Introdução
Com a recente explosão e aumento na popularidade da AI, muitos surgiram com diferentes teses sobre onde a AI e a cripto se intersectam. Essas inovações têm o potencial de revolucionar vários aspectos de nossas vidas digitais, desde a gestão de ativos digitais até a preservação de propriedade intelectual e o combate à fraude. Notavelmente, essa convergência deu origem a duas tendências proeminentes:
- A integração da AI com infraestrutura de blockchain, como Render ($RNDR), Akash ($AKT) ou Fetch.ai ($FET).
- O surgimento de protocolos que incentivam a produção de inteligência de machine learning, como Bittensor ($TAO).
As aplicações anteriores de IA no blockchain concentraram-se amplamente em infraestrutura, permitindo o armazenamento de modelos AI/ML e aluguéis de GPU. Isso levou a tendências como aprendizado por reforço incentivado por tokens, zkML e registros de identidade baseados em blockchain para combater deepfakes. Simultaneamente, uma tendência paralela está ganhando momentum: protocolos que incentivam inteligência.

Neste relatório, mergulhamos na interseção de AI e crypto, com foco no Bittensor e no token $TAO, explorando seus papéis no Peer-to-Peer Intelligence Marketplace e no surgimento de um Digital Commodity Marketplace.

Aproveitando a mais recente Atualização Revolução que ocorreu em 2 de outubro, também fornecemos uma visão geral histórica, perspectiva do setor, análise competitiva e insights sobre a proposta de valor do $TAO.
Visão Geral
Bittensor é um protocolo de código aberto com uma missão principal: impulsionar o desenvolvimento de AI por meio de uma estrutura de incentivos impulsionada por blockchain. Neste ecossistema, os contribuidores são recompensados com tokens $TAO por seus esforços.

Bittensor funciona como uma rede de mineração, utilizando incentivos de tokens para encorajar a participação enquanto mantém princípios de abertura e descentralização. Dentro dessa rede, múltiplos nós hospedam modelos de aprendizado de máquina, contribuindo coletivamente para o pool de inteligência. Esses modelos desempenham um papel crucial na análise de extensos dados de texto, extração de significado semântico e geração de insights valiosos em vários domínios.
Para os usuários, as funcionalidades essenciais incluem a capacidade de consultar a rede para acesso à inteligência, participar de mineradores e validadores para mineração de tokens $TAO, e supervisionar suas carteiras e saldos.

A rede do Bittensor depende de contribuições de uma ampla gama de partes interessadas, incluindo mineradores, validadores, nominados e consumidores. Essa abordagem colaborativa garante que os melhores modelos de AI cheguem ao topo, aprimorando a qualidade dos serviços de AI oferecidos pela rede.
O lado da oferta tem duas camadas: AI (Mineradores) e blockchain (Validadores).
- Mineradores dentro da rede Bittensor hospedam modelos de AI e os disponibilizam para a rede, com o sucesso deles sendo determinado pela qualidade e desempenho que entregam.Mineradores são compensados com $TAO com base na inteligência que contribuem para a rede (embora isso dependa da tarefa específica em questão). Modelos de alta classificação estão em maior demanda e resultam em mais receita para os mineradores.
- Mineradores são compensados com $TAO com base na inteligência que eles contribuem para a rede (embora isso dependa da tarefa específica em questão).
- Modelos de alta classificação estão em maior demanda e resultam em mais receita para os mineradores.
- Validadores atuam como avaliadores dentro da rede. Eles avaliam a qualidade e a efetividade dos modelos de IA e gerenciam as solicitações dos usuários. Dessa forma, os validadores classificam os modelos com base em seu desempenho para tarefas específicas, ajudando os consumidores a encontrar as melhores soluções. Quanto mais precisas e consistentes forem suas avaliações, mais eles ganham em recompensas. Da mesma forma, avaliações inconsistentes podem resultar em penalidades, garantindo que os validadores mantenham altos padrões.Os validadores são incentivados com $TAO para classificar os mineradores com base em sua “contribuição de inteligência”. Os validadores também são responsáveis por rotear entradas para produzir a melhor saída. Isso é alcançado formando coalizões entre Mineradores (modelos) que se complementam (sub-redes).
- Os validadores são incentivados com $TAO para classificar mineradores com base em sua “contribuição de inteligência”.
- Os validadores também são responsáveis por rotear entradas para produzir a melhor saída. Isso é alcançado formando coalizões entre Mineradores (modelos) que se complementam (sub-redes).
- Os mineradores são compensados com $TAO com base na inteligência que contribuem para a rede (embora isso dependa da tarefa específica em questão).
- Modelos de alta classificação estão em maior demanda e resultam em mais receita para os mineradores.
- Validadors são incentivados com $TAO para classificar mineradores com base em sua “contribuição de inteligência”.
- Validadors também são responsáveis por rotear entradas para produzir a melhor saída. Isso é alcançado formando coalizões entre Mineradores (modelos) que se complementam (sub-redes).

Do lado da demanda, desenvolvedores podem construir aplicativos sobre os Validators, aproveitando (e pagando por) capacidades de IA específicas para casos de uso da rede.
- Indicados são indivíduos que possuem tokens $TAO e apoiam ativamente validadores específicos delegando seus tokens a eles. Essa delegação ajuda os validadores a obterem mais suporte e recompensas. Os próprios indicados ganham recompensas por sua participação nesse processo. Se um validador tiver um desempenho ruim ou se um indicado acreditar que há uma opção melhor, eles podem transferir seu suporte para outro validador.
- Consumidores são os usuários finais dos modelos de IA fornecidos pela Bittensor. Eles podem variar desde desenvolvedores de aplicativos integrando capacidades de IA em suas aplicações até usuários de chatbots buscando respostas de alta qualidade. Consumidores priorizam receber respostas precisas e valiosas. Desenvolvedores, em particular, escolhem validadores que acreditam melhor atenderem às suas necessidades para garantir a entrega de serviços de IA de primeira linha para seus usuários.
- Os consumidores priorizam receber respostas precisas e valiosas.
- Desenvolvedores, em particular, escolhem validadores que acreditam que melhor atendem às suas necessidades para garantir a entrega de serviços de IA de primeira linha aos seus usuários.
- Os consumidores priorizam receber respostas precisas e valiosas.
- Desenvolvedores, em particular, escolhem validadores que acreditam que melhor atendem às suas necessidades para garantir a entrega de serviços de IA de primeira linha aos seus usuários.
O resultado da coordenação entre as partes interessadas listadas acima resulta em uma rede que promove os melhores modelos para um caso de uso dado. Com qualquer pessoa capaz de experimentar, é difícil para empresas de código fechado até mesmo competirem.

Um dos equívocos mais comuns é que a rede suporta treinamento de ML. Em seu estado atual, o Bittensor suporta exclusivamente inferência, que é o processo de tirar conclusões e fornecer respostas com base em evidências e raciocínio. O treinamento, por outro lado, é um processo distinto que envolve ensinar um modelo de machine-learning a realizar uma tarefa. Isso é alcançado alimentando o modelo com um conjunto de dados substancial de exemplos rotulados, permitindo que ele aprenda padrões e associações entre dados e rótulos. A inferência, enquanto isso, utiliza um modelo de machine learning treinado para fazer previsões em novos dados não vistos. Por exemplo, um modelo treinado para classificar imagens pode ser empregado para inferência para determinar a classe de uma nova imagem previamente não vista.
Portanto, é importante notar que o Bittensor não executa ML on-chain, mas funciona mais como um oráculo on-chain ou uma rede de validadores que conecta e orquestra nós ML off-chain (mineradores). Essa configuração cria uma rede descentralizada de mixture-of-experts (MoE), uma arquitetura de ML que combina múltiplos modelos otimizados para diferentes capacidades para formar um modelo geral mais robusto.

