소개
최근 AI의 폭발적인 성장과 인기 증가로 인해, 많은 사람들이 AI와 crypto가 어떻게 교차하는지에 대한 다양한 가설을 제시해 왔습니다. 이러한 혁신들은 디지털 자산 관리부터 지적 재산 보호, 사기 방지까지 우리의 디지털 생활의 다양한 측면을 혁명화할 잠재력을 지니고 있습니다. 특히, 이 융합은 두 가지 두드러진 트렌드를 발생시켰습니다:
- AI와 블록체인 인프라의 통합, 예를 들어 Render ($RNDR), Akash ($AKT), 또는 Fetch.ai ($FET).
- 기계 학습 지능 생산을 장려하는 프로토콜의 등장, 예를 들어 Bittensor ($TAO).
블록체인의 이전 AI 애플리케이션은 주로 인프라에 집중되었으며, AI/ML 모델 저장과 GPU 대여를 가능하게 했습니다. 이는 토큰 인센티브 강화 학습, zkML, 그리고 딥페이크를 방지하기 위한 블록체인 기반 신원 등록과 같은 트렌드를 이끌었습니다. 동시에, 병렬 트렌드가 가속화되고 있습니다: 지능을 인센티브화하는 프로토콜.

이 보고서에서 우리는 AI와 crypto의 교차점을 탐구하며, Bittensor와 $TAO 토큰에 초점을 맞춰 Peer-to-Peer Intelligence Marketplace에서의 역할과 Digital Commodity Marketplace의 부상을 탐구합니다.

가장 최근 Revolution Upgrade의 이점을 활용하여 10월 2일에 일어난 , 우리는 또한 역사적 개요, 섹터 전망, 경쟁 분석, 그리고 $TAO의 가치 제안에 대한 통찰을 제공합니다.
개요
Bittensor는 오픈 소스 프로토콜로, 핵심 사명은 블록체인 기반 인센티브 구조를 통해 AI 개발을 촉진하는 것입니다. 이 생태계에서 기여자들은 그들의 노력에 대해 $TAO 토큰으로 보상을 받습니다.

Bittensor는 토큰 인센티브를 활용하여 참여를 장려하면서 개방성과 탈중앙화 원칙을 유지하는 채굴 네트워크로 기능합니다. 이 네트워크 내에서 여러 노드가 machine learning 모델을 호스팅하며, 집단적으로 지능 풀에 기여합니다. 이러한 모델들은 광범위한 텍스트 데이터를 분석하고, 의미론적 의미를 추출하며, 다양한 도메인에서 가치 있는 통찰을 생성하는 데 중요한 역할을 합니다.
사용자에게는 네트워크에 쿼리를 보내 지능에 접근할 수 있는 능력, $TAO 토큰 채굴을 위한 마이너와 밸리데이터에 참여하는 것, 그리고 지갑과 잔고를 감독하는 것이 필수 기능입니다.

Bittensor의 네트워크는 광부, 검증자, 지명자, 소비자를 포함한 다양한 이해관계자의 기여에 의존합니다. 이 협력적 접근 방식은 최고의 AI 모델이 최상위로 부상하도록 보장하여 네트워크에서 제공되는 AI 서비스의 품질을 향상시킵니다.
공급 측면은 두 개의 계층을 가지고 있습니다: AI (Miners)와 blockchain (Validators).
- Miners 는 Bittensor 네트워크 내에서 AI 모델을 호스팅하고 네트워크에 제공하며, 그들의 성공은 제공하는 품질과 성능에 의해 결정됩니다.Miners는 네트워크에 기여하는 지능에 따라 $TAO로 보상받습니다 (특정 작업에 따라 다를 수 있습니다). 최상위 등급 모델은 더 높은 수요를 가지며 miners에게 더 많은 수익을 가져옵니다.
- 마이너들은 네트워크에 기여한 지능에 따라 $TAO로 보상받습니다 (특정 작업에 따라 다를 수 있습니다).
- 최상위 등급 모델은 더 높은 수요를 가지며 마이너들에게 더 많은 수익을 가져다줍니다.
- 검증자는 네트워크 내에서 평가자로 작용합니다. 그들은 AI 모델의 품질과 효과성을 평가하고 사용자 요청을 관리합니다. 이 방식으로, 검증자들은 특정 작업에 대한 성능에 따라 모델을 순위 매기며, 소비자들이 최적의 솔루션을 찾도록 돕습니다. 그들의 평가가 더 정확하고 일관될수록, 보상으로 더 많이 벌 수 있습니다. 마찬가지로, 일관되지 않은 평가는 패널티를 초래할 수 있으며, 검증자들이 높은 기준을 유지하도록 보장합니다.검증자들은 “지능 기여”에 따라 마이너들을 순위 매기기 위해 $TAO로 인센티브를 받습니다. 검증자들은 또한 최적의 출력을 생성하기 위해 입력을 라우팅하는 책임도 있습니다. 이는 서로 보완하는 마이너(모델) 간의 연합(서브네트워크)을 형성함으로써 달성됩니다.
- 검증자들은 “지능 기여도”에 따라 채굴자들을 순위 매기기 위해 $TAO로 인센티브를 받습니다.
- 검증자들은 또한 최적의 출력을 생성하기 위해 입력을 라우팅하는 책임도 있습니다. 이는 서로 보완하는 채굴자들 (모델들) 간의 연합을 형성함으로써 달성됩니다 (서브네트워크).
- 마이너들은 네트워크에 기여하는 지능에 따라 $TAO로 보상받습니다 (이것은 구체적인 작업에 따라 다릅니다).
- 최상위 등급 모델은 수요가 높아 마이너들에게 더 많은 수익을 가져다줍니다.
- 검증자들은 채굴자들을 그들의 “지능 기여도”에 따라 순위 매기기 위해 $TAO로 인센티브를 받습니다.
- 검증자들은 또한 최상의 출력을 생성하기 위해 입력을 라우팅하는 책임도 있습니다. 이는 서로 보완하는 채굴자들(모델) (서브네트워크) 사이에 연합을 형성함으로써 달성됩니다.

수요 측면에서, 개발자들은 Validators 위에 애플리케이션을 구축할 수 있으며, 네트워크로부터 유스케이스별 AI 기능을 활용(및 비용 지불)할 수 있습니다.
- 지명자는 $TAO 토큰을 보유하고 있으며, 특정 검증자들에게 토큰을 위임하여 적극적으로 지원하는 개인입니다. 이러한 위임은 검증자들이 더 많은 지원과 보상을 받도록 돕습니다. 지명자 자신도 이 과정에 참여함으로써 보상을 받습니다. 검증자의 성과가 저조하거나 지명자가 더 나은 옵션이 있다고 믿는 경우, 그들은 지원을 다른 검증자로 이전할 수 있습니다.
- 소비자는 Bittensor가 제공하는 AI 모델의 최종 사용자입니다. 그들은 AI 기능을 애플리케이션에 통합하는 앱 개발자부터 고품질 응답을 추구하는 챗봇 사용자까지 다양할 수 있습니다. 소비자들은 정확하고 가치 있는 답변을 받는 것을 우선시합니다. 특히 개발자들은 사용자의 요구 사항을 가장 잘 충족한다고 믿는 검증자를 선택하여 사용자에게 최고 수준의 AI 서비스를 제공하도록 합니다.
- 소비자들은 정확하고 가치 있는 답변을 받는 것을 우선시합니다.
- 특히 개발자들은 사용자에게 최고 수준의 AI 서비스를 제공하기 위해 요구 사항을 가장 잘 충족한다고 믿는 검증자를 선택합니다.
- 소비자들은 정확하고 가치 있는 답변을 받는 것을 최우선으로 합니다.
- 특히 개발자들은 사용자에게 최고 수준의 AI 서비스를 제공하기 위해 자신의 요구 사항을 가장 잘 충족한다고 믿는 검증자를 선택합니다.
위에 언급된 이해관계자들 간의 협력이 결과적으로 주어진 사용 사례에 가장 적합한 모델을 촉진하는 네트워크를 형성합니다. 누구나 실험할 수 있으므로 폐쇄형 소스 비즈니스조차 경쟁하기 어렵습니다.

가장 흔한 오해 중 하나는 네트워크가 ML 훈련을 지원한다는 것입니다. 현재 상태에서 Bittensor는 추론만을 독점적으로 지원하며, 이는 증거와 추론에 기반하여 결론을 도출하고 응답을 제공하는 과정입니다. 반면, 훈련은 머신러닝 모델에게 작업을 수행하도록 가르치는 별개의 과정입니다. 이는 모델에 레이블이 붙은 상당한 데이터셋을 제공하여 데이터와 레이블 간의 패턴과 연관성을 학습하도록 하는 방식으로 이루어집니다. 추론은 훈련된 머신러닝 모델을 사용하여 새로운, 보지 못한 데이터에 대한 예측을 수행합니다. 예를 들어, 이미지를 분류하도록 훈련된 모델은 새로운, 이전에 보지 못한 이미지의 클래스를 결정하기 위해 추론에 사용될 수 있습니다.
따라서, Bittensor가 on-chain ML을 실행하지 않는다는 점을 유의하는 것이 중요합니다. 대신 on-chain oracle이나 off-chain ML 노드(miners)를 연결하고 조정하는 validators 네트워크처럼 기능합니다. 이 구성은 decentralized mixture-of-experts (MoE) 네트워크를 생성하며, 이는 다양한 기능에 최적화된 여러 모델을 혼합하여 더 강력한 전체 모델을 형성하는 ML architecture입니다.

