原文標題：《解讀bittensor (TAO) : 野心龐大的AI 樂高，讓演算法變得可組合》

原文來源：深潮TechFlow

< /p>

市場趨勢轉變，多個板塊重新開始活躍。

除了聚光燈焦點下的比特幣生態，AI 賽道作為今年來持續的熱點，一直是妖幣頻出的舞台。

在被市場熱炒的FET、RNDR 和OCEAN 等代幣之外，一個名為TAO 的代幣在最近的1 個月內拉升3 倍，背後的專案Bittensor，卻很少在華語市場中被深入的分析。

而對岸的節奏，遠比我們的反應更快。

價格爆拉，也讓嗅覺靈敏的投資人們聞到了機會。週四 Bittensor 專案的社區公告宣布，知名加密 VC Pantera 和 Collab Currency 已經成為了 TAO 代幣的持有者，並且將對專案的生態發展提供更多支持。

VC 善於捕捉趨勢的演變，更善於推動趨勢的發展。

這個受到青睞且價格火速竄漲的 TAO，背後究竟有何過人之處？其敘事、產品和代幣經濟，有哪些顯著區別於 AI 賽道主流項目的特徵？

本期內容，我們將深入Bittensor，對其賽道背景、專案目標、技術構成、代幣估值等方面進行全面分析，為大家的判斷和決策提供參考。

別急，先摸一下Cyrpto + AI 的投資邏輯

任何代幣的上漲，都有基本的投資邏輯和產業大的敘事來做支撐。在研究 TAO 之前，不妨先來看看整個 AI 產業的概況。

債券泡棉下的AI 熱潮

AI 概念的代幣很熱，但實際上沒有Crypto，也不影響AI 獨立的熱度。

來自CB Insights 的數據顯示，2023 年市場對生成式AI 的興趣顯著增長，投資AI 相關公司和項目的總融資額度暴漲至140 億美金；而去年，這個數字只是25 億美金。

圖片來源：CB INSIGHTS

因此，無論是TAO、RNDR 或是FET，背後的深層驅動力，也絕非一個表面的ChatGPT 和英偉達那麼簡單。

業界大佬Arthur Hayes 在最近的部落格中，展現了一種可能或正在發生的局面--- 由債券泡沫帶來的AI 集體資金熱潮。

根據估算，以美國為首的全球大經濟體，在未來3 年中因財政赤字而必須展期和發行的政府債務總額預計會達到33.58兆。

政府發行債券並承諾到期還本付息，如果債券利息較高，也就意味著資金都去買國債，造成私部門（政府公部門對應）的資本被吸收，必然會擠壓社會中其他的投融資機會，例如其他企業融不到資，或是股市低迷。

因此，Arthur 認為，美國央行必然會要求印鈔票，自己發錢來購買自己發行的債務，從而減少對私營部門的影響；而這將預期導致 2026 年世界的法定貨幣供應量大幅增加（甚至超過COVID 時期）。

那麼多出來的錢會流向哪裡？

「錢將流向那些承諾在成熟時帶來瘋狂回報的新科技公司。每個法定流動性泡棉都有一種新形式的技術，來吸引投資者並吸引大量資本」。

90 年代有網路泡沫，08 年金融危機後有網路廣告和社群媒體；而這次輪到 AI 了。

這或許也是為何今年生成式 AI 獲得眾多投資的深層原因之一。 GPT 的技術有目共睹，但在更大的視角下，它只是資本洪流中最為璀璨的明珠，背後資本集體湧入 AI 的趨勢已經顯現。

Crypto + AI，敘事方向劃分

錢進來了，下一個問題是投什麼。我們再進一步來細看 Crypto + AI 的投資邏輯。

老生常談，AI 本質上是一種先進生產力，其快速發展依賴於三個核心要素：數據，演算法，算力； 加密貨幣和區塊鏈比較是生產關係，透過激勵、協調和組織形式的改變來促進以上這三個要素的改變。

哪些代幣能提升這 3 個要素，就有了熱度結合的可能。

暫且不討論可行性，至少在先前的專案中，我們密集的看到了crypto + 數據，以及cyrpto + 算力的2 種敘事方向：

-Cyrpto + 數據： AI 需要大量數據來訓練模型，區塊鏈能夠透過激勵去調動數據提供者來貢獻數據，或者利用去中心化的資料存儲，來為更民主化、分散化的資料訓練需求鋪路。