Um Mercado de Inteligência Peer-to-Peer
O Mercado de Inteligência Peer-to-Peer da Bittensor é um conceito pioneiro no campo do desenvolvimento de AI, oferecendo uma plataforma descentralizada e sem permissão que contrasta fortemente com modelos mais fechados como OpenAI ou Gemini do Google.
Este marketplace foi projetado para fomentar a inovação competitiva, impulsionar o crescimento da indústria de AI e tornar o AI acessível a uma comunidade global de desenvolvedores e usuários. Qualquer forma de valor pode ser incentivada — um protocolo para incentivar/criar um mercado justo para qualquer commodity digital.
Em outras palavras, o protocolo incorpora uma abordagem peer-to-peer para a troca de capacidades de machine learning e previsões entre participantes na rede. Ele facilita o compartilhamento e a colaboração de modelos e serviços de machine learning, promovendo um ambiente colaborativo e inclusivo onde tanto modelos open-source quanto closed-source podem ser hospedados.
A Ascensão de um Mercado de Commodities Digitais
Bittensor é único no sentido de que estabelece as bases para o surgimento de um Mercado de Commodities Digitais, transformando efetivamente a inteligência de máquina em um ativo negociável. Em seu cerne, o protocolo estabelece um mercado onde a inteligência de máquina é comoditizada.
Muito semelhante a um algoritmo genético, o sistema de incentivos do Bittensor avalia continuamente o desempenho dos mineradores e faz seleções ou recicla mineradores ao longo do tempo. Esse processo dinâmico garante que a rede permaneça eficiente e responsiva ao cenário em evolução do desenvolvimento de AI.

No mercado de inteligência Bittensor, a geração de valor segue uma abordagem dupla:
- Modelos de AI de alto desempenho hospedados por mineradores, conhecidos como contribuidores, recebem recompensas na forma de tokens $TAO.
- Validadores, que avaliam e utilizam a inteligência, também são recompensados com tokens $TAO.
Vale notar que o Bittensor não recompensa apenas o desempenho bruto, mas enfatiza a geração do “sinal” mais valioso. Isso significa que o sistema de recompensas prioriza a criação de informações que oferecem benefícios substanciais a um amplo público, contribuindo ultimately para o desenvolvimento de uma commodity mais valiosa.
Yuma Consensus
Como uma blockchain layer1 independente, o Bittensor é impulsionado pelo algoritmo de consenso Yuma. É um algoritmo de consenso descentralizado, peer-to-peer, que capacita a distribuição equitativa de recursos computacionais em uma rede de nós.
Yuma opera em um mecanismo de consenso híbrido que combina elementos de proof-of-work (PoW) e proof-of-stake (PoS). Nós dentro da rede realizam trabalho computacional para validar transações e criar novos blocos. Esse trabalho é então validado por outros nós, e os contribuidores bem-sucedidos são recompensados com tokens. É o componente PoS que incentiva os nós a manterem tokens, alinhando seus interesses com a estabilidade e o crescimento da rede.
Comparado a mecanismos de consenso convencionais, esse modelo híbrido oferece várias vantagens. Por um lado, ele evita o consumo excessivo de energia frequentemente associado ao Proof of Work (PoW), abordando preocupações ambientais. Por outro lado, ele contorna os riscos de centralização vistos no Proof of Stake (PoS), preservando a descentralização e a segurança da rede.

O mecanismo de consenso Yuma se destaca por sua capacidade de distribuir recursos computacionais em uma extensa rede de nós. Essa abordagem tem implicações de longo alcance, pois permite o manuseio de tarefas de IA mais complexas e o processamento de conjuntos de dados maiores com facilidade. À medida que a rede incorpora nós adicionais, ela escala naturalmente para acomodar cargas de trabalho cada vez mais substanciais.
Em contraste com as aplicações de IA centralizadas tradicionais que dependem de um único servidor ou cluster, as aplicações alimentadas por Yuma podem ser distribuídas em uma rede de nós. Essa distribuição otimiza os recursos computacionais, tornando possível lidar com tarefas intricadas enquanto mitiga os riscos associados a pontos únicos de falha e vulnerabilidades de segurança.
Destilação de Conhecimento – Uma Mente Colmeia Digital
A destilação de conhecimento é um conceito fundamental dentro do protocolo Bittensor, fomentando o aprendizado colaborativo entre os nós da rede para melhorar o desempenho e a precisão. Similar a como os neurônios no cérebro humano trabalham juntos, a destilação de conhecimento permite que os nós melhorem coletivamente dentro da rede.

Este processo envolve a troca de amostras de dados e parâmetros de modelo entre nós, levando a uma rede que se auto-otimiza ao longo do tempo para previsões mais precisas. Cada nó contribui para um pool compartilhado, melhorando em última análise o desempenho geral da rede, tornando-a mais rápida e mais adequada para aplicações de aprendizado em tempo real, como robótica e carros autônomos.
Crucialmente, esse método mitiga o risco de esquecimento catastrófico, um desafio comum no aprendizado de máquina. Os nós retêm e expandem seu conhecimento existente enquanto incorporam novas percepções, aprimorando a resiliência e a adaptabilidade da rede.

Ao distribuir conhecimento por múltiplos nós, a rede Bittensor TAO se torna mais resiliente contra interrupções e possíveis violações de dados também. Essa robustez é particularmente vital para aplicações que lidam com dados de alta segurança e sensíveis à privacidade, como informações financeiras e médicas (mais sobre privacidade depois).
Mistura de Especialistas (MoE)
Levando a inovação um passo adiante, a rede Bittensor introduz o conceito de uma Mistura de Especialistas (MoE) descentralizada. Essa abordagem aproveita o poder de múltiplas redes neurais, cada uma especializada em diferentes aspectos de dados. Quando novos dados são introduzidos, esses especialistas colaboram para produzir previsões coletivas mais precisas do que qualquer especialista individual poderia alcançar sozinho.

O mecanismo de consenso empregado combina aprendizado profundo com algoritmos de consenso de blockchain. Seu objetivo principal é distribuir stake como um incentivo a peers que contribuem com o maior valor informativo para a rede. Em essência, ele recompensa aqueles que aprimoram o conhecimento e as capacidades da rede.
Em seu cerne, o protocolo Bittensor consiste em funções parametrizadas, frequentemente referidas como neurônios. Esses neurônios são distribuídos de forma peer-to-peer, com cada um detendo zero ou mais pesos de rede registrados em um livro-razão digital. Os peers se engajam ativamente em ranquear uns aos outros, treinando redes neurais para determinar o valor de seus nós vizinhos. Esse processo de ranqueamento é pivotal na avaliação das contribuições de peers individuais para o desempenho geral da rede.

Pontuações geradas por meio deste processo de classificação se acumulam em um livro-razão digital. Pares de alto ranking recebem recompensas monetárias, ganhando peso adicional na rede. Isso estabelece uma conexão direta entre as contribuições de um par e suas recompensas, promovendo equidade e transparência dentro da rede.
Essa abordagem apresenta um marketplace onde a inteligência é precificada por outros sistemas de inteligência de forma peer-to-peer pela internet. Ela incentiva os pares a continuamente aprimorarem seu conhecimento e expertise.
Para garantir uma distribuição equitativa de recompensas, o Bittensor emprega valores de Shapley, um conceito emprestado da teoria dos jogos cooperativos. Os valores de Shapley oferecem uma maneira justa e eficiente de alocar recompensas entre os pares da rede com base em suas contribuições. Esse alinhamento de incentivos com contribuições motiva os nós a agir em prol dos melhores interesses da rede, aprimorando a segurança e a eficiência enquanto impulsiona a melhoria contínua.


A missão principal do Bittensor gira em torno de fomentar a inovação e a colaboração no espaço de AI por meio de uma estrutura descentralizada. Essa estrutura permite a expansão rápida e o compartilhamento de conhecimento, criando uma biblioteca de informações em constante crescimento e imparável. Nesse marketplace, os desenvolvedores são capacitados a monetizar seus modelos de AI e fornecer soluções valiosas para empresas e indivíduos.
A visão do Bittensor se estende a um futuro onde modelos de AI são facilmente acessíveis e implantáveis em uma ampla gama de indústrias. Essa acessibilidade impulsiona avanços e desbloqueia novas possibilidades, preenchendo a lacuna entre as capacidades de AI e aplicações do mundo real.
Semelhante a modelos de AI globais proeminentes como Chat GPT, os modelos Bittensor geram ‘representações’ baseadas em um conjunto de dados universal. Para avaliar o desempenho do modelo, Fisher’s information é utilizada, estimando o impacto de remover um nó da rede, semelhante à perda de um neurônio no cérebro humano.
Além do ranking de modelos, o Bittensor coloca uma forte ênfase no aprendizado interativo. Cada modelo se engaja ativamente com a rede, buscando interações com outros modelos, semelhante a uma consulta DNS. O Bittensor funciona como uma API que facilita a troca de dados entre esses modelos, promovendo aprendizado colaborativo e compartilhamento de conhecimento – utilizando tanto modelos de código aberto quanto de código fechado.

