大的内部研发部门的情况下应对这些挑战，Kaito 团队在 Bittensor 上推出了 OpenKaito 子网。在这里，搜索相关性的挑战被定义为矿工验证者问题。子网上的矿工提交搜索查询的排名结果，而验证者则应用奖励模型来评估这些矿工响应的质量。

这种方法使 Kaito 能够外包重要的研发任务，利用具有特定领域知识的贡献者的集体专业知识来构建去中心化的搜索引擎。Kaito 之后的目标是在子网上开发一款搜索和分析产品，并打算将其货币化。

MyShell 和 Virtual 子网

MyShell 和 Virtual 是两个采用类似策略的去中心化项目。MyShell 专注于人工智能消费者层，允许用户制作个性化的聊天机器人，为了增强他们的聊天机器人交互体验，该团队计划添加语音功能。然而，鉴于文本转语音 (TTS) 技术仍处于初级阶段，并且缺乏适合自定义语音模型的解决方案，MyShell 推出了一个子网来激励开源 TTS 模型的开发。这一举措使他们能够将注意力从机器学习问题转移到网络的其他重要方面。

Virtual 也紧随其后，但其子网专注于激励音频到动画模型的开发。

为什么外包给 Bittensor？

MyShell 和 Virtual 都通过其协议激励贡献者贡献数据和模型，以开发角色、自定义聊天机器人，并完成对其平台产品和服务至关重要的其他任务。那么，为什么他们使用 Bittensor 来推动支撑其平台的关键人工智能模型的开发，而不是通过自己的协议来实现呢？

可能有以下几个原因：

更容易吸引贡献者：吸引具有特定领域知识的专家为早期项目做出贡献是一项挑战，尤其是机器学习专家。然而，Bittensor 拥有强大的品牌和广泛的矿工/贡献者网络，具有不同的专业知识。这些贡献者中有机器学习方面的专家，他们可以无缝地选择 MyShell 和 Virtual 等项目的子网做出贡献，帮助他们实现目标。

贡献者的即时价值：贡献者更愿意立即以有价值的货币对其工作进行奖励。例如，TakeMyShell 没有代币，尽管可以为贡献者提供积分，但认真的贡献者不太可能在不知道其潜在价值的情况下仅仅基于未来代币的承诺来致力于实质性工作。即使在小型项目确实有代币的情况下，利用 Bittensor，贡献者可以赚取 TAO（一种相对成熟的代币，具有相当数量的流动性），可以让贡献者立即以稳定的方式获得补偿。

充当网络的激励层

启动新网络的最大挑战之一在于，在需求方（用户）开始使用网络服务之前，将供应方（贡献资源的矿工池）扩大到临界规模。事实证明，加密网络可以有效解决这种先有鸡还是先有蛋的困境，即使供应方没有积极参与用户任务，也可以通过代币的存在和可用性来激励供应方。

然而，随着人工智能的普及以及构建人工智能资源网络和通用数字商品网络的团队的激增，吸引矿工和引导网络的供给侧变得越来越具有挑战性和竞争力。

在这种环境中，Bittensor 具有独特的定位，可以成为网络的外部激励层，使网络能够轻松引导其供应方并仅专注于协议的执行层。

案例研究：Inference Labs

Inference Labs 正致力于通过推理证明验证模型将 AI 引入链上，该模型通过 Eigenlayer 上的 AVS 利用零知识 (zk) 技术。重要的是，他们还在 Omron Bittensor 上启动了一个子网，专门用于引导为其协议提供 zk 证明器和模型推理器。

本质上，Inference Labs 在初始阶段使用 Bittensor 作为其网络供应方的激励层。

利用 Bittensor 背后的基本原理很简单：吸引贡献者在像 Bittensor 这样的现有网络上挖掘子网比将他们吸引到新的独立网络要容易得多。如上所述，Bittensor 为贡献者提供即时价值的能力是一个主要卖点。此外，该网络拥有数千名矿工，他们已经为各个子网做出了贡献，由于他们熟悉挖掘不同数字商品网络所需的资源和任务，因此他们可以无缝地选择加入新的子网。