피어-투-피어 지능 시장
Bittensor의 피어-투-피어 지능 마켓플레이스는 AI 개발 분야에서 선구적인 개념으로, OpenAI나 Google의 Gemini와 같은 더 폐쇄적인 모델과 극명한 대조를 이루는 분산화되고 허가 없는 플랫폼을 제공합니다.
이 마켓플레이스는 경쟁적인 혁신을 촉진하고, AI 산업의 성장을 주도하며, 개발자와 사용자들의 글로벌 커뮤니티에게 AI를 접근 가능하게 하기 위해 설계되었습니다. 모든 형태의 가치가 인센티브화될 수 있습니다 — 모든 디지털 상품에 대한 공정한 시장을 인센티브화/창출하기 위한 프로토콜.
다시 말해, 프로토콜은 네트워크 내 참여자들 사이에서 machine learning 기능과 예측의 교환에 대한 peer-to-peer 접근 방식을 구현합니다. machine learning 모델과 서비스의 공유와 협력을 촉진하며, 오픈소스와 클로즈드소스 모델 모두를 호스팅할 수 있는 협력적이고 포괄적인 환경을 촉진합니다.
디지털 상품 시장의 부상
Bittensor는 기계 지능을 거래 가능한 자산으로 효과적으로 변환함으로써 디지털 상품 시장의 출현을 위한 기반을 마련한다는 점에서 독특합니다. 핵심적으로 이 프로토콜은 기계 지능이 상품화되는 시장을 구축합니다.
유전 알고리즘과 유사하게, Bittensor의 인센티브 시스템은 채굴자 성능을 지속적으로 평가하고 시간이 지남에 따라 채굴자를 선택하거나 재활용합니다. 이 동적 프로세스는 네트워크가 AI 개발의 진화하는 환경에 효율적이고 반응적으로 유지되도록 보장합니다.

Bittensor 인텔리전스 마켓플레이스에서 가치 생성은 이중 접근 방식을 따릅니다:
- 마이너에 의해 호스팅되는 고성능 AI 모델, 즉 기여자로 알려진 모델은 $TAO 토큰 형태로 보상을 받습니다.
- 지능을 평가하고 활용하는 검증자들도 $TAO 토큰으로 보상을 받습니다.
Bittensor가 단순한 원시 성능만을 보상하는 것이 아니라 가장 가치 있는 “signal” 생성에 강조점을 둔다는 점을 주목할 가치가 있습니다. 이는 보상 시스템이 광범위한 청중에게 실질적인 이점을 제공하는 정보 생성을 우선시하며, 궁극적으로 더 가치 있는 상품의 개발에 기여한다는 의미입니다.
Yuma Consensus
독립형 layer1 blockchain으로서, Bittensor는 Yuma consensus algorithm에 의해 구동됩니다. 이는 네트워크의 노드들 사이에 computational resources의 공평한 분배를 가능하게 하는 decentralized, peer-to-peer consensus algorithm입니다.
Yuma는 proof-of-work (PoW)와 proof-of-stake (PoS) 요소를 결합한 하이브리드 합의 메커니즘으로 운영됩니다. 네트워크 내 노드들은 거래를 검증하고 새로운 블록을 생성하기 위해 계산 작업을 수행합니다. 이 작업은 다른 노드들에 의해 검증되며, 성공적인 기여자들은 토큰으로 보상을 받습니다. PoS 구성 요소가 노드들이 토큰을 보유하도록 장려하여, 그들의 이익을 네트워크의 안정성과 성장과 일치시킵니다.
기존 합의 메커니즘과 비교하여, 이 하이브리드 모델은 여러 가지 장점을 제공합니다. 한편으로는 Proof of Work (PoW)과 종종 연관된 과도한 에너지 소비를 피하여 환경 문제를 해결합니다. 다른 한편으로는 Proof of Stake (PoS)에서 보이는 중앙화 위험을 회피하여 네트워크의 탈중앙화와 보안을 유지합니다.

Yuma 합의 메커니즘은 광범위한 노드 네트워크에 걸쳐 계산 자원을 분산하는 능력으로 두드러집니다. 이 접근 방식은 더 복잡한 AI 작업을 처리하고 더 큰 데이터셋을 쉽게 처리할 수 있게 하여 광범위한 함의를 가집니다. 네트워크가 추가 노드를 통합함에 따라, 그것은 점점 더 상당한 작업 부하를 수용하기 위해 자연스럽게 확장됩니다.
전통적인 중앙 집중식 AI 애플리케이션이 단일 서버나 클러스터에 의존하는 것과 대조적으로, Yuma 기반 애플리케이션은 노드 네트워크에 분산될 수 있습니다. 이러한 분산은 컴퓨팅 자원을 최적화하여 복잡한 작업을 처리할 수 있게 하면서 단일 실패 지점 및 보안 취약점과 관련된 위험을 완화합니다.
지식 증류 – 디지털 집단 지성
Knowledge distillation은 Bittensor 프로토콜 내의 기초 개념으로, 네트워크 노드 간의 협력적 학습을 촉진하여 성능과 정확성을 향상시킵니다. 인간 뇌의 뉴런이 함께 작동하는 방식과 유사하게, knowledge distillation은 노드들이 네트워크 내에서 집단적으로 개선할 수 있게 합니다.

이 과정은 노드 간 데이터 샘플과 모델 매개변수의 교환을 포함하며, 시간이 지남에 따라 더 정확한 예측을 위해 네트워크가 자체 최적화되도록 합니다. 각 노드는 공유 풀에 기여하여 네트워크의 전체 성능을 궁극적으로 향상시키며, 로보틱스와 자율 주행 자동차와 같은 실시간 학습 애플리케이션에 더 빠르고 적합하게 만듭니다.
중요하게도, 이 방법은 기계 학습의 일반적인 도전 과제인 재앙적 망각의 위험을 완화합니다. 노드는 새로운 통찰을 통합하면서 기존 지식을 유지하고 확장하여 네트워크의 회복력과 적응성을 강화합니다.

여러 노드에 지식을 분산함으로써 Bittensor TAO 네트워크는 중단과 잠재적인 데이터 침해에 대해서도 더욱 탄력적이 됩니다. 이 견고성은 고보안 및 프라이버시 민감 데이터, 예를 들어 금융 및 의료 정보를 다루는 애플리케이션에 특히 중요합니다 (프라이버시에 대한 자세한 내용은 나중에).
전문가 혼합 (MoE)
혁신을 한 단계 더 발전시켜, Bittensor 네트워크는 분산된 Mixture of Experts (MoE) 개념을 도입합니다. 이 접근 방식은 데이터의 다양한 측면에 특화된 여러 신경망의 힘을 활용합니다. 새로운 데이터가 도입될 때, 이러한 전문가들은 개별 전문가가 단독으로 달성할 수 있는 것보다 더 정확한 집단 예측을 생성하기 위해 협력합니다.

사용된 합의 메커니즘은 딥 러닝을 블록체인 합의 알고리즘과 결합합니다. 그 주요 목적은 네트워크에 가장 많은 정보적 가치를 기여하는 피어들에게 지분을 분배하여 인센티브를 제공하는 것입니다. 본질적으로, 이는 네트워크의 지식과 기능을 강화하는 자들을 보상합니다.
핵심적으로, Bittensor 프로토콜은 매개변수화된 함수들로 구성되어 있으며, 종종 neurons라고 불립니다. 이러한 neurons들은 peer-to-peer 방식으로 분산되어 있으며, 각각이 디지털 장부에 기록된 네트워크 가중치의 0개 이상을 보유합니다. 피어들은 서로를 랭킹하는 데 적극적으로 참여하며, 이웃 노드의 가치를 결정하기 위해 neural networks를 훈련합니다. 이 랭킹 프로세스는 개별 피어가 네트워크의 전체 성능에 대한 기여도를 평가하는 데 핵심적입니다.

이 랭킹 프로세스를 통해 생성된 점수는 디지털 장부에 누적됩니다. 높은 순위의 피어들은 금전적 보상을 받고, 네트워크에서 추가적인 가중치를 얻습니다. 이는 피어의 기여와 보상 사이에 직접적인 연결을 확립하여 네트워크 내 공정성과 투명성을 촉진합니다.
이 접근 방식은 인터넷 전반에 걸쳐 피어-투-피어 방식으로 다른 지능 시스템에 의해 지능이 가격이 매겨지는 마켓플레이스를 제시합니다. 이는 피어들이 지식과 전문성을 지속적으로 향상시키도록 유도합니다.
공정한 보상 분배를 보장하기 위해, Bittensor는 협력 게임 이론에서 차용한 Shapley values를 사용합니다. Shapley values는 네트워크 피어들 간의 기여에 따라 보상을 공정하고 효율적으로 분배하는 방법을 제공합니다. 기여와 인센티브의 이 정렬은 노드가 네트워크의 최선의 이익을 위해 행동하도록 동기를 부여하며, 보안과 효율성을 강화하면서 지속적인 개선을 촉진합니다.


Bittensor의 핵심 사명은 탈중앙화 프레임워크를 통해 AI 공간에서 혁신과 협력을 촉진하는 데 중심을 둡니다. 이 프레임워크는 지식의 빠른 확장과 공유를 가능하게 하여, 끊임없이 성장하고 멈출 수 없는 정보 라이브러리를 만듭니다. 이 마켓플레이스에서 개발자들은 AI 모델을 수익화하고 기업과 개인에게 가치 있는 솔루션을 제공할 수 있도록 권한이 부여됩니다.
Bittensor의 비전은 AI 모델이 다양한 산업 전반에 걸쳐 쉽게 접근하고 배포될 수 있는 미래로 확장됩니다. 이러한 접근성은 발전을 촉진하고 새로운 가능성을 열어주며, AI 기능과 실세계 적용 사이의 격차를 메웁니다.
Chat GPT와 같은 유명한 글로벌 AI 모델과 유사하게, Bittensor 모델은 보편적인 데이터셋을 기반으로 ‘representations’를 생성합니다. 모델 성능을 평가하기 위해, Fisher’s information 은 네트워크에서 노드를 제거할 때의 영향을 추정하는 데 사용되며, 이는 인간 뇌에서 뉴런의 손실과 유사합니다.
모델 순위 매김을 넘어, Bittensor는 상호작용 학습에 강한 강조를 두고 있습니다. 각 모델은 네트워크와 적극적으로 참여하며, 다른 모델과의 상호작용을 추구합니다. 이는 DNS 조회와 유사합니다. Bittensor는 이러한 모델들 간의 데이터 교환을 촉진하는 API 역할을 하며, 협력 학습과 지식 공유를 촉진합니다 – 오픈 소스와 클로즈드 소스 모델을 모두 사용합니다.