Utilizando o consenso Yuma para garantir que todos sigam as regras, o ecossistema atua como uma força motriz para desenvolvedores open-source e laboratórios de pesquisa em IA, oferecendo incentivos financeiros para aprimorar modelos fundacionais abertos.
Em essência, o Bittensor funciona como um repositório em constante expansão de inteligência de máquina. Isso é alcançado ao reunir 4 camadas diferentes:
- A camada de minerador é responsável por produzir trabalho valioso dentro da rede.
- A camada de validador garante que os mineradores sigam as regras estabelecidas de consenso.
- A camada empresarial se baseia na infraestrutura existente para desenvolver produtos e serviços inovadores. Ela serve como uma plataforma para alavancar a inteligência coletiva da rede para criar novas soluções.
- A camada do consumidor se beneficia do trabalho produzido pela camada empresarial. Ela representa os usuários finais ou organizações que utilizam os produtos e serviços alimentados pela rede Bittensor.

História
Bittensor foi fundada em 2019 por dois pesquisadores de AI, Jacob Steeves e Ala Shaabana (e um autor pseudônimo do whitepaper, Yuma Rao) que estavam procurando uma maneira de tornar a AI composta. Eles logo perceberam que o crypto poderia ser a solução — uma forma de incentivar e orquestrar uma rede global de nós ML para treinar e aprender juntos em problemas específicos. Recursos incrementais adicionados à rede aumentam a inteligência geral, compostando o trabalho feito por pesquisadores e modelos anteriores.
A jornada da Bittensor começou com o lançamento de ‘Kusanagi’ em janeiro de 2021, marcando a ativação da rede e permitindo que miners e validators começassem a ganhar as primeiras recompensas $TAO. No entanto, essa iteração inicial encontrou paradas temporárias devido a problemas de consenso. Em resposta, a Bittensor fez fork de ‘Kusanagi’ para ‘Nakamoto’ em novembro de 2021.
Em 20 de março de 2023, um marco significativo foi alcançado quando ‘Nakamoto’ foi novamente bifurcado, desta vez evoluindo para ‘Finney.’ O propósito dessa atualização foi aprimorar o desempenho do código do kernel.
Notavelmente, o Bittensor inicialmente visava se tornar uma parachain no Polkadot, garantindo um slot de parachain por meio de um leilão bem-sucedido em janeiro. No entanto, a decisão foi tomada de utilizar sua própria blockchain L1 independente construída sobre Substrate em vez de depender do Polkadot devido a preocupações relacionadas à velocidade de desenvolvimento do Polkadot.
Status Atual
O Bittensor está em mainnet há mais de um ano, e seu foco tem sido em pesquisa pioneira e em estabelecer as bases para seu potencial futuro. Aqui está uma visão geral do status atual e das razões pelas quais casos de uso empresariais ainda não foram construídos sobre seus validators:
- Modelo de Mistura Esparsa: O Bittensor opera como um modelo de mistura esparsa. Ele atrai modelos de AI específicos para essa mistura, cada um abordando papéis de nicho na resolução de problemas maiores definidos pelos validadores. Configurar e ajustar esse modelo para alcançar o estado da arte e além é um processo complexo e iterativo. Esta fase do roadmap é atualmente liderada pela Opentensor Foundation.
- Compressão de Inteligência (Destilação): A compressão de inteligência é um foco central de pesquisa para o Bittensor. Isso envolve técnicas de destilação para aprimorar a eficiência e as capacidades da rede.
- Otimizando para um Grande Objetivo: O foco principal do Bittensor tem sido otimizar para um grande objetivo em vez de casos de uso de negócios de curto prazo. A Opentensor está comprometida em criar uma rede que vai além de ser uma simples plataforma peer-to-peer com um sistema de precificação para modelos.
- Progresso e Atualizações: No último ano, a Opentensor fez progressos significativos, incluindo a atualização Synapse, que abriu o Bittensor para solicitações externas. Em outubro de 2023, a atualização Revolution permitiu a expansão por meio de sub-redes. Isso capacita grandes validadores a definir problemas de forma independente, criando oportunidades de fluxo de caixa a partir de sua participação.
- Rumo à Expansão no Mundo Real: A rede Finney marca um ponto de virada para o Bittensor, permitindo que os validadores atuem de forma mais independente e reduzindo a centralização inicial. À medida que a participação na rede cresce e as recompensas de bloco aumentam, isso impulsiona o crescimento da AI.
- Casos de Uso de Negócios de AI no Horizonte: O Bittensor prevê a expansão de casos de uso de negócios de AI no mundo real à medida que as partes interessadas, incluindo humanos e AIs, seguem seus incentivos. A implementação de multi e meta-modalidade está no horizonte, fundindo sub-redes em um formato unificado de ‘inteligência’.
Com a mais recente atualização Revolution, o Bittensor abriu a possibilidade para qualquer pessoa criar uma sub-rede que se especializa em um tipo específico de aplicação. Por exemplo, Subnet 4 usa JEPA (Joint Embedding Predicted Architecture), que é uma abordagem de IA pioneira por Yann LeCun da Metapara lidar com uma variedade de tipos de entrada e saída, como vídeo, imagens e áudio em um único modelo.
Outra conquista notável é Cerebras, BTLM-3B-8K (Bittensor Language Model, um modelo de 3B parâmetros que torna possível executar modelos altamente precisos e de alto desempenho em dispositivos móveis, tornando a AI significativamente mais acessível. BTLM-3B-8K está disponível no Hugging Face com uma licença Apache 2.0 para uso comercial.
Modelos GPT grandes tipicamente têm mais de 100B parâmetros, exigindo múltiplas GPUs de alto desempenho para realizar inferência. No entanto, o lançamento do LLaMA da Meta deu ao mundo modelos de alto desempenho com apenas 7B parâmetros, tornando possível executar LLMs em PCs de alto desempenho.

Mas mesmo um modelo de 7B parâmetros quantizado para precisão de 4 bits não cabe em muitos dispositivos populares, como o iPhone 13 (4GB de RAM). Enquanto um modelo de 3B caberia confortavelmente em quase todos os dispositivos móveis, modelos anteriores de tamanho 3B tiveram um desempenho substancialmente inferior em comparação com seus equivalentes de 7B.
O BTLM atinge um equilíbrio entre o tamanho do modelo e o desempenho. Com 3 bilhões de parâmetros, ele oferece um nível de precisão e capacidade que supera significativamente os modelos anteriores de tamanho 3B.

Ao examinar benchmarks individuais, o BTLM obtém a pontuação mais alta em todas as categorias, com exceção do TruthfulQA.

Não apenas o BTLM-3B supera todos os modelos de 3B, como também tem desempenho equivalente a muitos modelos de 7B.

Revolução – Atualização de Sub-rede Bittensor
A Atualização de Revolução do Bittensor, lançada em 2 de outubro, representa um marco significativo no desenvolvimento do Bittensor, introduzindo mudanças substanciais em sua estrutura operacional. Central para essa atualização é a introdução de “subnets”, um conceito inovador que concede aos desenvolvedores autonomia sem precedentes para moldar seus mecanismos de incentivo e estabelecer mercados dentro do ecossistema Bittensor.
Uma característica chave dessa atualização é a introdução de uma linguagem de programação especializada projetada especificamente para criar sistemas de incentivos. Essa inovação capacita os desenvolvedores a criar e implementar seus mecanismos de incentivos na rede Bittensor, utilizando seu extenso pool de inteligência para adaptar mercados às suas necessidades e preferências específicas.
Essa atualização também representa uma notável partida de um modelo centralizado, onde uma única fundação controla todos os aspectos da rede, em direção a um framework mais descentralizado. Vários indivíduos ou grupos agora têm a oportunidade de possuir e gerenciar sub-redes.
Com a introdução de “subnets,” qualquer pessoa agora pode criar suas próprias subnetworks e definir seus mecanismos de incentivo, fomentando uma gama mais ampla de serviços dentro do ecossistema Bittensor. Essa mudança promove diversidade e descentralização dentro da rede, alinhando-se com os princípios de abertura e colaboração que sustentam a missão do Bittensor.