因此，在 Bittensor 上启动子网使 Inference Labs 能够利用现有的熟练矿工池，加速其协议的开发和增长。并加速了它的发展。在短短两周内，假设矿工以最低硬件要求运行（这可能低估了实际容量），该子网总共包含 1900 个 CPU 核心、15 TB RAM 和 90TB 存储，将该子网定位为最大的 zkML 计算集群。

未来，Inference Labs 计划将激励层内部化，其中通过其协议直接贡献的矿工将获得代币激励和网络使用费。然而，即使 Inference Labs 过渡到自己的激励机制，Bittensor 上的子网也将持续存在，继续无限期地补充该协议的本地供应方。在此过程中，Inference Labs 的网络充当聚合器，从各种渠道（包括 Bittensor 子网）采购 zkML 贡献者。

虽然一些网络可能最后会选择将激励层合并，但其他网络也可能会选择将此功能永久委托给 Bittensor，从而使它们能够专注于执行层。

子网动态如何影响 TAO 的价格？

在 Bittensor 中，验证者通常拥有对矿工生产的数字商品的独占访问权（更多信息请参见此处）。当团队启动子网作为外部激励层或外包其网络的技术创新时，协议或团队有两个选择：

成为验证者 – 这涉及获取 TAO 并将其质押到特定子网。验证者在子网上接收的网络资源或对服务的访问通常由他们持有的权益决定。例如，如果一个团队拥有子网 20% 的 TAO 权益来运行验证器，那么它就会获得相应的子网 20% 的资源。

向现有子网验证器支付资源费用 – 或者，团队可以选择向现有子网验证器支付其子网资源费用。该付款可以以各种货币进行，例如法定货币或稳定币，具体取决于验证者的偏好。Taoshi 正在开发一个请求网络，该网络将无缝地使验证者能够将其资源货币化，从而允许第三方通过 API 轻松访问子网的商品。

随着子网的收入潜力随着对其资源或服务的需求的增加而扩大，验证者开始竞相收购 TAO，以确保矿工获得额外的资源和优先权，从而获得更大的收入流并增强其运营。

最终，这两种选择都有助于推动 Bittensor 生态系统内对 TAO 的需求。鉴于 TAO 的代币供应量是固定的，这种不断增长的需求可能会导致其价值上涨。

随着越来越多的优秀矿工加入 Bittensor 的挖矿网络，越来越多的团队被吸引启动子网，以获取解决其特定问题所需的专业人才，并获得他们正在寻找的数字资源。这产生了一种正循环效应，即优秀的矿工竞争奖励吸引了更高质量的子网团队，这些团队生产出更有价值的数字商品，最终增加了需求，促使验证者竞争 TAO 来确保其获得抵押并获得相应的资源分配。

最后的想法

那些希望在 Bittensor 上启动子网的团队中，普遍存在的主题似乎是希望利用挖矿社区的力量。一个网络由各领域专家组成，涵盖机器学习、数据科学、交易、云计算、资源配置等多个领域，他们都在寻找利用自己的技能和资源来换取一种共同货币的途径。目前看来，这似乎是 Bittensor 最强大的优势所在。

我觉得最有趣的是，Bittensor 可以促进那些作为独立网络不太可行的项目的发展。例如，用户可以启动专门定制的子网来外包其技术堆栈的特定组件，就像部署专门的微服务一样。比如去中心化的社交网络可以将推荐算法卸载给 Bittensor，类似于项目目前依赖 Bittensor 来开发和推理跨不同模式的 AI 模型的方式。

随着未来子网门槛的提高，集中式和去中心化项目将其技术堆栈的特定部分托管在 Bittensor 上的前景变得越来越真实可行。我预见在不久的将来出现 Bittensor 的第三类使用案例。

「原文链接」