Yuma 합의를 사용하여 모두가 규칙을 준수하도록 보장함으로써, 이 생태계는 오픈소스 개발자와 AI 연구 랩에 대한 원동력으로 작용하며, 오픈 기반 모델을 강화하기 위한 재정적 인센티브를 제공합니다.
본질적으로, Bittensor는 지속적으로 확장되는 기계 지능 저장소로 기능합니다. 이는 4개의 다른 계층을 결합함으로써 달성됩니다:
- 마이너 레이어 는 네트워크 내에서 가치 있는 작업을 생성하는 책임을 지고 있습니다.
- 검증자 레이어 는 마이너들이 확립된 합의 규칙을 준수하도록 보장합니다.
- 엔터프라이즈 레이어는 기존 인프라를 기반으로 혁신적인 제품과 서비스를 개발합니다. 이는 네트워크의 집단 지능을 활용하여 새로운 솔루션을 생성하는 플랫폼으로 작용합니다.
- 소비자 레이어는 엔터프라이즈 레이어에서 생산된 작업의 혜택을 받습니다. 이는 Bittensor 네트워크에 의해 구동되는 제품과 서비스를 이용하는 최종 사용자 또는 조직을 나타냅니다.

역사
Bittensor는 2019년 두 명의 AI 연구원에 의해 설립되었으며, Jacob Steeves와 Ala Shaabana (그리고 가명으로 활동하는 백서 저자 한 명, Yuma Rao)가 AI를 컴파운디블하게 만드는 방법을 찾고 있었습니다. 그들은 곧 crypto가 해결책이 될 수 있다는 것을 깨달았습니다 — 특정 문제에 대해 함께 훈련하고 학습하는 전 세계 ML 노드 네트워크를 유인하고 조율하는 방법입니다. 네트워크에 추가되는 점진적인 자원은 이전 연구자 및 모델의 작업에 컴파운딩되어 전체 지능을 증가시킵니다.
Bittensor의 여정은 2021년 1월 ‘Kusanagi’의 출시로 시작되었으며, 이는 네트워크의 활성화를 표시하고 채굴자와 검증자들이 첫 번째 $TAO 보상을 받기 시작할 수 있게 했습니다. 그러나 이 초기 버전은 합의 문제로 인해 일시적인 중단을 겪었습니다. 이에 대응하여 Bittensor는 2021년 11월 ‘Kusanagi’를 ‘Nakamoto’로 포크했습니다.
2023년 3월 20일, 중요한 이정표가 달성되었으며, ‘Nakamoto’가 다시 한 번 포크되어 이번에는 ‘Finney’로 진화했습니다. 이 업그레이드의 목적은 커널 코드의 성능을 향상시키는 것이었습니다.
주목할 점은, Bittensor는 처음에 Polkadot의 parachain이 되는 것을 목표로 했으며, 1월에 성공적인 경매를 통해 parachain 슬롯을 확보했습니다. 그러나 Polkadot의 개발 속도와 관련된 우려로 인해 Polkadot에 의존하는 대신 자체 독립형 L1 블록체인을 사용하기로 결정되었으며, 이는 Substrate 에 구축된 것입니다.
현재 상태
Bittensor는 mainnet에서 1년 이상 운영 중이며, 그 초점은 선구적인 연구와 미래 잠재력을 위한 기반 마련에 있었습니다. 여기서는 현재 상태와 비즈니스 사용 사례가 아직 validators 위에 구축되지 않은 이유에 대한 개요를 제공합니다:
- 희소 혼합 모델: Bittensor는 하나의 희소 혼합 모델입니다. 이 모델은 검증자들에 의해 정의된 더 큰 문제를 해결하는 데 있어 특정한 틈새 역할을 담당하는 특정 AI 모델들을 이 혼합으로 끌어들입니다. 최첨단 수준에 도달하고 그 이상을 달성하기 위해 이 모델을 구성하고 조정하는 것은 복잡하고 반복적인 과정입니다. 로드맵의 이 단계는 현재 Opentensor Foundation에 의해 주도되고 있습니다.
- 지능 압축 (Distillation): 지능 압축은 Bittensor의 중심 연구 초점입니다. 이는 네트워크의 효율성과 능력을 향상시키기 위한 증류 기법을 포함합니다.
- 위대한 목표를 위한 최적화: Bittensor의 주요 초점은 단기 비즈니스 사용 사례보다는 위대한 목표를 최적화하는 데 있었습니다. Opentensor는 모델에 대한 가격 책정 시스템을 가진 단순한 P2P 플랫폼을 넘어서는 네트워크를 만드는 데 전념하고 있습니다.
- 진행 상황 및 업데이트: 지난 1년 동안 Opentensor는 Synapse 업데이트를 포함하여 상당한 진전을 이루었으며, 이는 Bittensor를 외부 요청에 개방했습니다. 2023년 10월 Revolution 업그레이드는 서브네트워크를 통한 확장을 가능하게 했습니다. 이는 대형 검증자들이 독립적으로 문제를 정의할 수 있게 하여, 그들의 지분으로부터 현금 흐름 기회를 창출합니다.
- 실세계 확장으로의 진출: Finney 네트워크는 Bittensor의 전환점을 나타내며, 검증자들이 더 독립적으로 행동할 수 있게 하고 초기 중앙화를 줄입니다. 네트워크 스테이크가 증가하고 블록 보상이 증가함에 따라 AI 성장을 촉진합니다.
- 지평선에 있는 AI 비즈니스 사용 사례: Bittensor는 이해관계자들(인간과 AI 포함)이 그들의 인센티브를 따름에 따라 실세계 AI 비즈니스 사용 사례의 확장을 상상합니다. 멀티 및 메타-모달리티 구현이 지평선에 있으며, 서브네트워크를 통합된 '지능' 형식으로 병합합니다.
최신 Revolution 업그레이드를 통해 Bittensor는 누구나 특정 유형의 애플리케이션에 특화된 서브네트워크를 생성할 수 있는 가능성을 열었습니다. 예를 들어, Subnet 4는 JEPA (Joint Embedding Predicted Architecture)를 사용하며, 이는 Meta의 Yann LeCun이 개척한 AI 접근법으로, 하나의 모델에서 비디오, 이미지, 오디오와 같은 다양한 입력 및 출력 유형을 처리합니다.
또 다른 놀라운 성과는 Cerebras의 BTLM-3B-8K (Bittensor Language Model, 3B 매개변수 모델로 모바일 기기에서 고도로 정확하고 성능이 우수한 모델을 실행할 수 있게 하여 AI를 훨씬 더 접근하기 쉽게 만듭니다. BTLM-3B-8K는 Hugging Face에서 Apache 2.0 라이선스로 상업적 사용이 가능합니다.
대형 GPT 모델은 일반적으로 100B 이상의 매개변수를 가지며, 추론을 수행하기 위해 여러 고급 GPU가 필요합니다. 그러나 Meta의 LLaMA 출시로 인해 7B 매개변수로도 고성능 모델을 제공하여 고급 PC에서 LLM을 실행할 수 있게 되었습니다.

하지만 4비트 정밀도로 양자화된 7B 매개변수 모델조차 iPhone 13 (4GB RAM)과 같은 많은 인기 기기에 맞지 않습니다. 3B 모델은 거의 모든 모바일 기기에 편안하게 맞을 수 있지만, 이전 3B 크기 모델들은 7B 모델에 비해 상당히 성능이 저하되었습니다.
BTLM은 모델 크기와 성능 사이에서 균형을 이룹니다. 30억 개의 파라미터를 가지고 있으며, 이전 3B 크기 모델들을 크게 능가하는 수준의 정확도와 기능을 제공합니다.

개별 벤치마크를 살펴보면, BTLM은 TruthfulQA를 제외한 모든 카테고리에서 최고 점수를 기록합니다.

BTLM-3B는 모든 3B 모델을 능가할 뿐만 아니라, 많은 7B 모델과도 비슷한 성능을 보입니다.

Revolution – Bittensor Subnet Upgrade
Bittensor Revolution Upgrade는 10월 2일에 출시되었으며, Bittensor의 개발에서 중요한 이정표를 나타내며, 운영 구조에 상당한 변화를 가져오는 것을 의미합니다. 이 업그레이드의 핵심은 “subnets”의 도입으로, 개발자들이 Bittensor 생태계 내에서 인센티브 메커니즘을 형성하고 시장을 구축하는 데 전례 없는 자율성을 부여하는 획기적인 개념입니다.
이 업그레이드의 주요 기능은 인센티브 시스템을 설계하기 위해 특별히 제작된 전문 프로그래밍 언어의 도입입니다. 이 혁신은 개발자들이 Bittensor 네트워크에서 자신의 인센티브 메커니즘을 생성하고 구현할 수 있게 하며, 광범위한 지능 풀을 활용하여 특정 요구사항과 선호도에 맞게 시장을 맞춤형으로 조정할 수 있습니다.
이 업그레이드는 또한 네트워크의 모든 측면을 단일 재단이 통제하는 중앙화된 모델에서 벗어나 더 분산된 프레임워크로의 주목할 만한 전환을 나타냅니다. 이제 다양한 개인이나 그룹이 서브넷을 소유하고 관리할 기회를 가집니다.
“subnets”의 도입으로, 누구나 이제 자신의 subnetworks를 생성하고 incentive mechanisms를 정의할 수 있으며, Bittensor 생태계 내에서 더 넓은 범위의 서비스를 촉진합니다. 이 변화는 네트워크 내 다양성과 탈중앙화를 촉진하며, Bittensor의 사명을 뒷받침하는 개방성과 협력의 원칙과 일치합니다.

게다가, 서브넷은 새로운 “route network”에서 대의원들의 합의를 얻음으로써 배출권을 놓고 경쟁할 것이며, 이는 혁신과 자원 배분을 촉진할 수 있는 경쟁 요소를 도입합니다.
사용자 생성 서브넷의 등장은 Ethereum이 글로벌 개발자 커뮤니티에 문호를 개방한 후 애플리케이션의 폭발적 증가를 연상시킬 수 있습니다. 이 업그레이드는 다양한 도구와 서비스를 일관된 네트워크로 통합할 수 있는 잠재력을 강조합니다. 본질적으로, 지능을 형성하는 데 필요한 모든 요소가 이제 하나의 지붕 아래에 모여 있으며, 단일 토큰($TAO)에 의해 규제됩니다.
라우트 네트워크
라우트 네트워크는 Bittensor 생태계 내에서 중추적인 구성 요소로 작용합니다. 이는 주요 대의원들의 가중 합의에 기반하여 다른 subnet들로 emissions를 분배하는 중요한 역할을 하는 meta-subnet으로 작용합니다. 이 변화는 근본적으로 Bittensor를 단일 제어된 시스템에서 동적인 “network of networks”로 변화시키는 변혁적인 성격을 띠고 있습니다.