Além disso, sub-redes competirão por emissões ao obter consenso de delegados na nova “route network”, introduzindo um elemento competitivo que pode impulsionar a inovação e a alocação de recursos.
A chegada de sub-redes criadas por usuários pode remeter à explosão de aplicações no Ethereum uma vez que ele abriu suas portas para a comunidade global de desenvolvedores. Essa atualização também ressalta o potencial de fundir várias ferramentas e serviços em uma rede coesa. Em essência, todos os elementos necessários para forjar inteligência agora estão abrigados sob um mesmo teto, regulados por um único token ($TAO).
A Rede Route
A rede route atua como um componente pivotal dentro do ecossistema Bittensor. Ela funciona como uma meta-sub-rede com o papel crucial de distribuir emissões através de outras sub-redes, tudo baseado em consenso ponderado de delegados chave. Essa mudança é transformadora em natureza, pois altera fundamentalmente o Bittensor de um sistema controlado único para uma dinâmica “rede de redes”.

Crucialmente, os cronogramas de emissão não estão mais exclusivamente sob o controle da Opentensor foundation. Delegados dentro da rede ‘root’ agora detêm autoridade sobre a distribuição de incentivos. Essa mudança descentraliza o controle dos incentivos, removendo a dependência exclusiva de qualquer entidade única e colocando-o nas mãos da rede ‘root’.

Sub-redes
Sub-redes dentro da rede Bittensor são mecanismos de incentivo autônomos que fornecem uma estrutura para que os mineradores interajam com a plataforma. Essas sub-redes desempenham um papel fundamental na definição dos protocolos que regem as interações entre mineradores e validadores.
Além disso, os detalhes específicos dos mecanismos de incentivo não são mais codificados de forma fixa no código-fonte do Bittensor. Em vez disso, esses detalhes são definidos nos repositórios das sub-redes, permitindo maior flexibilidade e adaptabilidade.

O Bittensor introduz sub-redes específicas, como a sub-rede de prompting e a sub-rede de séries temporais. A sub-rede de prompting permite a execução de várias redes neurais de prompt, incluindo GPT-3, GPT-4, ChatGPT e outras, para inferência descentralizada. Essa funcionalidade permite que os usuários interajam com Validadores na rede e obtenham saídas dos modelos de melhor desempenho, capacitando suas aplicações com capacidades avançadas de IA.
As sub-redes operam distribuindo tokens $TAO para mineradores e validadores com base no valor que eles contribuem para a rede. As regras e protocolos precisos para as respostas dos mineradores às consultas dos validadores e o processo de avaliação realizado pelos validadores são determinados pelo código dentro de cada repositório de sub-rede.
- No lançamento, nove slots de sub-rede estarão disponíveis, cada um acomodando 256 UIDs por padrão (exceto para a Subnet 1, que acomoda 1024). As sub-redes competirão ativamente por emissões buscando pesos de consenso de delegados dentro da rede ‘root’.
- Para registrar uma sub-rede, indivíduos ou entidades devem bloquear uma quantidade específica de $TAO pela duração da existência da sub-rede. Proprietários de sub-redes assumem o papel de administradores completos da rede e têm direito a emissões distribuídas por meio de suas respectivas sub-redes. Eles possuem permissões completas, incluindo a capacidade de chamar ações sudo em toda a rede, como definir hiperparâmetros como taxas mínimas de rede.

- Cada subnet está associada a um UID de rede único, e a propriedade de uma subnet é transferida para a carteira que bloqueou a quantidade necessária de $TAO para seu registro. Quando uma subnet é criada, a quantidade correspondente de $TAO é deduzida da carteira do criador e anexada à subnet. No caso de uma subnet ser desregistrada, o $TAO bloqueado é retornado ao proprietário.
- Um aspecto notável é que 18% das emissões retornadas em $TAO stakeado dentro de uma subnet são concedidas ao proprietário da subnet. Isso incentiva os criadores de subnets a elaborar mecanismos que atraiam delegados na rede de roteamento, pois melhora suas chances de evitar o desregistro.
- Sub-redes recém-registradas recebem um período de imunidade de uma semana durante o qual não podem ser desregistradas. O custo inicial de bloqueio é definido em 2500 $TAO, dobrando quando uma nova sub-rede se registra. Com o tempo, o custo de bloqueio diminui gradualmente, seguindo um padrão linear semelhante a um mecanismo de leilão holandês. Essa abordagem visa encontrar o equilíbrio na demanda por slots de sub-rede ajustando o custo de bloqueio ao longo do tempo.

- Quando uma sub-rede é desregistrada, o $TAO bloqueado para seu registro é devolvido ao proprietário, todos os mineradores dentro da sub-rede são removidos e o estado da rede é redefinido.
A Rede Root
A Root Network atua como uma “meta subnet” que opera acima e influencia outras subnets, desempenhando um papel fundamental na determinação de pontuações de emissão em todo o sistema.
Sua função principal é empregar um mecanismo de consenso ponderado envolvendo delegados para produzir um vetor de emissão para cada subnet. Delegados dentro da rede ‘root’ atribuem pesos a diferentes subnets com base em suas preferências, e um mecanismo de consenso determina em última instância a alocação de emissões.
Um aspecto notável é que a rede ‘root’ consolida efetivamente os papéis tanto do Senado quanto dos mecanismos de delegação, reunindo essas funções em uma única entidade. Essa consolidação agiliza os processos de tomada de decisão dentro do ecossistema Bittensor.
A rede ‘root’ possui a autoridade para moldar o ecossistema influenciando a alocação de emissões. Se ela considerar uma sub-rede ou um aspecto particular do sistema não valioso, ela tem a capacidade de reduzir ou eliminar as emissões para esse componente.
Sub-redes dentro da rede Bittensor devem se esforçar ativamente para atrair a maioria dos pesos de delegados dentro da rede ‘root’ para garantir uma participação significativa nas emissões. Esse aspecto competitivo ressalta a importância das sub-redes em demonstrar seu valor e utilidade para o ecossistema mais amplo.
Além disso, ele capacita as 12 principais chaves dentro da rede com o potencial de vetar propostas submetidas pelo triumvirato, adicionando uma camada adicional de governança e freios e contrapesos ao sistema.
Perspectiva do Setor
No campo da tecnologia, o poder tem sido concentrado nas mãos de poucos gigantes da tech há muito tempo. Esses gigantes mantêm o controle sobre commodities digitais valiosas que são essenciais para impulsionar a inovação. O Bittensor, no entanto, reconhece e desafia esse paradigma predominante ao introduzir um sistema mais democrático e acessível por meio de seu marketplace.
O insight fundamental do Bittensor reside na compreensão de que a inteligência é o resultado de várias commodities digitais, como poder computacional e dados. Historicamente, essas commodities foram controladas de forma rígida e restritas ao domínio dos gigantes da tecnologia. O Bittensor busca romper essas correntes ao introduzir sub-redes criadas por usuários. Esses mercados operarão sob um sistema de token unificado, garantindo que desenvolvedores em todo o mundo tenham acesso igual a recursos que anteriormente eram o domínio exclusivo de um seleto grupo dentro do ecossistema fechado da Big Tech.
Adoção Potencial
Na era digital de hoje, o poder transformador da Inteligência Artificial (AI) é inegável. A AI se tornou uma parte integral de nossas vidas, simplificando pesquisas, automatizando fluxos de trabalho, auxiliando na codificação e gerando conteúdo a partir de texto. O rápido crescimento das capacidades da AI é evidente, mas esse crescimento vem com desafios relacionados à escalabilidade e, mais importante, à confiabilidade.
Incidentes recentes, como a interrupção temporária do ChatGPT durante discussões sobre regulamentações de AI em Washington, destacaram a necessidade crítica de soluções robustas para abordar os desafios de escalabilidade da AI. Essas interrupções deixaram os usuários preocupados com a estabilidade e confiabilidade da AI à medida que ela se integra cada vez mais em nossas vidas diárias. É em momentos como esses que a importância do $TAO da Bittensor se torna aparente.
A abordagem da Bittensor não apenas defende a AI de código aberto, mas também demonstra que ela pode ser uma busca financeiramente recompensadora. Ela reflete a evolução competitiva vista na mineração de Bitcoin e abre caminho para um mercado próspero onde os melhores modelos de AI emergem na vanguarda. Essa mudança capacita pesquisadores de AI a contribuir com sua expertise em um ambiente aberto e dinâmico, beneficiando em última análise a sociedade como um todo.
$TAO oferece uma infraestrutura de AI descentralizada que pode mitigar problemas potenciais como o experimentado pelo ChatGPT. Ao descentralizar a AI, o Bittensor garante a resiliência e a confiabilidade dos sistemas de AI, mesmo à medida que sua demanda continua a crescer. Essa abordagem estabelece uma base confiável para o futuro dos serviços de AI.
Em resumo, o Bittensor surge como um mercado global para inteligência artificial de código aberto, apresentando uma solução convincente para os desafios impostos pelo desenvolvimento de AI de código fechado.
- Força Gravitacional para Excelência em IA: O Bittensor opera como uma força gravitacional que atrai os melhores modelos de IA de pesquisadores do mundo todo. Ao fomentar um mercado livre para IA, a rede incentiva a submissão de modelos de ponta. À medida que amadurece, o Bittensor promete preços mais baixos, elimina o risco de plataforma e oferece as melhores saídas de IA, seja em texto, imagens, vídeo ou outros formatos.
- Código Aberto Rentável: Bittensor transforma a IA de código aberto em um empreendimento rentável. Seguindo o exemplo estabelecido pelo Bitcoin, o Bittensor é estruturado com a suposição de que os stakeholders são movidos por lucro. Neste ecossistema, os melhores modelos de IA ganham mais dinheiro. Isso é paralelo à evolução da mineração de Bitcoin, transitando para uma indústria competitiva e profissionalizada. Pesquisadores de PhD agora têm a oportunidade de trazer sua pesquisa para este mercado aberto, preenchendo a lacuna entre a academia e a indústria privada.
- Escala Impressionante: Os incentivos do Bittensor produziram resultados notáveis. A rede atende mais de 4.000 modelos de IA, compreendendo impressionantes 10 trilhões de parâmetros de modelo. Para colocar isso em perspectiva, o GPT-3 tem 175 bilhões de parâmetros.
- Stakeholders Diversos: O ecossistema do Bittensor envolve uma gama de stakeholders, incluindo mineradores, validadores, nomeados e consumidores. Essa participação diversificada garante a robustez da rede e o crescimento contínuo.
Uma consideração significativa é o estado atual da AI, grande parte da qual permanece trancada atrás de portas fechadas e sob o controle de alguns gigantes da tecnologia. Isso levanta a questão: e se a AI pudesse ser aberta e aprender de outros modelos de AI em um ambiente colaborativo? O $TAO do Bittensor busca fornecer uma solução para essa questão.
- Adoção por crescimento: Enquanto algumas grandes empresas de AI podem hesitar em tornar suas tecnologias de AI proprietárias públicas, $TAO oferece uma proposta intrigante. Ela introduz a possibilidade de monetização adicional por meio de microtransações. Imagine soluções de AI estabelecidas como OpenAI aceitando micropagamentos toda vez que alguém usa seus modelos de treinamento dentro do ecossistema Bittensor para construir seus produtos e negócios. Isso poderia abrir um novo fluxo de receita para essas empresas, incentivando-as a participar de uma rede de AI aberta.
- Adoção por demanda: Alternativamente, assuma que as soluções atuais de IA permaneçam fechadas e resistentes a redes abertas. Mesmo com capital substancial à disposição, há uma chance de que o open-source possa superar essas soluções fortemente financiadas. Embora os recursos financeiros sejam cruciais para o crescimento tecnológico, o potencial de uma tecnologia que pode aprender de forma autônoma e de seu ambiente não deve ser subestimado.

