콘텐츠로 건너뛰기

Bittensor 서브넷 - 작동 방식과 구동하는 것

2026년 3월 19일4 min

Bittensor는 컴퓨트 파워, 데이터 또는 AI 모델과 같은 디지털 상품을 온체인 시장으로 전환하는 분산형 머신 인텔리전스 네트워크입니다.

TAO는 프로토콜의 네이티브 통화로, 여러 상호 연결된 서브넷 전반에 걸쳐 이 인텔리전스를 생산하는 데 힘을 제공합니다. 참가자들은 유용한 작업을 생산하거나 다른 사람들의 작업 품질을 측정함으로써 서브넷 내에서 채굴하거나 검증하여 TAO를 획득할 수 있습니다. 각 서브넷은 특정 AI 관련 상품에 초점을 맞추며, 함께 전문화된 마켓플레이스 네트워크를 형성합니다.

이 뉴스레터에서는 서브넷이 무엇인지, 어떻게 작동하는지 다루고, 주목할 만한 몇몇 서브넷을 강조합니다.

Bittensor와 그 서브넷

서브넷은 Bittensor 내의 인센티브 기반 경쟁 마켓플레이스입니다. 상품을 생산하는 마이너와 품질을 보장하기 위해 마이너의 출력을 측정하는 검증자로 구성됩니다. TAO 배출은 그들의 성과와 서브넷의 상대적 성과에 따라 마이너와 검증자들에게 분배됩니다.

각 서브넷은 마이너가 수행해야 할 작업과 검증자가 해당 작업을 평가하는 방법을 정의하는 인센티브 메커니즘을 가지고 있습니다. 마이너는 작업(모델 훈련부터 AI 에이전트 실행까지)을 완료하고, 검증자는 그 출력을 점수화합니다. 이러한 점수는 네트워크 전체의 보상 할당을 결정하는 Yuma Consensus 알고리즘으로 입력됩니다.

서브넷에는 자체 유동성 풀도 있습니다. 각 풀은 TAO와 서브넷 고유의 “alpha” 토큰을 포함하며, 이는 TAO를 서브넷에 스테이킹하여 구매합니다. 알파 토큰의 가격은 TAO 준비금과 알파 준비금의 비율에 의해 결정됩니다. 이 모델은 TAO 보유자들이 스테이크로 투표할 수 있게 합니다: TAO의 순 유입을 유치하는 서브넷은 더 높은 배출을 받으며, 순 유출이 발생하는 서브넷은 배출이 감소하거나 0이 됩니다. 본질적으로 서브넷은 자본과 관심을 놓고 경쟁하며, 그 성공 여부가 획득하는 TAO의 양을 결정합니다.

서브넷 작동 방식

  1. 인센티브 메커니즘 정의: 서브넷 생성자는 오프체인에서 작업과 점수화 규칙을 지정합니다.

  2. 마이너가 작업 수행: 참가자들은 정의된 상품을 생산하기 위해 모델이나 에이전트를 실행합니다. 예를 들어, 일부 서브넷에서는 마이너가 작업 증명을 수행하여 서브넷의 알파 토큰과 함께 Bitcoin/Bitcoin Cash 보상을 획득합니다.

  3. 검증자가 출력 평가: 독립적인 검증자들은 인센티브 메커니즘에 따라 마이너의 출력을 측정하고 점수화합니다. 이러한 점수는 온체인 Yuma Consensus로 입력되어 배출을 계산합니다.

  4. 배출과 스테이킹: 각 블록마다 TAO와 알파 토큰이 배출됩니다. 스테이커들은 서브넷에 TAO를 제공하여 그 알파 토큰을 획득하며, 이를 통해 서브넷의 네트워크 내 가중치를 영향을 미칩니다.

이 구조는 Bittensor가 TAO를 통해 공통 경제 기반을 유지하면서 많은 전문화된 AI 마켓플레이스를 지원할 수 있게 합니다. 아래는 서브넷이 제공할 수 있는 서비스의 다양성을 보여주는 몇 가지 예시입니다.

Templar (Subnet 03)

Templar는 이질적인 컴퓨트 자원을 가로지르는 대규모 AI 모델 훈련을 가능하게 설계된 분산형 훈련 프레임워크입니다. 인센티브 기반 Wide-Internet Training이라는 인센티브 메커니즘을 사용하여 컴퓨팅 파워와 데이터를 제공하는 마이너를 훈련 과정의 품질을 보장하는 검증자와 연결합니다.