중요하게도, 발행 일정은 더 이상 오직 Opentensor foundation의 통제 아래 있지 않습니다. ‘root’ 네트워크 내의 대의원들은 이제 인센티브 분배에 대한 권한을 가지고 있습니다. 이 변화는 인센티브 통제를 분산화하여, 단일 실체에 대한 유일한 의존성을 제거하고 ‘root’ 네트워크의 손에 놓이게 합니다.

서브넷
Bittensor 네트워크 내의 Subnets는 채굴자(miners)가 플랫폼과 상호작용할 수 있는 프레임워크를 제공하는 독립적인 인센티브 메커니즘입니다. 이러한 Subnets는 채굴자와 검증자(validators) 간의 상호작용을 규율하는 프로토콜을 정의하는 데 핵심적인 역할을 합니다.
또한, 인센티브 메커니즘의 세부 사항은 더 이상 Bittensor 코드베이스 내에 하드코딩되지 않습니다. 대신, 이러한 세부 사항은 subnet 저장소 내에서 정의되어 더 큰 유연성과 적응성을 허용합니다.

Bittensor는 프롬프팅 서브네트워크와 시계열 서브네트워크와 같은 특정 서브네트워크를 도입합니다. 프롬프팅 서브네트워크는 GPT-3, GPT-4, ChatGPT 등을 포함한 다양한 프롬프트 신경망의 실행을 가능하게 하여 분산 추론을 수행합니다. 이 기능은 사용자들이 네트워크의 Validators와 상호작용하여 최고 성능의 모델로부터 출력을 얻을 수 있게 하며, 그들의 애플리케이션을 고급 AI 기능으로 강화합니다.
서브넷은 네트워크에 기여한 가치에 따라 $TAO 토큰을 마이너와 검증자에게 분배함으로써 운영됩니다. 마이너의 검증자 쿼리에 대한 응답에 대한 정확한 규칙과 프로토콜, 그리고 검증자가 수행하는 평가 과정은 각 서브넷 저장소 내의 코드에 의해 결정됩니다.
- 출시 시, 9개의 서브넷 슬롯이 사용할 수 있으며, 각 슬롯은 기본적으로 256 UIDs를 수용합니다 (Subnet 1의 경우 1024개를 수용). 서브넷은 'root' 네트워크 내의 대의원들로부터 합의 가중치를 추구함으로써 배출을 위해 적극적으로 경쟁할 것입니다.
- 서브넷을 등록하려면, 개인이나 단체는 서브넷의 존재 기간 동안 특정 양의 $TAO를 잠그야 합니다. 서브넷 소유자는 전체 네트워크 관리자의 역할을 맡으며, 해당 서브넷을 통해 배포된 emissions에 대한 권리를 가집니다. 그들은 네트워크 전체에서 sudo actions를 호출할 수 있는 완전한 권한을 보유하며, 네트워크 min rates와 같은 hyperparameters를 설정하는 등의 작업을 포함합니다.

- 각 서브넷은 고유한 net UID와 연결되어 있으며, 서브넷의 소유권은 등록을 위해 필요한 양의 $TAO를 잠근 지갑으로 이전됩니다. 서브넷이 생성되면, 해당 양의 $TAO가 생성자의 지갑에서 차감되어 서브넷에 첨부됩니다. 서브넷이 등록 해제되는 경우, 잠긴 $TAO는 소유자에게 반환됩니다.
- 주목할 점은 서브넷 내에서 스테이킹된 $TAO에 대한 배출의 18%가 서브넷 소유자에게 수여된다는 것입니다. 이는 서브넷 생성자들이 루트 네트워크에서 대의원들을 유치하는 메커니즘을 설계하도록 유도하며, 등록 해제를 피할 가능성을 높여줍니다.
- 새로 등록된 서브넷은 등록 해지가 불가능한 1주일의 면역 기간이 부여됩니다. 초기 잠금 비용은 2500 $TAO로 설정되며, 새로운 서브넷이 등록될 때마다 두 배로 증가합니다. 시간이 지나면서 잠금 비용은 점차 감소하며, Dutch auction 메커니즘과 유사한 선형 패턴을 따릅니다. 이 접근 방식은 시간이 지남에 따라 잠금 비용을 조정함으로써 서브넷 슬롯에 대한 수요의 균형을 찾는 것을 목표로 합니다.

- 서브넷이 등록 해제되면, 등록을 위해 잠긴 $TAO가 소유자에게 반환되고, 서브넷 내의 모든 마이너가 제거되며, 네트워크 상태가 재설정됩니다.
루트 네트워크
Root Network는 다른 서브넷들 위에서 작동하며 영향을 미치고, 전체 시스템 전반에 걸친 emission scores를 결정하는 데 중추적인 역할을 하는 “meta subnet”으로 기능합니다.
그 주요 기능은 delegates를 포함한 weighted consensus mechanism을 사용하여 각 subnet에 대한 emission vector를 생성하는 것입니다. ‘root’ network 내의 delegates는 그들의 선호도에 따라 다른 subnets에 weights를 할당하며, consensus mechanism이 궁극적으로 emissions의 allocation을 결정합니다.
주목할 만한 점은 ‘root’ 네트워크가 상원과 위임 메커니즘의 역할을 효과적으로 통합하여 이러한 기능을 하나의 단일 실체로 모으는 것입니다. 이 통합은 Bittensor 생태계 내 의사 결정 프로세스를 간소화합니다.
‘root’ 네트워크는 배출 할당에 영향을 미쳐 생태계를 형성할 권한을 가지고 있습니다. 만약 그것이 서브넷이나 시스템의 특정 측면을 가치가 없다고 판단하면, 그 구성 요소에 대한 배출을 줄이거나 제거할 수 있는 능력을 가지고 있습니다.
Bittensor 네트워크 내 Subnets는 ‘root’ 네트워크 내 delegates로부터 대부분의 weights를 적극적으로 유치하여 emissions의 상당한 몫을 확보하기 위해 노력해야 합니다. 이 경쟁적 측면은 subnets가 더 넓은 ecosystem에 그들의 가치와 유용성을 입증하는 중요성을 강조합니다.
더욱이, 이는 네트워크 내 상위 12개의 keys가 triumvirate에 의해 제출된 제안을 거부할 수 있는 잠재력을 부여하여 시스템에 추가적인 governance와 checks and balances의 층을 더합니다.
섹터 전망
기술 분야에서 권력은 오랫동안 소수의 기술 거대 기업들의 손에 집중되어 왔습니다. 이러한 거대 기업들은 혁신을 촉진하는 데 필수적인 귀중한 디지털 상품에 대한 통제를 유지해 왔습니다. 그러나 Bittensor는 이러한 지배적인 패러다임을 인정하고 도전하며, 마켓플레이스를 통해 더 민주적이고 접근 가능한 시스템을 도입함으로써 이를 변화시킵니다.
Bittensor의 근본적인 통찰은 지능이 컴퓨팅 파워와 데이터와 같은 다양한 디지털 상품의 결과라는 이해에 있습니다. 역사적으로 이러한 상품들은 기술 거대 기업들의 영역에 의해 엄격하게 통제되고 제한되어 왔습니다. Bittensor는 사용자 생성 subnets를 도입함으로써 이러한 사슬을 끊으려 합니다. 이러한 시장들은 통합된 토큰 시스템 하에서 운영될 것이며, 개발자들이 전 세계적으로 이전에 빅테크의 폐쇄된 생태계 내 소수의 선택된 사람들만의 독점 영역이었던 자원에 동등하게 접근할 수 있도록 보장합니다.
잠재적 채택
오늘날의 디지털 시대에서 인공 지능(AI)의 변혁적 힘은 부인할 수 없습니다. AI는 우리의 삶의 필수적인 부분이 되었으며, 연구를 단순화하고, 워크플로를 자동화하며, 코딩을 지원하고, 텍스트에서 콘텐츠를 생성합니다. AI 기능의 급속한 성장은 명백하지만, 이 성장은 확장성과 가장 중요한 신뢰성과 관련된 도전을 수반합니다.
최근 사건들, 예를 들어 워싱턴에서의 AI 규제 논의 중 ChatGPT의 일시적인 중단과 같은, AI의 확장성 도전 과제를 해결하기 위한 강력한 솔루션의 중요한 필요성을 강조했습니다. 이러한 중단은 AI가 우리의 일상생활에 점점 더 통합됨에 따라 AI의 안정성과 신뢰성에 대해 사용자들을 우려하게 만들었습니다. 이러한 순간에 Bittensor의 $TAO의 중요성이 명확해집니다.
Bittensor의 접근 방식은 오픈소스 AI를 옹호할 뿐만 아니라 그것이 재정적으로 보상받는 추구가 될 수 있음을 보여줍니다. 그것은 Bitcoin 채굴에서 볼 수 있는 경쟁적 진화를 반영하며, 최고의 AI 모델이 전면에 부상하는 번영하는 시장을 위한 길을 닦습니다. 이 변화는 AI 연구자들이 개방적이고 역동적인 환경에 그들의 전문 지식을 기여할 수 있게 하여, 궁극적으로 사회 전체에 이익을 줍니다.
$TAO는 ChatGPT가 경험한 것과 같은 잠재적 문제를 완화할 수 있는 분산형 AI 인프라를 제공합니다. AI를 분산화함으로써 Bittensor는 수요가 계속 증가하더라도 AI 시스템의 탄력성과 신뢰성을 보장합니다. 이 접근 방식은 AI 서비스의 미래를 위한 신뢰할 수 있는 기반을 구축합니다.
간단히 말해, Bittensor는 오픈소스 인공지능을 위한 글로벌 마켓플레이스로 부상하며, 클로즈드소스 AI 개발이 제기하는 도전 과제에 대한 매력적인 해결책을 제시합니다.
- AI 우수성을 위한 중력적 힘: Bittensor는 전 세계 연구원들로부터 최고의 AI 모델을 끌어당기는 중력적 힘으로 작동합니다. AI를 위한 자유 시장을 조성함으로써, 네트워크는 최첨단 모델의 제출을 장려합니다. 성숙함에 따라, Bittensor는 더 낮은 가격을 약속하고, 플랫폼 위험을 제거하며, 텍스트, 이미지, 비디오 또는 기타 형식에서 최고의 AI 출력을 제공합니다.
- 수익성 있는 오픈 소스: Bittensor는 오픈 소스 AI를 수익성 있는 사업으로 전환합니다. Bitcoin이 제시한 예를 따르며, Bittensor는 이해관계자들이 이익 추구형이라고 가정하는 구조로 설계되었습니다. 이 생태계에서 최고의 AI 모델이 가장 많은 돈을 벌 수 있습니다. 이는 Bitcoin 채굴의 진화와 유사하며, 경쟁적이고 전문화된 산업으로 전환되고 있습니다. 이제 PhD 연구자들은 자신의 연구를 이 오픈 마켓플레이스로 가져올 기회를 가지며, 학계와 민간 산업 간의 격차를 메울 수 있습니다.
- 인상적인 규모: Bittensor의 인센티브는 놀라운 결과를 가져왔다. 네트워크는 4,000개 이상의 AI 모델을 지원하며, 이는 놀라운 10조 개의 모델 파라미터로 구성되어 있다. 이를 관점으로 삼아, GPT-3는 1750억 개의 파라미터를 가진다.
- 다양한 이해관계자: Bittensor의 생태계는 마이너, 검증자, 지명자, 소비자를 포함한 다양한 이해관계자를 포함한다. 이러한 다양한 참여는 네트워크의 견고성과 지속적인 성장을 보장한다.
중요한 고려 사항은 AI의 현재 상태로, 그 대부분이 폐쇄된 문 뒤에 갇혀 있으며 소수의 기술 거대 기업들의 통제 하에 있다. 이는 질문을 제기한다: AI가 개방적이고 협력적인 환경에서 다른 AI 모델들로부터 배울 수 있다면 어떨까? Bittensor의 $TAO는 이 질문에 대한 해결책을 제공하려고 한다.
- 성장을 통한 채택: 일부 주요 AI 회사들이 독점 AI 기술을 공개하는 것을 주저할 수 있지만, $TAO는 흥미로운 제안을 제시합니다. 이는 마이크로트랜잭션을 통한 추가 수익화 가능성을 도입합니다. Bittensor 생태계 내에서 제품과 비즈니스를 구축하기 위해 훈련 모델을 사용할 때마다 OpenAI와 같은 기존 AI 솔루션이 마이크로페이먼트를 수락하는 것을 상상해 보세요. 이는 이러한 회사들에게 새로운 수익원을 열어주며, 오픈 AI 네트워크에 참여하도록 장려할 수 있습니다.
- 수요에 의한 채택: 대안적으로, 현재 AI 솔루션이 폐쇄적이고 오픈 네트워크에 저항하는 것으로 가정해 보자. 그들의 처분에 상당한 자본이 있음에도 불구하고, 오픈소스가 이러한 막대한 자금 지원 솔루션을 능가할 가능성이 있다. 재정 자원이 기술 성장에 중요하긴 하지만, 자율적으로 학습하고 환경으로부터 학습할 수 있는 기술의 잠재력을 과소평가해서는 안 된다.

