作者：Teng Yan，前Delphi Digital NFT研究主管；翻译：0xjs@金色财经
我对去中心化集体智慧的想法很着迷，所以最近，我一直在探索 Bittensor 模型来引导启动特定领域的AI网络。
但我发现Bittensor有几个严重缺陷。我的发现令人震惊，也让我暂停下来。
Bittensor快速回顾
来源：Bittensor.com
Bittensor作为AI模型的去中心化激励网络运行。
在其 32 个子网中，矿工部署AI模型，根据特定标准进行竞争。然后验证者对这些输出进行评估和排名，矿工根据其相对表现赚取 TAO 代币。目前，这些子网正在处理文本生成、图像生成、文本转语音和模型微调等任务。
“AI模型的赛马”：使用 DALL-E 2 生成的图像
简而言之：这是AI模型的赛马。最好的马（模型）获得最大的奖励。
这里的重要想法是，货币激励自然会吸引表现最好的模型和创新者到最相关的子网。
我第一次分享我对 Bittensor 的一些早期看法是在去年 11 月。从那时起，Bittensor 逐渐成为 Crypto Twitter 的宠儿，成为去中心化AI运动的旗手。截至目前，Bittensor 的市值为 28 亿美元，完全稀释后的估值为 85 亿美元。
前进的道路崎岖不平
在我看来，Bittensor最大的问题是：
1、横向经济被打破
如果实施得当，子网内激励驱动的竞争以产生最佳输出是有意义的。
请注意粗体、大写的“如果”。
存在诸如激励博弈、中继挖矿以及验证者对真正正确输出的了解等挑战。我相信这些问题可以通过足够的研究和实验来解决。一些子网已经采取措施或修改了其标准，以阻止中继挖矿和其他不当行为。
然而，当竞争横向扩展时，经济模式开始崩溃。
子网必须相互竞争才能获得更大的通货膨胀奖励分配。一旦实现动态 TAO，这一点将变得更加明显（子网将拥有自己的动态代币，代币持有者可以影响子网之间奖励的分配）
这就引出了一个问题：
TAO 持有者应该如何比较不同子网带给 Bittensor 网络的经济价值？例如：
(1) 文本转语音模型（子网 3）与
(2) 筛查 X 射线疾病的视觉模型？
每种情况下生成的价值完全不同。你可以用多种方式来解释这个问题，但答案从来都不是明确的。依靠市场力量来确定每个子网的价值贡献对于长期战略发展来说并不是最佳选择。
这就像让每个 AAPL 股东投票决定苹果应该开发的下一个产品。
2. 子网的竞争挑战
我怀疑 Bittensor 子网在基本的生成式AI任务（例如一般图像和文本生成）中是否具有竞争力。已经有一些开源项目在这些领域表现出色，这些项目通常受到声誉、研究贡献和公共服务的推动。
以 Meta 发布的强大的大语言模型 (LLM) Llama-3 作为开源工具为例。尽管 Llama-3 的开发投入了数十亿美元，但它仍然可以免费使用，并获得了社区的大力支持。自上周发布以来，它在 Huggingface 上的下载量已超过 500,000 次。
基准比较表明，像 Llama-3 这样的开源 LLM 已经是同类中的佼佼者，并且可以说与 OpenAI 的 GPT-4 等专有模型不相上下。
迄今为止，我还没有看到 Bittensor 子网实现了超越现有开源模型的成果或功能。我也没有看到证据表明它们的表现优于既定基准。在某些时候，你必须问自己他们是否会这样做。
3、智能网运行成本高
该网络在很大程度上依赖其原生代币 TAO 来运行。矿工主要在发现计算套利机会时加入网络，特别是当挖矿奖励超过计算成本时。
TAO 的需求取决于：
(1) 投机者（一大堆蠕虫，我们不会在这里讨论）
(2) 添加更多 Bittensor 子网，或增加成为矿工或验证者的需求。然而，这种增长往往会削弱现有参与者的积极性。由于矿工/验证者的单位经济效益面临压力，代币价格下跌会导致网络活动反身性下降。
资料来源：Taostats.io
Bittensor 的运营成本很高，每天向子网所有者 + 矿工 + 验证者支付 7,200 TAO 的通货膨胀。这相当于每天约 320 万美元或每年 12 亿美元。
这就提出了一个关键问题：这笔资金从哪里来？主要是投机者。但是 Bittensor 一年内会产生12亿美元的价值吗？它的估值可能已经远远超出了自身的价值。
4、透明度
尽管 Bittensor 提供了一定程度的去中心化，但值得注意的是，它不是开源的——这是一个至关重要的区别。虽然子网的参与对任何人开放，但内部机制并不透明，导致用户对以下活动的了解有限：
矿工们在做什么？
他们运行什么算法？
最终结果是如何产生的？
这种透明度的缺乏可能会限制使用子网输出开发的应用程序的多样性，因为许多开发人员需要清楚地了解底层推理过程。
一些思考
我并不反对 Bittensor。事实上，我发现它是新兴的Crypto x AI领域最有趣的实验之一。
它成功地围绕其愿景聚集了一群聪明人。它可能会激发许多未来的项目。然而，Bittensor 必须正面应对当前的挑战，才有机会在现实世界中取得成功，否则它将迷失在投机炒作的坟墓中。
一些结束的想法：
如果网络内的所有子网都针对特定部门而不是分散在各种不相关的任务中，则可以实现更大的协同作用。
例如，我设想“用于基因组研究/药物发现的 Bittensor ”或“用于金融/交易的 Bittensor ”。这实际上可以做得很好。这种愿景的一致可以促进经济凝聚力、战略方向和业务发展努力。
Bittensor 的经济模型（在目前的状态下）可能最适合AI的生态位，这些领域不会引起广泛关注，但可以从有针对性的激励措施中受益。潜在的应用包括特定于加密货币的任务，例如预测代币价格。
最后，我坚信AI的去中心化在世界上发挥着极其重要的作用——平衡大型科技公司的全球主导地位并促进创新，特别是通过开源举措。我将在以后的文章中详细阐述我的想法。