O Dilema do Código Aberto
O debate sobre se os modelos de AI devem ser de código aberto ganhou destaque à medida que as preocupações com o problema de alinhamento na AI continuam a crescer. A questão fundamental é se o código real por trás dos modelos de AI deve ser livremente acessível a todos. Curiosamente, mesmo se grandes players como a OpenAI abrissem o código de seus modelos, isso não necessariamente representaria uma ameaça ao Bittensor. Em um ambiente de código aberto, qualquer pessoa poderia utilizar esses modelos na rede Bittensor.
Na comunidade de tecnologia, há uma divergência de opiniões sobre este assunto. Alguns argumentam que abrir o código-fonte da tecnologia de AI poderia capacitar atores maliciosos a explorar AI para fins prejudiciais. Por outro lado, outros afirmam que conceder direitos exclusivos às tecnologias de AI para grandes corporações representa um perigo mais significativo. Por exemplo, concentrar o poder de AI nas mãos de poucas corporações de trilhões de dólares, como visto no foco da OpenAI em levantar fundos substanciais, poderia levar a preocupações éticas, destacando o risco de corrupção de poder.
A decisão da Meta de abrir o código-fonte do seu Llama2 LLM indica uma mudança na indústria em direção a abraçar práticas de código aberto. Essa jogada fornece uma oportunidade para o Bittensor aprender e potencialmente integrar os avanços da Meta em sua rede, fechando a lacuna de desempenho mais rapidamente.
É essencial examinar a avaliação de ambos $TAO e OpenAI. Atualmente, OpenAI ocupa uma posição dominante na indústria, com uma avaliação variando entre $80B e $90B. No entanto, opera dentro de um ecossistema fechado altamente dependente da Microsoft e de seus serviços de nuvem com permissão. Apesar disso, OpenAI conseguiu atrair os melhores talentos de todo o mundo. Por outro lado, à medida que o tempo avança e as iniciativas de código aberto se tornam mais prevalentes, o pool de talentos disponíveis está pronto para se expandir exponencialmente, alcançando todos os cantos da internet. Essa democratização da expertise em AI poderia desempenhar um papel crucial na formação da adoção do Bittensor.
Cenário Competitivo – IA Centralizada
A adoção por desenvolvedores continua sendo um fator pivotal na jornada do Bittensor. Atualmente, os desenvolvedores podem se envolver com a rede por meio da API Python desenvolvida pela OpenTensor Foundation, enfatizando a importância de fomentar uma comunidade robusta de desenvolvedores para impulsionar a adoção. Hoje em dia, o Bittensor está trabalhando ativamente na descentralização de aspectos críticos da rede, como a criação e o treinamento de modelos, recompensando os modelos mais afinados enquanto fomenta a tomada de decisões impulsionada pela comunidade.
Interessantemente, players estabelecidos no domínio de AI, incluindo OpenAI e Google, agora se tornaram concorrentes de $TAO. Eles estão profundamente envolvidos na etapa de geração de modelos de AI e até se aventuraram em potenciais integrações verticais em várias indústrias. Nesse contexto, um dos principais desafios que $TAO enfrenta é o problema da divisão de dados.
Diferentemente de gigantes da tecnologia como Facebook, Apple, Amazon, Netflix e Google (FAANG), que têm acesso a vastos repositórios de dados significativos, comunidades de crowd-sourcing podem carecer do mesmo nível de recursos e acesso a dados. Organizações FAANG estão equipadas com os meios financeiros para impulsionar seus empreendimentos de AI com hardware robusto como a tecnologia de ponta da Nvidia, incluindo H100s e GH200s, que podem acelerar significativamente o treinamento de modelos de AI.
Ao mesmo tempo, é essencial notar que todas as soluções de AI mainstream hoje são caracterizadas por serem fechadas e centralizadas. Isso inclui empresas proeminentes como OpenAI, Google, Midjourney e outras, cada uma oferecendo soluções de AI disruptivas. No entanto, a lacuna entre modelos fechados e open-source está se estreitando rapidamente. Modelos open-source estão ganhando terreno em termos de velocidade, personalização, privacidade e capacidade geral. Eles alcançam recursos impressionantes com orçamentos e tamanhos de parâmetros relativamente modestos em comparação com seus equivalentes fechados. Além disso, esses modelos open-source operam em uma linha do tempo acelerada, entregando resultados em semanas em vez de meses.
Google, um gigante da tecnologia por si só, reconheceu essa tendência transformadora. Um documento interno vazado da empresa afirma: “Não temos nenhuma vantagem competitiva, e a OpenAI também não.” Esse reconhecimento destaca a crescente influência da IA de código aberto no cenário competitivo.