오픈 소스 딜레마
AI 모델이 오픈 소스여야 하는지에 대한 논쟁은 AI의 정렬 문제에 대한 우려가 계속 증가함에 따라 두드러지게 부각되고 있습니다. 근본적인 질문은 AI 모델 뒤의 실제 코드가 모든 사람에게 자유롭게 접근 가능해야 하는지 여부입니다. 흥미롭게도, OpenAI와 같은 주요 플레이어가 모델을 오픈 소스화하더라도, 이는 반드시 Bittensor에 위협이 되지는 않을 것입니다. 오픈 소스 환경에서 누구나 이러한 모델을 Bittensor 네트워크에서 사용할 수 있기 때문입니다.
테크 커뮤니티 내에서 이 문제에 대한 의견이 분분하다. 일부는 AI 기술의 오픈소싱이 악의적인 행위자들에게 AI를 해로운 목적으로 악용할 수 있는 힘을 부여할 수 있다고 주장한다. 반대로, 다른 사람들은 AI 기술에 대한 독점권을 주요 기업들에게 부여하는 것이 더 큰 위험을 초래한다고 주장한다. 예를 들어, OpenAI의 상당한 자금 조달에 초점을 맞춘 것처럼, AI 권력을 소수의 조 단위 기업들의 손에 집중시키는 것은 윤리적 우려를 불러일으킬 수 있으며, 권력 부패의 위험을 강조한다.
Meta의 오픈소스화 결정은 그들의 Llama2 LLM은 산업이 오픈소스 관행을 수용하는 방향으로의 전환을 나타냅니다. 이 움직임은 Bittensor가 Meta의 발전을 배우고 잠재적으로 네트워크에 통합할 기회를 제공하며, 성능 격차를 더 빠르게 좁히는 데 기여합니다.
$TAO와 OpenAI의 가치를 검토하는 것이 필수적입니다. 현재 OpenAI는 업계에서 지배적인 위치를 차지하고 있으며, $80B와 $90B 사이의 가치 평가. 그러나 Microsoft와 그 허가된 클라우드 서비스에 크게 의존하는 폐쇄형 생태계 내에서 운영되고 있습니다. 그럼에도 불구하고 OpenAI는 전 세계에서 최고 인재를 성공적으로 유치했습니다. 반면에 시간이 지나면서 오픈소스 이니셔티브가 더 보편화되면, 이용 가능한 인재 풀은 인터넷의 모든 구석까지 기하급수적으로 확장될 준비가 되어 있습니다. AI 전문 지식의 이러한 민주화는 Bittensor의 채택을 형성하는 데 중요한 역할을 할 수 있습니다.
경쟁 환경 – 중앙화된 AI
개발자 채택은 Bittensor의 여정에서 여전히 중요한 요소입니다. 현재 개발자들은 OpenTensor Foundation에서 개발한 Python API를 통해 네트워크와 상호 작용할 수 있으며, 이는 채택을 촉진하기 위해 강력한 개발자 커뮤니티를 육성하는 중요성을 강조합니다. 요즘 Bittensor는 모델 생성 및 훈련과 같은 네트워크의 중요한 측면을 탈중앙화하는 데 적극적으로 노력하고 있으며, 가장 세밀하게 조정된 모델에 보상을 제공하면서 커뮤니티 주도 의사결정을 촉진하고 있습니다.
흥미롭게도, OpenAI와 Google를 포함한 AI 분야의 확립된 플레이어들은 이제 $TAO의 경쟁자가 되었습니다. 그들은 AI의 모델 생성 단계에 깊이 관여하고 있으며, 다양한 산업 내에서 잠재적인 수직 통합으로 진출하기까지 했습니다. 이러한 맥락에서 $TAO가 직면한 주요 도전 과제 중 하나는 데이터 격차 문제입니다.
Facebook, Apple, Amazon, Netflix, Google(FAANG)과 같은 기술 거대 기업들과 달리, 광범위한 의미 있는 데이터 저장소에 접근할 수 있는 반면, 크라우드소싱 커뮤니티들은 동일한 수준의 자원과 데이터 접근성을 부족할 수 있습니다. FAANG 조직들은 Nvidia의 최첨단 기술을 포함한 H100s와 GH200s와 같은 강력한 하드웨어로 AI 프로젝트를 강화할 수 있는 재정적 수단을 갖추고 있으며, 이는 AI 모델 훈련을 상당히 가속화할 수 있습니다.
동시에, 오늘날 모든 주류 AI 솔루션은 폐쇄적이고 중앙화된 특성을 띠고 있다는 점을 유의하는 것이 필수적입니다. 이는 OpenAI, Google, Midjourney와 같은 주요 회사들을 포함하며, 각 회사는 파괴적인 AI 솔루션을 제공합니다. 그러나 폐쇄형 모델과 오픈소스 모델 간의 격차는 빠르게 좁혀지고 있습니다. 오픈소스 모델은 속도, 맞춤화, 프라이버시, 그리고 전체적인 기능 측면에서 점차 지위를 강화하고 있습니다. 이들은 폐쇄형 경쟁자들에 비해 상대적으로 적은 예산과 매개변수 크기로 인상적인 기능을 달성합니다. 게다가 이러한 오픈소스 모델은 가속화된 타임라인에서 작동하여, 몇 달이 아닌 몇 주 만에 결과를 제공합니다.
Google은 그 자체로 기술 거인으로서 이 변혁적인 추세를 인식했습니다. A 유출된 내부 문서에서 회사는 “We have no moat, and neither does OpenAI.”라고 밝혔습니다. 이 인정은 오픈소스 AI의 경쟁 환경에서의 영향력이 증가하고 있음을 강조합니다.


이 진화하는 AI 생태계에서 $TAO는 변화의 촉매제로 부상하며, AI 개발 및 훈련의 전통적인 모델에 도전합니다. 그의 분산화된 접근 방식과 커뮤니티 주도 이념은 테크 거인들이 한때 지배했던 역동적인 무대에서 경쟁자로 그를 위치짓습니다.
중앙화된 플랫폼이 단일 AI 모델에 대한 접근을 제한하는 것과 달리, Bittensor의 아키텍처는 지능에 대한 허가 없는 접근을 제공합니다. 이는 AI 개발자를 위한 원스톱 샵 역할을 하며, 모든 필요한 컴퓨팅 자원을 제공하면서 외부 기여를 수용합니다. 이 포괄적인 모델은 인터넷 전역의 신경망을 상호 연결하여 글로벌하고 분산된 인센티브 기반 machine learning 시스템을 만듭니다.
AI의 잠재력을 완전히 실현하려면 폐쇄형 소스 개발 관행과 그에 따른 제한에서 벗어나야 합니다. 아이들이 사회적 상호작용을 통해 이해를 넓히는 것처럼, AI는 동적인 환경에서 번성합니다. 다양한 데이터셋에 대한 노출, 혁신적인 연구자들의 통찰, 그리고 다양한 모델과의 상호작용은 더 강력하고 지능적인 AI 시스템의 창조를 육성합니다. AI의 궤적은 단일 주체에 의해 지시되어서는 안 됩니다.
이 극명하게 대조되는 미래에서, 블랙박스 알고리즘과 중앙화된 권위가 지배하는 세계와 개방적이고 민주화된 AI 환경 사이의 선택은 사회를 위해 매우 중요해집니다.
첫 번째 시나리오에서, OpenAI나 Anthropic 같은 거대 기업들이 AI 솔루션의 통제권을 쥐고 있는 경우, 우리는 지속적인 감시 체제 아래에서 생활할 위험이 있습니다. 이러한 기업들은 우리의 개인 데이터와 일상적인 상호작용에 대한 막대한 권력을 가지며, 반대 의견이나 토론에 대해 개인을 신고하고 서비스를 차단할 권한을 가집니다.
일론 머스크는 A.I.가 문명에 대한 ‘가장 큰 위험 중 하나’이며 규제될 필요가 있다고 말한다그는 OpenAI를 공동 창립했다— Genevieve Roch-Decter, CFA (@GRDecter) February 15, 2023
일론 머스크는 A.I.가 문명에 대한 ‘가장 큰 위험 중 하나’이며 규제될 필요가 있다고 말한다
그는 OpenAI를 공동 창립했습니다
— Genevieve Roch-Decter, CFA (@GRDecter) February 15, 2023
그러나 더 낙관적인 대안은 AI가 오픈소스 플랫폼에 뿌리를 두고, 보편적으로 소유된 네트워크에 구축된 세계를 제공합니다. 여기서 권력과 통제는 분산되어 있으며, AI는 감시가 아닌 권한 부여의 도구로 사용됩니다. 이 시나리오에서 창의성과 개발은 기업의 편향이나 검열에 대한 두려움 없이 번영할 수 있습니다.
인터넷이 정보에 대한 접근을 민주화한 것처럼, 개방형 AI 생태계는 지능에 대한 접근을 민주화할 것입니다. 이는 지능이 소수의 선택된 사람들에 의해 독점되지 않도록 보장하며, 누구나 기여하고, 배우고, 혜택을 받을 수 있는 공평한 경쟁 환경을 촉진합니다.
$TAO 토큰노믹스
- 비트코인과 유사하게, $TAO 토큰의 총 최대 공급량은 21,000,000으로 제한되어 있으며, 이는 256년 후에 발행될 것입니다.
- $TAO 반감기는 1050만 블록마다 발생하며, 총 64개의 반감기 이벤트가 다음 45년 이상의 기간 동안 발생할 것입니다.

- 네트워크는 약 12초의 블록 타임을 기반으로 운영되며, 블록당 1 $TAO가 채굴자와 검증자에게 보상으로 지급됩니다.
- 현재 이는 매일 7,200개의 새로운 $TAO 토큰이 발행되는 것을 의미하며, 이는 채굴자와 검증자 사이에 균등하게 분배됩니다.

Bitcoin과의 또 다른 유사점은 $TAO의 발행 일정이 반감(halving) 개념을 따르며, 이는 약 4년마다 발생한다는 것입니다. 그러나 이는 블록 번호가 아닌 총 토큰 발행량에 의해 결정됩니다. 예를 들어, 총 공급량의 절반이 발행되면 발행 속도가 반으로 줄어듭니다.
중요하게도, 등록을 재활용하는 데 사용된 $TAO 토큰은 미발행 공급으로 다시 소각되어 반감기 간격이 점진적으로 길어지게 됩니다. 이 메커니즘은 발행 일정이 시간에 따라 동적으로 조정되도록 보장하며, 네트워크의 요구와 경제적 역학을 반영합니다.
$TAO 토큰 경제
Bittensor의 $TAO 토큰 경제는 단순성, 탈중앙화에 대한 헌신, 그리고 공정한 분배로 특징지어집니다. 많은 다른 블록체인 프로젝트와 달리, $TAO 토큰은 ICO, IDO, VC에 대한 사모 판매, 또는 팀, 재단, 고문에 대한 특권 할당을 통해 어떤 당사자에게도 할당되지 않았습니다. 대신, 모든 유통 토큰은 네트워크에서의 적극적인 참여를 통해 획득되어야 합니다.
네트워크에는 자본 배분자들도 참여하고 있으며, 마이너나 밸리데이터로 참여하거나 DCG, GSR, Polychain과 같은 마켓 메이킹 서비스를 제공합니다. 중요한 점은 그들 중 누구도 사전 판매나 사모 판매에서 유래한 토큰 할당을 받지 않았다는 것입니다.

$TAO 토큰은 거버넌스, 스테이킹 및 합의 메커니즘 참여, 그리고 Bittensor 네트워크 내에서의 결제 수단으로 사용할 수 있습니다.
이렇게 하면 검증자와 채굴자들은 네트워크를 보호하기 위해 토큰을 담보로 스테이킹하고, 인플레이션 발행을 통해 보상을 받을 수 있으며, 사용자와 기업들은 네트워크에 구축된 AI 서비스와 애플리케이션에 접근하기 위해 $TAO를 사용할 수 있습니다.

새로운 $TAO 토큰은 마이닝과 검증을 통해서만 생성될 수 있습니다. 네트워크는 마이너와 검증자 모두에게 보상을 제공하며, 각 블록은 1 $TAO 보상을 부여하며, 이는 마이너와 검증자 사이에 균등하게 공유됩니다. 따라서 $TAO를 획득하는 유일한 방법은 오픈 마켓에서 토큰을 구매하거나 마이닝 및 검증 활동에 참여하는 것입니다.

$TAO의 간단한 토큰 분배 모델은 Satoshi Nakamoto가 설정한 Bitcoin의 이념을 연상시키는 분산화 원칙을 반영합니다. $TAO의 제네시스 민팅은 Bitcoin의 배출 일정($BTC)과 일치하며, 네트워크에 가치를 기여하는 누구에게나 평등한 기회를 제공합니다. 이 접근 방식은 특히 AI 분야에서 권력과 소유권의 집중을 방지하는 중요성을 강조하며, 이는 중대한 사회적 함의를 가지며 소수의 선택된 사람들에 의해 통제되어서는 안 됩니다.
이 분배 모델은 채굴이 경쟁적인 프로세스로 유지되도록 보장합니다. 네트워크에 더 많은 채굴자들이 참여함에 따라 경쟁이 증가하여 수익성을 유지하기가 어려워집니다. 이는 차례로 채굴자들이 운영 비용을 줄일 방법을 찾도록 동기를 부여하여 네트워크 내 효율성과 혁신을 촉진합니다.