在這種敘事下，受益的加密貨幣可以是去中心化儲存類別的基礎設施，例如Arthur 強烈安麗的Filecoin ;

-Crypto + 算力：AI 模型的實現需要強大的運算能力，大廠或部分計算資源提供者手上有這種能力，但仍可以考慮長尾市場，讓分散在各地的運算資源（個人顯示卡/裝置）等貢獻算力，從而獲得加密貨幣的誘因。

在這種敘事下，受益的加密貨幣例如 RNDR 和其他可以貢獻算力的項目。

至於演算法方面，則是另外一套邏輯。

-Crypto + 演算法：不同與前兩者的」資源密集“，演算法本身是個技術密集的東西，也是各家AI 公司持續迭代的秘方和壁壘，你很難透過加密貨幣的激勵去從0」創造「出一個更好的演算法；貢獻、協調、激勵的邏輯在演算法創建上行不通。

< /p>

（註：某個AI 模型是演算法訓練的結果，嚴格來說演算法和模型之間存在先後關係。但以下描述中，筆者為了更方便理解，而混用了二者。）< /p>

但是，你可以透過激勵，從已有的演算法中去「篩選」出一個更好的演算法，而不至於讓所有人都用同一家的東西。類似預言機計畫透過激勵機制來鼓勵競爭，挑選出更好的資料來源一樣。

這個細分敘事上的項目暫時沒有特別突出的代表，而Bittensor 就屬於其中之一--- 既直接不貢獻數據，也不直接貢獻算力，透過區塊鏈網路和激勵機制，來對不同的演算法進行調度和篩選，從而讓AI 領域形成一個自由競爭、知識共享的演算法（模型）市場。

秒懂Bittensor 敘事： AI 樂高，讓演算法變得可組合

聽起來有些複雜？

為了方便理解，可以先用一句話粗略概括 Bittensor：我們不生產演算法，我們只是優質演算法的搬運工。

為什麼要搬運演算法？看看當下 AI 領域的生態現況就能發現問題。

AI 賽道的玩家們，目前每家的演算法和模型都是孤立的。由於商業競爭，你不可能讓兩家的演算法相互學習來共同進步；這也意味著從 AI 供給端來看，競爭是零和的 ：一家的 AI 贏得了市場，其他家就會出局。

圖源：Bittensor 官網

對競賽贏家來說，這當然沒啥問題。

但 Bittensor 認為這對 整個 AI 的進步和演算法創新效率都不利。互相孤立的模型、只選贏家的AI 服務，意味著一旦有人想開發新的模型，可能必須從頭開始；