Neste ecossistema de IA em evolução, $TAO surge como um catalisador de mudança, desafiando o modelo tradicional de desenvolvimento e treinamento de IA. Sua abordagem descentralizada e ethos impulsionado pela comunidade o posicionam como um concorrente na arena dinâmica onde gigantes da tecnologia outrora reinavam supremos.
Diferentemente das plataformas centralizadas que restringem o acesso a um único modelo de AI, a arquitetura do Bittensor fornece acesso sem permissão à inteligência. Ela serve como uma loja de tudo para desenvolvedores de AI, oferecendo todos os recursos computacionais necessários enquanto abraça contribuições externas. Esse modelo inclusivo interconecta redes neurais pela internet, criando um sistema global, distribuído e impulsionado por incentivos de aprendizado de máquina.
Realizar o potencial total da AI exige uma partida das práticas de desenvolvimento de código fechado e suas limitações associadas. Assim como as crianças ampliam seu entendimento através de interações sociais, a AI floresce em ambientes dinâmicos. Exposição a conjuntos de dados diversos, insights de pesquisadores inovadores e interações com vários modelos nutrem a criação de sistemas de AI mais robustos e inteligentes. A trajetória da AI não deve ser ditada por uma única entidade.
Nesse futuro de contraste tão marcante, a escolha entre um mundo dominado por algoritmos de caixa-preta e autoridade centralizada e uma paisagem de AI aberta e democratizada torna-se crucial para a sociedade.
No primeiro cenário, onde mega-corporações como OpenAI ou Anthropic detêm as rédeas das soluções de AI, corremos o risco de viver sob um regime de vigilância constante. Essas corporações possuiriam imenso poder sobre nossos dados pessoais e interações diárias, com a autoridade para desligar serviços e denunciar indivíduos por visões dissidentes ou discussões.
Elon Musk diz que a A.I. é ‘um dos maiores riscos’ para a civilização e precisa ser reguladaEle co-fundou a OpenAI— Genevieve Roch-Decter, CFA (@GRDecter) 15 de fevereiro de 2023
Elon Musk diz que a A.I. é ‘um dos maiores riscos’ para a civilização e precisa ser regulada
Ele co-fundou a OpenAI
— Genevieve Roch-Decter, CFA (@GRDecter) 15 de fevereiro de 2023
No entanto, a alternativa mais otimista oferece um mundo onde a AI está enraizada em plataformas de código aberto, construídas em redes de propriedade universal. Aqui, o poder e o controle são descentralizados, e a AI serve como uma ferramenta de empoderamento em vez de vigilância. Nesse cenário, a criatividade e o desenvolvimento podem prosperar sem o medo de viés corporativo ou censura.
Assim como a internet democratizou o acesso à informação, um ecossistema de AI aberto democratizaria o acesso à inteligência. Isso garante que a inteligência não seja monopolizada por um seleto grupo, promovendo um campo de jogo nivelado onde qualquer um pode contribuir, aprender e se beneficiar.
Tokenomics do $TAO
- Semelhante ao bitcoin, o suprimento máximo total de tokens $TAO é limitado a 21.000.000, que será emitido após 256 anos.
- O halving do $TAO ocorrerá a cada 10,5 milhões de blocos, com um conjunto de 64 eventos de halving que ocorrerão ao longo dos próximos 45+ anos.

- A rede opera com um tempo de bloco de aproximadamente 12 segundos, com 1 $TAO recompensado aos mineradores e validadores por bloco.
- Atualmente, isso equivale a 7.200 novos tokens $TAO sendo emitidos a cada dia, distribuídos uniformemente entre mineradores e validadores.

Outra similaridade com o Bitcoin é que o cronograma de emissão do $TAO também segue o conceito de halving, que ocorre aproximadamente a cada 4 anos. No entanto, isso é determinado pela emissão total de tokens em vez do número de blocos. Por exemplo, uma vez que metade do suprimento total tenha sido emitido, a taxa de emissão é reduzida pela metade.
Importante, os tokens $TAO usados para reciclar registros são queimados de volta para o suprimento não emitido, levando a um alongamento gradual dos intervalos de halving. Esse mecanismo garante que o cronograma de emissão se ajuste dinamicamente ao longo do tempo, refletindo as necessidades da rede e as dinâmicas econômicas.
A Economia do Token $TAO
A economia de tokens $TAO da Bittensor é caracterizada por sua simplicidade, compromisso com a descentralização e distribuição justa. Diferentemente de muitos outros projetos de blockchain, os tokens $TAO não foram alocados para nenhuma parte por meio de ICOs, IDOs, vendas privadas para VCs ou alocações privilegiadas para a equipe, fundação ou consultores. Em vez disso, todo token em circulação deve ser ganho por meio de participação ativa na rede.
Também há alocadores de capital envolvidos na rede, participando como mineradores ou validadores, além de fornecer serviços de market making, como DCG, GSR ou Polychain. O que é relevante é que nenhum deles recebeu uma alocação de tokens originada de uma pré-venda ou venda privada.

O token $TAO pode ser usado para governança, para staking e participação no mecanismo de consenso, e como meio de pagamento dentro da rede Bittensor.
Dessa forma, validadores e mineradores fazem stake de seus tokens como colateral para proteger a rede e ganham recompensas por meio de emissões inflacionárias, enquanto usuários e empresas podem usar $TAO para acessar serviços e aplicações de IA construídos na rede.

Novos tokens $TAO só podem ser produzidos por meio de mineração e validação. A rede recompensa tanto mineradores quanto validadores, e cada bloco concede 1 recompensa $TAO, compartilhada igualmente entre mineradores e validadores. Portanto, as únicas maneiras de adquirir $TAO são comprando tokens no mercado aberto ou participando de atividades de mineração e validação.

O modelo direto de distribuição de tokens do $TAO reflete os princípios de descentralização, reminiscente do ethos do Bitcoin estabelecido por Satoshi Nakamoto. A cunhagem genesis do $TAO se alinha com o cronograma de emissões do Bitcoin ($BTC), proporcionando uma oportunidade igual para qualquer pessoa que contribua valor para a rede. Essa abordagem ressalta a importância de prevenir a concentração de poder e propriedade, particularmente no âmbito da AI, que tem implicações sociais significativas e não deve ser controlada por um seleto grupo.
Este modelo de distribuição garante que a mineração permaneça um processo competitivo. À medida que mais mineradores se juntam à rede, a competição aumenta, tornando desafiador manter a rentabilidade. Isso, por sua vez, motiva os mineradores a encontrar maneiras de reduzir seus custos operacionais, promovendo eficiência e inovação dentro da rede.

A Captura de Valor do $TAO
$TAO, o token nativo da rede Bittensor, deriva seu valor intrínseco de seu papel único no ecossistema. Diferente do modelo padrão L1 onde os tokens da rede derivam seu valor da venda de espaço em bloco, o valor do $TAO está ligado aos serviços de AI que ele habilita. À medida que esses serviços de AI se tornam mais impactantes e úteis, a demanda por $TAO aumenta.
Manter $TAO concede acesso a uma ampla gama de recursos digitais interconectados, incluindo dados, largura de banda e inteligência gerada e verificada por participantes da rede. Como refletido pelo cronograma de emissões, o valor do $TAO não se baseia apenas em especulação ou escassez, mas está profundamente enraizado nas contribuições tangíveis e na utilidade que ele fornece dentro da rede Bittensor.
No entanto, manter esse ciclo de criação e recompensa não é garantido. Mineradores e validadores, ao contribuírem com inteligência valiosa para a rede e ganharem tokens $TAO em troca, também têm um incentivo para vender para cobrir despesas, semelhante aos mineradores de Bitcoin.
Como o Valor Está no Preço do Token?
Como qualquer outro token, o preço de $TAO é determinado pelos princípios econômicos fundamentais de oferta e demanda. O aumento da demanda por $TAO resulta em apreciação de preço, enquanto a diminuição da demanda leva à depreciação de preço. Portanto, a ideia é que a demanda proveniente da atividade do ecossistema compensará os desbloqueios de oferta.
Você só pode obter $TAO contribuindo para a rede. Para isso, você precisa comprar e manter ou gastar para começar a usar a rede.
- Fatores de Demanda:Atividade do Ecossistema:Validadores exigem tokens $TAO para registro.Usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência. Uso como pagamento dentro da rede.Demanda por staking e delegação de $TAO para ganhar recompensas de staking. Isso pode ajudar a proteger contra emissões inflacionárias.Prêmio especulativo como uma forma de apostar no potencial de alta da fusão de duas tecnologias disruptivas como blockchain e AI.Efeitos de rede que resultam de mais desenvolvedores entrando na rede e aproveitando o potencial de modelos open-source
- Atividade do ecossistema:Validadores requerem tokens $TAO para registro.Usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência. Uso como pagamento dentro da rede.
- Validadores requerem tokens $TAO para registro.
- Os usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência.
- Usar como pagamento dentro da rede.
- Demanda por staking e delegação de $TAO para ganhar recompensas de staking. Isso pode ajudar a proteger contra emissões inflacionárias.
- Prêmio especulativo como uma forma de apostar no potencial de alta da fusão de duas tecnologias disruptivas como blockchain e AI.
- Efeitos de rede que resultam de mais desenvolvedores entrando na rede e aproveitando o potencial de modelos open-source
- Atividade do ecossistema:Validadores requerem tokens $TAO para registro.Usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência. Uso como pagamento dentro da rede.
- Impulsionadores de Oferta:Emissão de Tokens a partir de emissões inflacionárias para atingir o suprimento total de 21.000.000Mineradores e validadores podem vender tokens $TAO para cobrir suas despesas operacionais. Esse aspecto é semelhante aos mineradores de Bitcoin vendendo para cobrir custos.
- Emissão de Tokens a partir de emissões inflacionárias para atingir o suprimento total de 21.000.000
- Mineradores e validadores podem vender tokens $TAO para cobrir suas despesas operacionais. Este aspecto é semelhante aos mineradores de Bitcoin vendendo para cobrir custos.
- Atividade do ecossistema:Validadores requerem tokens $TAO para registro.Usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência. Uso como pagamento dentro da rede.
- Validadores requerem tokens $TAO para registro.
- Os usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência.
- Usar como pagamento dentro da rede.
- Demanda por staking e delegação de $TAO para ganhar recompensas de staking. Isso pode ajudar a proteger contra emissões inflacionárias.
- Prêmio especulativo como uma forma de apostar no potencial de alta da fusão de duas tecnologias disruptivas como blockchain e AI.
- Efeitos de rede que resultam de mais desenvolvedores entrando na rede e aproveitando o potencial de modelos open-source
- Validadores exigem tokens $TAO para o registro.
- Os usuários podem comprar $TAO para participar de processos de votação relacionados ao alinhamento de inteligência.
- Usar como pagamento dentro da rede.
- Emissão de tokens de emissões inflacionárias para alcançar o suprimento total de 21.000.000
- Mineradores e validadores podem vender tokens $TAO para cobrir suas despesas operacionais. Esse aspecto é semelhante aos mineradores de Bitcoin vendendo para cobrir custos.
À medida que a rede se expande e mais modelos de AI e sub-redes são adicionados, o potencial para captura de valor aumenta. O crescimento da rede também é impulsionado pela sinergia entre AI e blockchain, criando um ciclo de reforço próprio.
Dessa forma, o Bittensor incorpora os princípios da Lei de Metcalfe, onde o valor de uma rede é proporcional ao quadrado do número de usuários ou nós conectados. À medida que mais participantes se juntam à rede, o valor que ela oferece aumenta exponencialmente.
Como Capturar Esse Valor
No Bittensor, os validadores são incentivados a atrair stake de detentores de tokens, e esse stake é fundamental para sua operação dentro da rede. Como detentor de tokens, você pode escolher uma variedade de validadores diferentes para stake seu $TAO. A opção mais comum é a própria OpenTensor Foundation, com cerca de 20% da propriedade da rede.
Atualmente, validadores distribuem 82% de suas recompensas para delegados na forma de tokens $TAO. Como consequência, delegando $TAO tokens para um validador apresenta uma oportunidade para os detentores de tokens ganharem recompensas de staking. Isso pode ajudar a proteger os usuários contra a potencial diluição de emissões inflacionárias.
- As recompensas de validadores estão atualmente em 22,45%
- As recompensas de Staking estão atualmente em 18.41%
Risco/Recompensa e Horizonte de Tempo
Ao avaliar o risco/recompensa de alocar parte da carteira para $TAO, é importante estar ciente do que você está realmente comprando. A compra, por exemplo, não dá ao detentor direito a qualquer tipo de rendimento pago em USD gerado pela atividade econômica da rede. Em vez disso, você é recompensado com emissões de tokens. Como detentor de tokens, você poderia então delegar essas emissões para ganhar um APY e aumentar suas participações em $TAO.
As analogias com Bitcoin são claras, mas há uma história implícita por trás do $BTC que o torna único. Ninguém pode fornecer uma resposta satisfatória sobre qual é o valor do $BTC ou por que ele tem algum tipo de valor, daí por que a comunidade acaba incorporando uma guerra tribalista entre os no-coiners, os “shitcoiner” e os maxis.
Na verdade, a economia real de tokens do Bitcoin é simples de entender: $BTC é usado para incentivar mineradores a operar e executar a rede. Como consequência, os detentores existentes são diluídos (embora eles possam se tornar mineradores – ou delegados no caso do Bittensor). Portanto, aqueles que detêm o token não são recompensados e não recebem nenhum incentivo da rede subjacente.
Mas no caso do $BTC, no entanto, há um fator importante a considerar, e esse é a escassez. O fato de que haverá apenas $21M torna isso único. E embora a economia de tokens do $TAO tenha sido modelada após o próprio Bitcoin, ainda há mais de 70% de tokens não emitidos. Isso apresenta um dilema para os investidores sobre o que eles valorizam mais: a descentralização da rede, ou a escassez do ativo.

No final, a utilidade do $TAO deriva do acesso que ele fornece a modelos de AI, seu uso para governança, acesso a recompensas de staking e como um mecanismo de incentivo.
Despesas Operacionais
Os desenvolvimentos atuais de infraestrutura são pagos pela Opentensor Foundation por meio de financiamento de delegação a eles, bem como por recompensas de delegação. Outros desenvolvimentos são realizados por terceiros que operam seus próprios validadores e são financiados por meio de delegação também.
Assim como qualquer iniciativa global requer financiamento para pesquisa, desenvolvimento e implantação, o sucesso da AI depende de como o capital é coordenado e de como os stakeholders são recompensados por suas contribuições. É essa alocação estratégica de recursos (pesquisa, GPUs para treinamento…) que impulsiona o crescimento e o impacto da AI.
No reino da AI, especialmente no caso de grandes modelos de linguagem como ChatGPT, os custos operacionais são substanciais. OpenAI, por exemplo, é estimado gastar aproximadamente $700,000 por dia para operar ChatGPT, o que destaca o considerável ônus financeiro associado a modelos de AI em grande escala. Os custos de treinamento podem variar de milhões a dezenas de milhões de dólares para cada modelo, tornando-o um empreendimento ainda mais intensivo em recursos. O custo de treinar um modelo em um grande conjunto de dados pode ser ainda maior, alcançando até $30 milhões.
Embora a empresa tenha captado um financiamento substancial, incluindo um investimento recente da Microsoft (aproximadamente metade na forma de créditos Azure), os custos crescentes de treinamento de grandes modelos de linguagem são uma preocupação. Cada execução de treinamento custa milhões, e a necessidade de começar do zero para novos modelos agrava esse problema.

Aqui é onde a abordagem do Bittensor de “Knowledge Compounding” se torna relevante. A abordagem única do Bittensor foca em descentralização e colaboração através de “Knowledge Compounding”. Essa filosofia permite que sistemas de AI construam sobre o conhecimento existente de maneira descentralizada, oferecendo vantagens como:
- Eficiência de Custo: Ao aproveitar o conhecimento existente e continuamente melhorá-lo, a abordagem do Bittensor pode potencialmente reduzir a necessidade de treinamentos caros do zero.
- Adaptabilidade: Aplicações de IA em grande escala frequentemente enfrentam necessidades e desafios em evolução. É aqui que uma abordagem descentralizada permite que as organizações adaptem seus sistemas de IA de forma mais flexível, garantindo que permaneçam relevantes e eficazes em um ambiente dinâmico.
- Descentralização: A rede descentralizada do Bittensor capacita uma comunidade global de contribuidores, reduzindo a dependência de uma única entidade ou infraestrutura centralizada. Isso promove inovação e diversidade no desenvolvimento de IA.
- Colaboração: A natureza colaborativa do Knowledge Compounding incentiva o compartilhamento de conhecimento e o aprendizado cooperativo entre os nós na rede, fomentando um ambiente dinâmico para o avanço da AI.
Equipe e Investidores
Bittensor é um protocolo de código aberto que alimenta uma rede de aprendizado de máquina descentralizada e baseada em blockchain. A equipe por trás do Bittensor inclui Jacob Steeves (Fundador), Ala Shaabana (Fundador), Jacqueline Dawn (Diretora de Marketing), e Saeideh Motlagh (Arquiteta de Blockchain) entre outros. A Opentensor Foundation também planeja expandir sua equipe este ano.
Há um pseudônimo chamado Yuma Rao que também é mencionado no white paper do Bittensor, assim como no Bitcoin Satoshi Nakamoto. Não se sabe se essa pessoa realmente existe e talvez nunca saibamos mais sobre ele ou ela.

O Bittensor não divulgou quaisquer consultores notáveis ou investidores principais, exceto por receber financiamento da OpenTensor Foundation, que é uma organização sem fins lucrativos que apoia o desenvolvimento do Bittensor. O Bittensor também não anunciou quaisquer parcerias oficiais.
Tese
A maioria das empresas de tecnologia está bem abaixo de suas avaliações pré-pandêmicas, no entanto, as empresas de IA agora estão alcançando ATHs tanto em múltiplos de valuation quanto em taxa de crescimento.

Com uma capitalização de mercado significativamente menor do que os gigantes da indústria, o Bittensor pode realmente ser o playground perfeito para aplicações de AI em larga escala/alta demanda e o uso de modelos open-source.
Obviamente, a comparação mais simples para medir o potencial de alta é comparar com a valuation privada da OpenAI em $29B. Realista ou não, isso é ligeiramente mais de 28x maior do que o FDV do $TAO. Considerando quanto tempo levará para toda a oferta entrar em circulação, podemos usar a capitalização de mercado em circulação para chegar a uma estimativa aproximada onde a valuation privada da OpenAI é mais de 108x a capitalização de mercado do $TAO.
No entanto, essa é uma abordagem altamente especulativa que pode ser simplificada como fazer uma aposta em projetos que podem se beneficiar de estar na interseção entre AI e crypto.

A característica mais importante a ser levada em consideração é o fato de que o Bittensor está abordando o problema de centralização da IA. Atualmente, um pequeno número de corporações controla uma minoria de modelos grandes e poderosos, mas eles estão todos isolados e há pouca colaboração ou compartilhamento de conhecimento.
Modelos de IA isolados não podem aprender uns com os outros, e portanto são não-compostos (pesquisadores devem começar do zero toda vez que criam novos modelos). Isso está em forte contraste com a pesquisa em IA, onde novos pesquisadores podem se basear no trabalho de pesquisadores anteriores, criando um efeito composto que superalimenta o desenvolvimento de ideias.
A IA isolada também é limitada em funcionalidade, pois integrações de aplicativos e dados de terceiros requerem permissão do proprietário do modelo (na forma de parcerias tecnológicas e acordos comerciais). Essa limitação afeta diretamente o valor e a utilidade da IA, pois ela só pode ser tão valiosa quanto o alcance de aplicativos que ela pode impulsionar efetivamente.


Este ambiente centralizado e de vencedor leva tudo não é benéfico para equipes pequenas com menos recursos. Nesse contexto, a força principal do Bittensor é sua rede descentralizada e mecanismo de incentivos para encorajar equipes pequenas e pesquisadores a monetizarem seu trabalho.
Se o Bittensor conseguir reduzir a lacuna de desempenho com os principais provedores de IA de código fechado como o GPT-4, ele poderia se tornar a escolha principal para desenvolvedores, empresas e pesquisadores no espaço de cripto e IA. Sua natureza aberta e colaborativa o posiciona como uma alternativa atraente a ecossistemas fechados, potencialmente levando a uma adoção significativa.
Em última análise, a valuation do TAO pode ser derivada da utilidade da rede (atividade econômica construída sobre ela) ou do fluxo de caixa direto para o protocolo.
- Como um token de utilidade, $TAO é necessário para acessar a rede. Portanto, sua valuation poderia ser derivada da utilidade econômica construída sobre ele.
- Como um token de staking, os detentores podem delegar $TAO a validadores e receber uma parte da receita da rede.
- Também podemos medir os retornos com base na participação de mercado e várias suposições (o que também torna o valor previsto não confiável).
Como a utilidade é mais subjetiva e abstrata para valorizar, podemos começar com o fluxo de caixa. Assumindo que o mercado de ML pode atingir um certo tamanho de mercado no futuro (veja estimativas da Precedence Research na imagem abaixo), podemos valorizar a rede Bittensor com base em sua participação potencial de mercado e múltiplo de receita.

Independentemente do tamanho estimado do mercado, o Bittensor ainda é um projeto altamente especializado e complexo de entender, o que é um impedimento para o onboarding fácil de desenvolvedores e adoção por usuários.
O projeto ainda está em um estágio muito inicial de desenvolvimento, e pode haver problemas inesperados com a rede. Por exemplo, em junho houve uma colusão entre mineradores que trapacearam na rede e causaram a venda de $TAO no mercado. A correção temporária foi reduzir as emissões em 90% para dar tempo extra à Opentensor Foundation para trabalhar em uma solução que mantenha a rede honesta e permita que o protocolo opere como pretendido.
Atualização do BittensorBoas notícias, um grupo de mineradores coludidos que manipularam a rede e venderam seu $TAO no mercado foi identificadoComo solução temporária, a emissão de TAO foi reduzida em 90%, dando assim à Opentensor Foundation tempo para trabalhar em uma solução… pic.twitter.com/6svEvB3wth— TAO-Validator.com (@TAO_Validator) June 15, 2023
Atualização do Bittensor
Boas notícias, um grupo de mineradores em conluio que manipularam a rede e venderam seu $TAO no mercado foi identificado
Como uma solução temporária, a emissão de TAO foi reduzida em 90%, dando assim à Opentensor Foundation tempo para trabalhar em uma solução… pic.twitter.com/6svEvB3wth
— TAO-Validator.com (@TAO_Validator) June 15, 2023
A maioria dos produtos que estão ativos na rede atualmente não consegue competir contra contrapartes centralizadas também, e até agora têm uma taxa de adoção baixa. A melhor maneira de aprender e experimentar por si mesmo é testar os serviços oferecidos no Bittensor Hub.

Devemos também nos perguntar se a tokenomics do Bitcoin faz sentido para uma rede especializada em fornecer serviços de AI como o Bittensor. Talvez a natureza desinflacionária do $BTC não seja a melhor para uma rede que necessita de um número crescente de mineradores e aplicativos construídos sobre ela para escalar. Idealmente, o token deveria inflacionar com o crescimento da adoção da rede, mais semelhante a óleo digital do que a ouro digital. De certa forma, isso já está incorporado, incentivando os mineradores a competirem uns contra os outros e distribuindo o suprimento ao longo de mais de 200+ anos.
Outro desafio é a privacidade, devido à impossibilidade de criptografar dados antes que eles passem pela rede neural. Isso é ainda mais problemático em um ambiente descentralizado, já que qualquer dado que passe pelo processo de aprendizado e/ou inferência definitivamente não será privado. Concedido que isso é um problema potencial também no centralizado, mas então você só tem que se preocupar com 1 parte conhecida vendo seus dados em vez de muitos desconhecidos.
Economia


Preço do Token

Preço relativo ao ATH e ATL

Distribuição de Suprimento


Conclusão
Bittensor pode ser uma aposta poderosa na interseção entre AI e cripto. No entanto, é inquestionavelmente um dos projetos mais complexos para avaliar sua taxa de crescimento e potencial de valorização.
Há claramente um grande potencial em uma rede descentralizada para alavancar a utilidade da AI, especialmente quando incentivando modelos de código aberto e descentralizando a propriedade da rede. No entanto, serviços e casos de uso de negócios construídos sobre o Bittensor ainda não são competitivos o suficiente.
AI também é uma indústria que requer enormes despesas operacionais e grandes quantidades de financiamento que só são alcançáveis por gigantes da indústria. Bittensor é uma aposta muito contrária nesse sentido, o que é por que vale a pena considerar o máximo possível de fatores risco/recompensa.
Referências
Bittensor – TAO
- Site
- Documentação
- Livro branco
- O Consenso Yuma
- Exploradores
- Taobridge
- Delegar
- Taostats
- Tao News
- Coingecko
- Discord
- Grupo do Telegram da comunidade
- Github
- YouTube
- Blog da Fundação Opentensor
- Fundação Opentensor no LinkedIn
- Modelo de sub-rede Bittensor
- Lista de Validadores
Fontes externas
Divulgações
A Revelo Intel nunca teve uma relação comercial com a Bittensor e este relatório não foi pago nem encomendado de forma alguma.
Membros da equipe Revelo Intel, incluindo aqueles diretamente envolvidos na análise acima, podem ter posições nos tokens discutidos.
Este conteúdo é fornecido apenas para fins educacionais e não constitui aconselhamento financeiro ou de investimento. Você deve fazer sua própria pesquisa e investir apenas o que pode perder. Revelo Intel é uma plataforma de pesquisa e não um consultor de investimentos ou financeiro.