$TAO의 가치 포획
$TAO는 Bittensor 네트워크의 네이티브 토큰으로, 생태계 내 독특한 역할에서 본질적 가치를 도출합니다. 네트워크 토큰이 블록 공간 판매로부터 가치를 도출하는 표준 L1 모델과 달리, $TAO의 가치는 그것이 활성화하는 AI 서비스에 연결되어 있습니다. 이러한 AI 서비스가 더 영향력 있고 유용해짐에 따라, $TAO에 대한 수요가 증가합니다.
$TAO를 보유하면 네트워크 참여자들이 생성하고 검증한 데이터, 대역폭, 지능을 포함한 다양한 상호 연결된 디지털 자원에 액세스할 수 있습니다. 배출 일정에 반영된 바와 같이, $TAO의 가치는 순전히 투기나 희소성에만 기반한 것이 아니라 Bittensor 네트워크 내에서 제공하는 실질적인 기여와 유용성에 깊이 뿌리를 두고 있습니다.
그러나, 창조와 보상의 이 순환을 유지하는 것은 보장되지 않습니다. 네트워크에 가치 있는 지능을 기여하고 그 대가로 $TAO 토큰을 받는 마이너와 검증자들도 비용을 충당하기 위해 판매할 인센티브가 있으며, 이는 Bitcoin 마이너와 유사합니다.
토큰 가격의 가치는 어떻게?
다른 토큰과 마찬가지로, $TAO의 가격은 수요와 공급의 기본 경제 원칙에 의해 결정됩니다. $TAO에 대한 수요 증가가 가격 상승을 초래하고, 수요 감소가 가격 하락을 초래합니다. 따라서, 생태계 활동으로부터의 수요가 공급 해제를 상쇄할 것이라는 아이디어입니다.
$TAO는 네트워크에 기여함으로써만 얻을 수 있습니다. 이를 위해 네트워크를 사용하기 시작하려면 이를 구매하고 보유하거나 지출해야 합니다.
- 수요 동인:생태계 활동:검증자는 등록을 위해 $TAO 토큰이 필요합니다.사용자는 지능 정렬과 관련된 투표 프로세스에 참여하기 위해 $TAO를 구매할 수 있습니다. 네트워크 내에서 결제 수단으로 사용.$TAO를 스테이킹하고 위임하여 스테이킹 보상을 얻는 수요. 이는 인플레이션 배출로부터 보호하는 데 도움이 될 수 있습니다.블록체인과 AI와 같은 두 가지 파괴적 기술을 병합하는 상향 잠재력에 베팅하는 방법으로서의 투기적 프리미엄.더 많은 개발자들이 네트워크에 진입하고 오픈소스 모델의 잠재력을 활용함으로써 발생하는 네트워크 효과
- 생태계 활동:Validators require $TAO tokens for registration.Users may purchase $TAO to participate in voting processes related to intelligence alignment. 네트워크 내에서 지불 수단으로 사용.
- Validators require $TAO tokens for registration.
- 사용자는 지능 정렬과 관련된 투표 프로세스에 참여하기 위해 $TAO를 구매할 수 있습니다.
- 네트워크 내에서 결제 수단으로 사용.
- staking 및 $TAO를 delegating하여 staking rewards를 얻기 위한 수요. 이는 inflationary emissions로부터 보호하는 데 도움이 될 수 있습니다.
- blockchain과 AI와 같은 두 가지 파괴적인 기술을 병합하는 upside potential에 베팅하는 방법으로서의 speculative premium.
- 네트워크에 더 많은 개발자들이 참여하고 오픈소스 모델의 잠재력을 활용함으로써 발생하는 네트워크 효과
- 생태계 활동:Validators require $TAO tokens for registration.Users may purchase $TAO to participate in voting processes related to intelligence alignment. 네트워크 내에서 지불 수단으로 사용.
- Supply Drivers:총 공급량 21,000,000에 도달하기 위한 인플레이션 배출로부터의 토큰 발행마이너와 밸리데이터는 운영 비용을 충당하기 위해 $TAO 토큰을 판매할 수 있습니다. 이 측면은 비용을 충당하기 위해 판매하는 Bitcoin 마이너와 유사합니다.
- 인플레이션 배출로부터의 토큰 발행으로 총 공급량 21,000,000에 도달
- 마이너와 검증자들은 운영 비용을 충당하기 위해 $TAO 토큰을 판매할 수 있습니다. 이 측면은 비용을 충당하기 위해 판매하는 Bitcoin 마이너와 유사합니다.
- 생태계 활동:검증자는 등록을 위해 $TAO 토큰이 필요합니다.사용자는 지능 정렬과 관련된 투표 프로세스에 참여하기 위해 $TAO를 구매할 수 있습니다. 네트워크 내에서 결제 수단으로 사용.
- 검증자는 등록을 위해 $TAO 토큰이 필요합니다.
- 사용자들은 지능 정렬과 관련된 투표 과정에 참여하기 위해 $TAO를 구매할 수 있습니다.
- 네트워크 내에서 결제 수단으로 사용.
- 스테이킹 보상을 얻기 위한 $TAO 스테이킹 및 위임 수요. 이는 인플레이션 배출로부터 보호하는 데 도움이 될 수 있습니다.
- 블록체인과 AI와 같은 두 가지 파괴적 기술을 병합하는 상향 잠재력에 베팅하는 방법으로서의 투기적 프리미엄.
- 네트워크에 더 많은 개발자들이 참여하고 오픈소스 모델의 잠재력을 활용함으로써 발생하는 네트워크 효과
- 검증자들은 등록을 위해 $TAO 토큰이 필요합니다.
- 사용자들은 지능 정렬과 관련된 투표 과정에 참여하기 위해 $TAO를 구매할 수 있습니다.
- 네트워크 내에서 결제 수단으로 사용.
- 인플레이션 배출을 통한 토큰 발행으로 총 공급량 21,000,000에 도달
- 마이너와 검증자는 운영 비용을 충당하기 위해 $TAO 토큰을 판매할 수 있습니다. 이 측면은 비용 충당을 위해 판매하는 Bitcoin 마이너와 유사합니다.
네트워크가 확장되고 더 많은 AI 모델과 서브넷이 추가됨에 따라 가치 포착의 잠재력이 증가합니다. 네트워크의 성장은 AI와 블록체인 간의 시너지로 인해 촉진되며, 이는 자기 강화 순환을 만듭니다.
이렇게 함으로써 Bittensor는 연결된 사용자 또는 노드의 수의 제곱에 비례하는 네트워크의 가치라는 Metcalfe’s Law의 원칙을 구현합니다. 더 많은 참가자가 네트워크에 참여함에 따라 제공되는 가치가 기하급수적으로 증가합니다.
이러한 가치를 포착하는 방법
Bittensor에서 검증자들은 토큰 보유자들로부터 스테이크를 유치하도록 장려되며, 이 스테이크는 네트워크 내에서의 그들의 운영에 필수적입니다. 토큰 보유자로서 당신은 $TAO를 스테이크하기 위해 다양한 검증자들을 선택할 수 있습니다. 가장 일반적인 옵션은 OpenTensor Foundation 자체로, 네트워크 소유권의 약 20%를 차지합니다.
현재, 검증자들은 $TAO 토큰 형태로 보상의 82%를 위임자들에게 분배합니다. 결과적으로, $TAO를 위임하는 것은 검증자에게 토큰을 위임함으로써 토큰 보유자들이 스테이킹 보상을 얻을 수 있는 기회를 제공합니다. 이는 인플레이션 발행으로 인한 잠재적 희석으로부터 사용자를 보호하는 데 도움이 될 수 있습니다.
- 검증자 보상은 현재 22.45%입니다
- 스테이킹 보상은 현재 18.41%입니다
위험/보상 및 시간 지평
$TAO에 포트폴리오의 일부를 할당할 때의 위험/보상 평가 시, 실제로 무엇을 구매하는지 인식하는 것이 중요합니다. 예를 들어, 구매는 네트워크의 경제 활동으로 생성된 USD로 지불되는 어떤 형태의 수익도 보유자에게 부여하지 않습니다. 대신, 토큰 에미션으로 보상을 받습니다. 토큰 보유자로서 해당 에미션을 위임하여 APY를 얻고 $TAO 보유량을 증가시킬 수 있습니다.
Bitcoin과의 유사성은 명확하지만, $BTC 뒤에는 그것을 독특하게 만드는 암묵적인 이야기가 있습니다. $BTC의 가치가 무엇인지 또는 왜 가치가 있는지에 대한 만족스러운 답변을 아무도 제공할 수 없기 때문에, 커뮤니티는 no-coiners, “shitcoiner”, 그리고 maxis 사이의 부족주의적 전쟁을 구현하게 됩니다.
실제로, 비트코인의 토큰 경제는 이해하기 쉽습니다: $BTC는 네트워크를 운영하고 실행하는 마이너들을 인센티브화하는 데 사용됩니다. 결과적으로, 기존 홀더들은 희석됩니다 (비록 그들이 마이너가 될 수 있지만 – Bittensor의 경우 위임자). 따라서 토큰을 보유한 사람들은 보상받지 않으며, 기본 네트워크로부터 어떠한 인센티브도 받지 않습니다.
그러나 $BTC의 경우, 고려해야 할 중요한 요소가 있으며, 그것은 희소성입니다. 앞으로 영원히 $21M만 존재한다는 사실이 그것을 독특하게 만듭니다. 그리고 $TAO의 토큰 경제가 비트코인 자체를 모델로 했음에도 불구하고, 여전히 70% 이상의 미발행 토큰이 있습니다. 이는 투자자들에게 네트워크의 분산화냐 자산의 희소성 중 무엇을 더 가치 있게 여기는지에 대한 딜레마를 제시합니다.

결국 $TAO의 유용성은 AI 모델에 대한 접근 제공, 거버넌스 사용, 스테이킹 보상 접근, 그리고 인센티브 메커니즘으로부터 비롯된다.
운영 비용
현재 인프라 개발은 Opentensor Foundation을 통해 위임으로부터의 자금 지원과 위임 보상으로 지불됩니다. 다른 개발은 자체 검증자를 운영하는 제3자에 의해 수행되며, 위임을 통해 자금을 조달합니다.
전 세계적인 어떤 이니셔티브도 연구, 개발, 그리고 배포를 위한 자금이 필요하듯이, AI의 성공은 자본이 어떻게 조정되고 이해관계자들이 그들의 기여에 대해 어떻게 보상받는지에 달려 있습니다. 바로 이 자원의 전략적 할당(연구, 훈련을 위한 GPUs…)이 AI의 성장과 영향을 주도합니다.
AI 분야에서, 특히 ChatGPT와 같은 대형 언어 모델의 경우 운영 비용이 상당합니다. 예를 들어, OpenAI는 ChatGPT를 운영하는 데 하루에 약 $700,000 per day to operate ChatGPT, 이는 대규모 AI 모델과 관련된 상당한 재정적 부담을 강조합니다. 훈련 비용은 각 모델당 수백만 달러에서 수천만 달러까지 다양하며, 이를 더욱 자원 집약적인 노력으로 만듭니다. 대규모 데이터셋에서 모델을 훈련하는 비용은 훨씬 더 높아 최대 $30 million에 이를 수 있습니다.
회사는 상당한 자금을 조달했지만, 최근 Microsoft로부터의 투자(대략 절반이 Azure 크레딧 형태로)를 포함하여, 대형 언어 모델 훈련 비용의 증가가 우려 사항입니다. 각 훈련 실행은 수백만 달러를 비용이 들며, 새로운 모델에 대해 처음부터 시작해야 할 필요성이 이 문제를 악화시킵니다.

여기서 Bittensor의 “Knowledge Compounding” 접근 방식이 관련이 됩니다. Bittensor의 독특한 접근 방식은 “Knowledge Compounding”을 통해 분산화와 협력에 초점을 맞춥니다. 이 철학은 AI 시스템이 분산된 방식으로 기존 지식을 기반으로 구축할 수 있게 하며, 다음과 같은 이점을 제공합니다:
- 비용 효율성: 기존 지식을 활용하고 지속적으로 이를 개선함으로써, Bittensor의 접근 방식은 고비용의 처음부터의 재훈련 필요성을 잠재적으로 줄일 수 있습니다.
- 적응성: 대규모 AI 애플리케이션은 종종 변화하는 요구사항과 도전에 직면합니다. 여기서 분산화 접근 방식은 조직이 AI 시스템을 더 유연하게 적응할 수 있게 하여, 동적인 환경에서 관련성과 효과성을 유지할 수 있도록 합니다.
- 분산화: Bittensor의 분산화 네트워크는 전 세계 기여자 커뮤니티를 강화하여 단일 주체 또는 중앙화 인프라에 대한 의존도를 줄입니다. 이는 AI 개발에서 혁신과 다양성을 촉진합니다.
- 협력: Knowledge Compounding의 협력적인 성격은 네트워크 내 노드들 사이에서 지식 공유와 협력적 학습을 장려하며, AI 발전을 위한 역동적인 환경을 조성합니다.
팀 및 투자자
Bittensor는 분산화된 블록체인 기반 머신러닝 네트워크를 구동하는 오픈소스 프로토콜입니다. Bittensor 뒤의 팀에는 Jacob Steeves (창립자), Ala Shaabana (창립자), Jacqueline Dawn (마케팅 디렉터), 그리고 Saeideh Motlagh (블록체인 아키텍트) 등을 포함합니다. Opentensor Foundation도 올해 팀을 확장할 계획입니다.
비트코인(Bitcoin)의 Satoshi Nakamoto처럼, Bittensor의 백서에도 Yuma Rao라는 가명으로 언급되어 있습니다. 이 사람이 실제로 존재하는지 여부는 알려지지 않았으며, 그에 대해 더 이상 알 수 없을 수도 있습니다.

Bittensor는 주목할 만한 고문이나 주요 투자자를 공개하지 않았으며, Bittensor의 개발을 지원하는 비영리 조직인 OpenTensor Foundation으로부터 자금을 받은 것 외에는 그렇습니다. Bittensor는 또한 공식 파트너십을 발표하지 않았습니다.
테제
대부분의 기술 회사들은 팬데믹 이전 평가액에서 훨씬 하락했지만, AI 회사들은 이제 평가 배수와 성장률 모두에서 ATHs에 도달하고 있다.

업계 거대 기업들에 비해 시가총액이 현저히 낮은 Bittensor는 대규모/고수요 AI 애플리케이션과 오픈소스 모델의 사용을 위한 완벽한 놀이터가 될 수 있습니다.
상승 잠재력을 측정하기 위한 가장 간단한 비교는 OpenAI의 $29B 민간 평가액과 비교하는 것입니다. 현실적이든 아니든, 이는 $TAO의 FDV보다 약 28배 이상 높습니다. 전체 공급량이 유통에 들어가는 데 걸리는 시간을 고려하면, 유통 시가총액을 사용하여 OpenAI의 민간 평가액이 $TAO의 시가총액보다 108배 이상인 대략적인 수치를 도출할 수 있습니다.
그러나 이는 AI와 crypto의 교차점에 위치함으로써 이익을 얻을 수 있는 프로젝트에 베팅하는 것으로 간단히 요약될 수 있는 매우 투기적인 접근 방식입니다.

가장 중요한 특징은 Bittensor가 AI의 중앙화 문제를 해결하고 있다는 사실입니다. 현재 소수의 기업이 대형이고 강력한 모델의 소수만을 통제하고 있지만, 이들은 모두 고립되어 있으며 협력이나 지식 공유가 거의 없습니다.
고립된 AI 모델들은 서로로부터 배울 수 없으며, 따라서 비복합적입니다(연구자들이 새로운 모델을 만들 때마다 처음부터 시작해야 합니다). 이는 AI 연구와 극명하게 대조되는데, AI 연구에서는 새로운 연구자들이 과거 연구자들의 작업을 기반으로 구축할 수 있어 아이디어 개발을 가속화하는 복합 효과를 만듭니다.
사일로된 AI도 기능적으로 제한되어 있습니다. 왜냐하면 타사 애플리케이션 및 데이터 통합이 모델 소유자의 허가를 필요로 하기 때문입니다 (기술 파트너십 및 비즈니스 계약의 형태로). 이 제한은 AI의 가치와 유용성에 직접적인 영향을 미칩니다. 왜냐하면 AI는 효과적으로 구동할 수 있는 애플리케이션의 범위만큼만 가치가 있기 때문입니다.


이 중앙화된 승자독식 환경은 자원이 부족한 소규모 팀에게 유리하지 않습니다. 이 맥락에서 Bittensor의 핵심 강점은 소규모 팀과 연구자들이 그들의 작업을 수익화하도록 장려하는 분산 네트워크와 인센티브 메커니즘입니다.
Bittensor가 GPT-4와 같은 선도적인 폐쇄 소스 AI 제공업체와의 성능 격차를 좁히는 데 성공한다면, 크립토와 AI 분야의 개발자, 기업, 연구자들에게 선호되는 선택이 될 수 있습니다. 그 개방적이고 협력적인 성격은 폐쇄형 생태계에 대한 매력적인 대안으로 위치지어, 잠재적으로 상당한 채택을 이끌 수 있습니다.
궁극적으로, TAO의 가치는 네트워크의 유틸리티(위에 구축된 경제 활동) 또는 프로토콜로의 직접적인 현금 흐름에서 도출될 수 있습니다.
- 유틸리티 토큰으로서, $TAO는 네트워크에 접근하기 위해 필요합니다. 따라서, 그 가치는 위에 구축된 경제적 유틸리티에서 도출될 수 있습니다.
- 스테이킹 토큰으로서, 홀더들은 $TAO를 검증자들에게 위임하고 네트워크의 수익 일부를 받을 수 있습니다.
- 우리는 또한 시장 점유율과 여러 가정에 기반하여 수익을 측정할 수 있습니다 (이는 예측 가치가 신뢰할 수 없게 만드는 원인이 되기도 합니다).
유틸리티는 더 주관적이고 추상적이어서 가치를 평가하기 어렵기 때문에, 현금 흐름으로 시작할 수 있습니다. ML 시장이 미래에 일정한 시장 규모에 도달할 수 있다고 가정하면 (아래 이미지 참조Precedence Research 추정치 ), Bittensor 네트워크의 잠재적 시장 점유율과 수익 배수를 기반으로 가치를 평가할 수 있습니다.

추정 시장 규모와 관계없이, Bittensor는 여전히 이해하기 위해 고도로 전문화되고 복잡한 프로젝트로, 개발자들의 쉬운 온보딩과 사용자들의 채택에 장애물이 되고 있습니다.
프로젝트는 여전히 개발의 매우 초기 단계에 있으며, 네트워크에 예상치 못한 문제가 발생할 수 있습니다. 예를 들어, 6월에 네트워크에서 게임을 하는 마이너들 간의 공모가 발생하여 $TAO가 시장에 매도되는 결과를 초래했습니다. 임시 해결책으로는 배출량을 90% 줄여 Opentensor Foundation이 네트워크를 정직하게 유지하고 프로토콜이 의도된 대로 작동할 수 있도록 하는 솔루션을 작업할 추가 시간을 제공하는 것이었습니다.
Bittensor 업데이트좋은 소식입니다. 네트워크를 조작하고 그들의 $TAO를 시장에 판매한 공모 광부 그룹이 식별되었습니다.임시 해결책으로 TAO 배출이 90% 줄어들었으며, 따라서 Opentensor Foundation이 해결책을 작업할 시간을 제공합니다… pic.twitter.com/6svEvB3wth— TAO-Validator.com (@TAO_Validator) June 15, 2023
Bittensor 업데이트
좋은 소식입니다. 네트워크를 조작하고 시장에서 그들의 $TAO를 판매한 공모한 광부 그룹이 확인되었습니다
임시 해결책으로, TAO 배출량이 90% 줄었으며, 따라서 Opentensor Foundation이 해결책을 마련할 시간을 벌었습니다… pic.twitter.com/6svEvB3wth
— TAO-Validator.com (@TAO_Validator) June 15, 2023
현재 네트워크에 운영 중인 제품들의 대부분은 중앙화된 대응 당사자와 경쟁할 수 없으며, 지금까지 채택률이 낮습니다. 스스로 배우고 시도해 보는 가장 좋은 방법은 제공되는 서비스를 테스트하는 것입니다 Bittensor Hub.

비텐서(Bittensor)와 같은 AI 서비스 제공에 특화된 네트워크에 대해 Bitcoin 토큰노믹스가 적합한지 질문해야 합니다. $BTC의 디스인플레이션(disflationary) 특성이 규모를 확장하기 위해 점점 더 많은 마이너와 상위 애플리케이션이 필요한 네트워크에 최선이 아닐 수 있습니다. 이상적으로 토큰은 네트워크 채택의 성장에 따라 인플레이션되어야 하며, 디지털 금(digital gold)보다는 디지털 오일(digital oil)에 더 가깝습니다. 어떤 면에서는 이미 내장되어 있으며, 마이너들이 서로 경쟁하도록 유도하고 공급을 200년 이상의 기간에 걸쳐 분배합니다.
또 다른 도전 과제는 프라이버시로, 신경망을 통과하기 전에 데이터를 암호화하는 것이 불가능하기 때문이다. 이는 분산된 환경에서 더욱 문제가 되는데, 학습 및/또는 추론 과정을 거치는 모든 데이터는 확실히 프라이빗하지 않을 것이다. 중앙화된 경우에도 잠재적 문제이긴 하지만, 그 경우에는 알려진 한 당사자가 당신의 데이터를 보는 것만 걱정하면 되고, 알려지지 않은 다수를 걱정할 필요가 없다.
경제


토큰 가격

ATH 및 ATL 대비 가격

공급 분배


결론
Bittensor는 AI와 crypto의 교차점에 대한 강력한 베팅이 될 수 있습니다. 그러나 그 성장률과 잠재적 상승 가능성을 평가하는 데 있어 가장 복잡한 프로젝트 중 하나임은 의심의 여지가 없습니다.
분산 네트워크에서 AI의 유용성을 활용할 잠재력이 분명히 많다. 특히 오픈 소스 모델을 장려하고 네트워크 소유권을 분산화할 때 그렇다. 그러나 Bittensor 위에 구축된 서비스와 비즈니스 사례는 아직 충분히 경쟁력이 없다.
AI는 또한 산업 거인들만이 달성할 수 있는 막대한 운영 비용과 대규모 자금이 필요한 산업이다. 이 점에서 Bittensor는 매우 반대되는 베팅이며, 그래서 가능한 한 많은 위험/보상 요인을 고려할 가치가 있다.
참고문헌
Bittensor – TAO
- 웹사이트
- 문서
- 화이트페이퍼
- 유마 컨센서스
- 탐색기
- Taobridge
- 위임
- Taostats
- Tao News
- Coingecko
- 트위터
- 디스코드
- 커뮤니티 텔레그램 그룹
- Github
- 유튜브
- Opentensor Foundation 블로그
- 링크드인 Opentensor 재단
- Bittensor 서브넷 템플릿
- 검증자 목록
외부 출처
공개 사항
Revelo Intel은 Bittensor와 상업적 관계를 맺은 적이 없으며, 이 보고서는 어떠한 방식으로도 지불되거나 의뢰되지 않았습니다.
Revelo Intel 팀의 멤버들, 위 분석에 직접 참여한 사람들을 포함하여, 논의된 토큰에 포지션을 가지고 있을 수 있습니다.
이 콘텐츠는 교육 목적으로만 제공되며, 재정적 또는 투자 조언을 구성하지 않습니다. 여러분은 자체 연구를 수행하고 잃을 수 있는 금액만 투자해야 합니다. Revelo Intel은 연구 플랫폼이며 투자 또는 재정 고문이 아닙니다.