마이너는 유용한 그래디언트와 고품질 데이터를 제공하는 대가로 TAO로 보상을 받으며, 협업 AI 훈련을 더 개방적으로 만듭니다. 훈련 네트워크를 분산화함으로써 Templar는 중앙화된 클라우드 인프라에 대한 의존성을 줄이고 프라이버시 중심의 확장 가능한 AI 생태계를 만들고자 합니다.

참가자들은 더 큰 데이터셋의 조각을 받아 로컬에서 모델을 훈련하고 그래디언트를 플랫폼으로 보냅니다. 검증자들은 이러한 그래디언트를 자신의 출력과 비교하여 각 마이너의 기여가 글로벌 모델을 얼마나 개선하는지 결정하고 이에 따라 보상합니다. 이 보상 구조는 마이너가 정확한 업데이트를 생산하도록 장려하고 시스템을 더 나은 모델 성능으로 이끕니다.

Ridges (Subnet 62)

Ridges(구 Agentao)는 Subnet 62로 운영되는 분산형 AI 프로젝트입니다. 복잡한 코딩 작업을 해결할 수 있는 자율 소프트웨어 엔지니어링 에이전트의 마켓플레이스를 구축하는 것을 목표로 합니다.

프로젝트의 논제는 소프트웨어 엔지니어의 역할이 개별 작업으로 분해할 수 있으며, 각 작업을 마스터하도록 훈련된 전문 에이전트들의 출력이 집계된다는 것입니다. 장기 비전은 이러한 에이전트의 실세계 사용이 보상 분배를 결정하는 것입니다.

마이너는 회귀 수정이나 단위 테스트 작성과 같은 소프트웨어 엔지니어링 챌린지를 완료하기 위해 경쟁하는 AI 에이전트를 실행합니다. 검증자들은 이러한 솔루션의 품질과 효율성을 평가합니다. 고품질 작업은 TAO 보상을 획득하며, 에이전트의 능력을 개선하는 인센티브 루프를 만듭니다.

프로젝트의 로드맵에는 지속적으로 성장하는 데이터셋(Cerebro 모델과 데이터셋) 구축과 대형 소프트웨어 프로젝트를 작은 작업으로 분해하여 가장 적합한 에이전트에게 할당하는 문제 라우팅 프로토콜이 포함됩니다.

Targon (Subnet 04)

Targon 은 멀티모달 AI에 초점을 맞춘 AI 서브넷으로, 텍스트, 이미지, 음성 등 다양한 소스의 데이터를 통합하여 더 정확한 예측을 달성하는 모델입니다. 여러 데이터 유형을 활용함으로써 멀티모달 AI는 단일 모달 시스템보다 더 세밀한 출력을 생성하고 불일치를 더 잘 처리할 수 있습니다.

Targon은 이 카테고리의 AI 상품에 대한 분산형 마켓플레이스로 설계되어 멀티모달 서비스의 생산과 교환을 촉진합니다.

서브넷 생성자는 마이너가 멀티모달 AI 출력을 생산해야 하는 작업을 정의하고, 검증자는 해당 출력을 평가합니다. 참가자들은 Targon의 알파 토큰을 획득하기 위해 TAO를 스테이킹하며 서브넷의 배출에 영향을 미칩니다. 인센티브 메커니즘은 기여 품질에 따라 마이너와 검증자에게 보상을 하며, 멀티모달 모델의 지속적인 개선을 장려합니다.

핵심 요약

각 서브넷은 특정 디지털 상품을 생산하기 위해 자체 인센티브 메커니즘을 사용하면서 TAO를 통해 공통 경제 레이어를 공유합니다.

TAO를 스테이킹함으로써 사용자는 가치 있는 서비스를 생성할 것으로 믿는 서브넷을 지지하고 알파 토큰을 획득할 수 있습니다. 현재 128개의 활성 서브넷이 있습니다. Templar(분산형 AI 훈련), Ridges(자율 소프트웨어 엔지니어링 에이전트), Targon(멀티모달 AI)과 같은 예시는 이러한 분산형 AI 마켓플레이스가 얼마나 다양할 수 있는지를 보여줍니다.

중요 링크