假設模型A 精通西班牙語，模型B 精通寫程式碼，當一位使用者需要讓AI 解釋一下帶有西班牙文註解的程式碼時，顯然兩個演算法合力輸出效果最好，但目前環境下做不到；

< br>

此外，由於第三方應用整合需要AI 模型所有者的許可，有限的功能也意味著有限的價值，整個AI 領域的合力實際上沒有被釋放。

因此，Bittensor 這個專案的大目標是，讓不同AI 的演算法和模型能夠互相協作、學習和組合，從而形成更強大的模型，更好的為開發者和使用者服務。

這種想法和配方，我們其實在幾年前的 DeFi Summer 中見過---金融樂高。

穩定幣、借貸、流動性挖礦等金融組件全都是開源且無許可的，需求方可以將其任意進行組合，就像樂高積木那樣，從而形成新的產品和服務。

同樣，擅長影像處理、文字處理或音訊處理的AI 演算法模型可以進行組合，為不同的任務服務，形成AI 樂高。

所以，對Bittensor 來說，專案本身既不會自己來計算，也不會自己提供資料在鏈上做機器學習，而是調動其他所有的鏈下AI 模型，共同合作。

理論上，借助拼 AI 樂高積木的方式，Bittensor 可以比孤立的模型更快、更有效率地擴展其 AI 功能。

但至於現實中 AI 模型的提供者是否買賬，如何做商業拓展，能不能落地，仍有待進一步觀察。

基於挖礦和激勵，實現AI 模型的「預言機」

讓不同的AI 相互協作，這個目標很大，但如何實現？

Bittensor 給的答案是建立一個區塊鏈網絡，透過挖礦激勵的方式進行協調和運作。

Bittensor 在核心上採用的是Polkadot 的平行鏈（應用鏈）設計，相當於自己有一條鏈來專門處理AI 模型的協作，並且有自己的代幣$TAO 來做激勵。

要搞清楚這條鏈的運作模式，至少要摸清楚3 個問題：

第二，這些角色在做什麼？彼此有什麼關聯？

第三，代幣激勵這些角色的哪些行為？

鏈上角色與功能：

礦工：可以理解為全世界各種AI演算法和模型的提供方，它們託管AI 模型並將其提供給Bittensor 網路；不同類型的模型組成了不同的子網，例如專攻圖片或聲音的模型

驗證者：Bittensor 網路內的評估者。評估 AI 模型的品質和有效性，根據特定任務的效能對 AI 模型進行排名，幫助消費者找到最佳解決方案。

（註：目前的驗證者，看起來都是專案方自己旗下機構，可能有點不夠去中心化。但隨著網路的發展，可能會吸收其他組織進來充當驗證者）

提名人：將代幣委託給特定驗證者來表示支持，也可以換不同的驗證者來委託。有點像 DeFi 中你將自己的代幣質押給 Lido 以獲得收益。

使用者：Bittensor 提供的 AI 模型最終使用方。可以是個人，也可以是尋求 AI 模型來做應用的開發者。

角色之間的連結：

使用者需要更好的AI 模型，驗證者負責按照不同的用途篩選更好的AI 模型，礦工提供自己的AI 模型，提名人選擇支援不同的驗證者。

說白了是一個開放的 AI 供需鏈條 ： 有人提供不同模型，有人評價不同模型，有人使用最好的模型所提供的結果。

圖源：ReveloIntel

上面這張圖提供了一個簡單的說明：使用者輸入自己的需求，驗證者將需求路由給Bittensor 網路中的礦工們；礦工們輸出答案，驗證者再來評估答案的質量，最終返回給使用者。

TAO 代幣在激勵什麼？

對驗證者：對 A I 模型的篩選和評估越準確和一致，獲得的獎勵就越多。顯然，要成為驗證者，當然需要質押一定數量的TAO 代幣

對礦工：響應用戶需求提供自己的模型，根據貢獻獲得TAO 代幣

對提名人：將自己的TAO 委託給驗證者，類似流動性質押獎勵

理想情況下，這個網路中的不同AI 模型會進行協作，並且不同的任務大概率不同模型的表現會不同；由於這些任務鏈上可查網路節點可見，模型之間實際上確實可以相互學習，以根據任務做不同的調整。

圖源：ReveloIntel

一個更好的類比方式是：Bittensor 有點像AI 的「預言機」。 DeFi 裡的預言機在給有需求的應用“餵最好的價格”，Bittensor 在給有 AI 需求的用戶“餵最好的模型”。

至於如何參與到這個網路中做驗證者和礦工，由於涉及技術程式碼和開發介面，在此不做描述。有興趣的讀者可以訪問此處查看官方文件。

$TAO 代幣：如何估價最適合？

代幣經濟模型

根據官方文件顯示，Bittensor 於2021 年「公平啟動」（沒有預挖代幣），代幣就叫做TAO。

TAO 的供應量為21,000,000（致敬了BTC），並同樣有一個4 年的減半週期，每1050 萬個區塊，每個區塊的獎勵減半。總共將發生 64 次減半事件，最近的一個減半週期發生在 25 年 8 月。

有點科幻的是，按這個減半週期，要256 年這些代幣才能完全被挖出來。

目前每 12 秒，就會傳送一個 TAO到網路中。粗略計算，一天會有 7200 個 TAO 產出，礦工和驗證者各拿一半。

TAO 的公平啟動，意指沒有任何VC 輪、私募輪、ICO /IEO/IDO、基金會預留等等常見套路，可以理解為純粹的礦幣。

每挖一輪獎勵，TAO 都會在驗證者與礦工之間分配。

但是，在Bittensor 的官網上，我們也看到了DCG、GSR、 Polychain 和Firstmask 等知名資方和做市商。

一種合理的推測是，由於目前該網絡中的驗證者多半都與Bittensor 官方的機構關聯，意味著挖出來的幣可以歸到自己的手上，然後再分發給做市商來做市；

同時這些大機構也可以進來充當驗證節點甚至是礦工，進行TAO 的挖礦。

我們也在開頭提到，我們也在開頭文章Pantera 等加密VC 最近也成為了TAO 的持有者。因此，Bittensor 本身是公平啟動的，但不意味著完全沒有VC 介入；

但在這輪行情的新周期中，「VC 賣給二級」的發幣模式已經不受待見，TAO 的這種「先公平，再吸引資本介入」的模式，客觀來說已經盡量做到了公平。

市場表現及估價

單從TAO 的市場表現來看，代幣價格從今年的最低谷到現在，已經有5 倍以上的漲幅；

但問題在於，其他AI 專案的漲幅也不錯。例如 RNDR 從年初至今也差不多有 5 倍漲幅。

所以僅以絕對漲幅來分析代幣價值並沒有太大作用。

那麼和其他熱門的AI 項目比，TAO 的市值目前僅次於RNDR，但由於4 年減半的長期釋放機制存在，市值與完全稀釋價值的比率反而是幾個項目中最低的，也意味著 TAO 的整體流通量目前來看相對較低，但單價較高。

原始圖：X 用戶@Moomsxxx，TAO 價格截止發稿時筆者自行計算

低流通量某些情況下意味著盤子小更容易拉升，另外在假設價格不變的情況下（時價$160)，每天7200 個TAO 全部挖出賣掉，整個市場的賣壓為115 萬美金左右，以現有市場熱度和交易量（TAO 日交易量500 萬美金）來看，消化賣壓並不成問題。

如果跳出 TAO 自己來看，代幣的估值實際上要和已有的，業務近似的項目相比才有意義。

在前文已經闡述過，Bittensor 的方向是crypto + 演算法/模型，嚴格意義上並不能直接跟RNDR 等提供基礎算力的項目進行對比。

從下面Nansen 的這份AI 賽道研究報告看，Bittensor 的業務應該算在「Model Traning」（模型訓練）賽道，同類競爭者有Gensyn 和Together，前者還得到了  a16z 的支持。

但目前兩個項目都沒有公開的代幣，因此將 TAO 與這兩個項目的市值做對比也行不通。

圖源：Nansen 研究

Omnichain Capital 的聯創David Attermann，曾在今年5 月的部落格中給了一個更激進的方法--- 直接將Bittensor 與OpenAI 進行對標。

有趣的是，David 在發文時刻意提示自己並沒有持倉 TAO，以證明其分析是客觀的。

由於核心業務都是模型的訓練並給用戶使用，一個是閉源公司，另一個是協調全球AI 模型，二者殊途同歸都是讓使用者更好的使用AI。

考慮到OpenAI 之前從Microsoft 獲得了$29B（接近300 億美金）的私募市場估值，而今天TAO 的FDV 在36 億美金左右，這樣算TAO 仍有8 倍左右的估值上行空間。

筆者並不完全贊同這種估值對比方法，Web3 和Web2 項目的基本面、成長節奏和市場關注點都不同，單以估值論8 倍的空間可能僅供參考，更多的還要看TAO 本身的利好和資金熱度的影響。

結論

綜上所述，TAO/ Bittensor 在我們熟知的AI 主題的加密項目之外，提供了另一種可能的敘事，即自己不涉及生產力的環節（計算資源和數據），純粹靠生產關係的調動來讓AI 模型之間協作、競爭和調優。

這種敘事本身確實有某種吸引力，但AI 模型的對接、驗證節點的中心化、模型好壞的評判等關鍵因素，並不是一紙白皮書可以輕鬆解決的--- AI 本身很單純，但商業博弈則不是，如何說服更多人有代幣獎勵就參與這個網絡，說服技術公司與其他AI 模型進行協作，仍是見仁見智的事情。

而在基本面之外，代幣的漲幅已經說明市場對AI 賽道的概念集體買賬，考慮到Bittensor 在細分賽道下找不到一個規模相似的對手，TAO 有可能在AI 賽道集體狂歡中迎來更多利好，但由於缺乏合適的估值對標，是否值得長持仍舊要打個問號。

密切注意項目消息的更新和交易量的突變，可能才是更實際的選擇。

原文連結

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia