Bittensor(TAO)는 올해 바이낸스에 상장 최초의 AI 코인입니다. 이것이 AI 트랙의 본격 출시를 향한 첫 걸음이라고 생각했는데, 의외로 단기적인 '마지막 단계'가 됐다. 4월 11일 출시 이후 TAO 가격은 급락했으며 아직 반등하지 못하고 있다.

통화 가격이 떨어지면서 프로젝트의 효율성에 대한 커뮤니티 논쟁이 점점 더 치열해졌습니다. 이 모든 것은 Taproot Wizards의 공동 창립자인 Eric Wall이 3월 30일 소셜 미디어에서 Bittensor(TAO)에 대해 일련의 날카로운 질문을 발표하면서 시작되었으며 현재 거의 200만 조회수에 도달했습니다.

Eric Wall의 핵심 관점 다음과 같이 요약될 수 있습니다.

・서브넷 1의 많은 채굴자들은 프롬프트에 응답하기 위해 동일한 언어 모델을 반복적으로 실행하는데, 이는 비효율적이고 자원을 낭비합니다. 한 명의 광부가 작업을 완료할 수 있으므로 수천 명의 광부가 동시에 작업할 필요가 없습니다.

・서브넷 1의 검증 메커니즘은 답변의 유사성만을 비교하는 방식으로 되어 있습니다. 채굴자는 기회주의와 부정행위에 취약합니다.

・현재 서브넷 1은 내부적으로만 실행되며 일반 사용자는 사용할 수 없으므로 실질적인 가치가 없습니다.

・Bittensor 프로젝트는 개인 투자자 투자자를 속이고 토큰 가격을 인위적으로 높게 만들기 위해 " 탈중앙화 AI" 개념을 과장하고 있습니다.

이러한 의심은 Bittensor의 문제점 중 일부를 직접적으로 지적하지만 부분적이고 눈이 먼 것으로 의심됩니다. 다중 채굴 중복성은 비효율적으로 보일 수 있지만 실제로는 분산 협업을 위한 유일한 방법입니다. Bittensor의 목표는 글로벌 규모의 AI 네트워크를 구축하는 것이며 중복성은 설계 결함이 아닌 필요한 비용입니다.

검증 메커니즘은 아직 상대적으로 초보적이지만 Bittensor는 이를 적극적으로 개선해 왔습니다. 최신 계획에는 Commit-Reveal 가중치 메커니즘 도입이 포함되어 있습니다. 채굴자가 제출한 가중치 공개를 지연함으로써 Commit-Reveal 메커니즘은 기회주의적 표절을 효과적으로 억제할 수 있습니다.

Bittensor의 첫 번째 서브넷인 서브넷 1은 주로 내부 교육 및 테스트를 위해 배치됩니다. 그러나 Bittensor 생태계는 검색, 의료, 교육, 게임 및 기타 분야에서 실질적인 가치를 제공하는 다양한 애플리케이션 시나리오에 대해 수십 개의 서브넷으로 확장되었습니다. 단순히 Bittensor를 'AI 밈 코인'으로 분류하고 그 가치를 부정하는 것은 비합리적이고 근시안적인 접근 방식입니다.

이러한 의심과 도전 대면 Bittensor는 가만히 있지 않았습니다. 대신, 네트워크를 계속 확장하고 개선하고 있습니다. 5월 12일, Bittensor는 64개의 슬롯이라는 새로운 한도에 도달할 때까지 매주 4개의 서브넷 슬롯을 추가할 것이라고 발표했습니다. 올해 목표는 1024개의 서브넷을 향해 나아가는 것입니다.

현재까지 Bittensor는 여러 분야를 포괄하고 탈중앙화 AI의 잠재력과 다양성을 완벽하게 보여주는 34개의 서브넷을 보유하고 있습니다. 다음으로, 이 기사에서는 독자들이 Bittensor에 대해 포괄적이고 명확한 이해를 가질 수 있도록 콘텐츠 생성, 데이터 수집 및 처리, LLM 생태계, 탈중앙화 인프라, DeFi 및 기타 애플리케이션의 6개 분야에서 이러한 서브넷을 하나씩 소개합니다. 생태계.

콘텐츠 생성

콘텐츠 생성 카테고리의 서브넷은 텍스트, 이미지, 오디오 및 비디오의 생성 및 최적화를 위한 플랫폼을 제공합니다.

Text Tips(서브넷 1) : Opentensor Foundation에서 개발한 텍스트 생성 전용 탈중앙화 형 서브넷입니다. 프롬프트와 추론을 위해 대규모 언어 모델(예: GPT-3, GPT-4 등)을 사용하고, 채굴자는 AI 서비스를 제공하며, 검증자는 예측 결과 검증을 담당합니다.

MyShell TTS(서브넷 3) : TTS(텍스트 음성 변환) 기술에 중점을 두고 MyShell에서 개발했습니다. 이 서브넷은 OpenVoice 및 MeloTTS와 같은 오픈 소스 TTS 모델을 개발하고 최적화합니다. 채굴자는 모델 교육을 담당하고 검증자는 모델 성능을 평가하며 고품질 오픈 소스 TTS 모델을 만드는 데 전념합니다.

다중 양식(서브넷 4) : Manifold에서 개발한 이 시스템은 텍스트, 이미지, 오디오를 포함한 다양한 데이터 유형 및 형식에 걸쳐 정보를 처리하고 생성하는 다중 모드 AI 시스템에 중점을 둡니다.

Three Gen(서브넷 17) : AI 기반 3D 콘텐츠 생성에 초점을 맞춘 탈중앙화 형 서브넷입니다. Three Gen 서브넷은 AI 기술을 사용하여 3D 모델과 콘텐츠를 생성합니다. 채굴자와 검증자는 컴퓨팅 리소스를 기여하고 생성된 콘텐츠의 품질을 검증하여 보상을 받으며 3D 콘텐츠 생성 기술 개발을 촉진합니다.

Cortex.t(서브넷 18) : Corcel에서 개발한 AI 개발 및 합성 데이터 생성에 중점을 둔 탈중앙화 형 서브넷입니다.

Vision(서브넷 19) : 이미지 생성 및 추론에 초점을 맞춘 탈중앙화 서브넷입니다. Vision 서브넷은 DSIS(Distributed Scale Inference Subnet) 프레임 활용하여 Bittensor 네트워크의 출력 기능을 최대화함으로써 채굴자가 요구 사항을 처리하고 응답을 생성할 기술 스택을 자유롭게 선택할 수 있도록 합니다. 검증자는 프런트엔드에서 수요를 받아 채굴자에게 배포하여 성능을 평가하고 이미지 생성 프로세스를 더욱 효율적으로 만듭니다.

Niche Image (Subnet 23) : 탈중앙화 이미지 생성에 초점을 맞춘 서브넷입니다. Niche Image는 다양한 이미지 생성 모델을 지원합니다. 채굴자는 컴퓨팅 리소스를 기여하여 이미지를 생성하고 품질에 따라 보상을 받습니다. 사용자 요구를 충족하기 위해 새로운 모델과 기능이 지속적으로 도입됩니다.

TensorAlchemy(서브넷 26) : 인간 채점 및 탈중앙화 이미지 생성에 초점을 맞춘 서브넷입니다. 인간 평가를 통해 이미지 생성 모델의 출력을 평가하고, 생성된 이미지의 평가와 품질에 따라 채굴자에게 보상을 하며, 예술 창작, 광고 등의 분야에 기술을 적용할 계획입니다.

Fractal(서브넷 29) : Fractal Research에서 개발한 텍스트 생성 비디오에 초점을 맞춘 탈중앙화 서브넷입니다. 이 하위 네트워크는 그리드 확산 모델과 에지 노드 추론 기술을 활용하여 분산 노드를 통해 텍스트 생성 비디오 작업을 처리합니다.

WomboAl (Subnet 30) : 이미지 생성 및 소셜 공유에 중점을 둔 탈중앙화 서브넷입니다. WomboAl 서브넷은 Bittensor 네트워크를 통해 고품질 이미지를 생성하고 사용자가 WOMBO Dream 및 WOMBO Me와 같은 애플리케이션을 통해 이미지를 공유할 수 있도록 지원합니다.

데이터 수집 및 처리

데이터 수집 및 처리 범주의 서브넷은 탈중앙화 데이터 수집, 저장 및 분석 서비스에 중점을 둡니다. 분산 인덱싱 레이어와 데이터 처리 프레임 구축함으로써 이러한 서브넷은 대규모 데이터 세트를 처리하고 다른 서브넷 및 사용자에게 데이터 지원을 제공할 수 있습니다.

Open Kaito(Subnet 5) : Kaito AI가 개발한 것으로 Web3에 대한 탈중앙화 검색 및 분석 서비스 제공을 목표로 합니다. 이 서브넷은 Web3 콘텐츠의 지능형 검색 및 분석을 지원하기 위해 탈중앙화 인덱싱 계층을 구축합니다. Bittensor의 인센티브 시스템을 통해 채굴자는 인덱싱 작업을 혁신적으로 해결할 수 있습니다.

Dataverse (Subnet 13) : 대량 의 데이터를 수집하고 저장하는 데 중점을 둔 탈중앙화 형 서브넷입니다. Dataverse 서브넷은 다양한 소스에서 데이터를 수집 및 저장하고 다른 서브넷에 데이터 지원을 제공합니다. 채굴자는 자신이 기여한 데이터의 양에 따라 TAO 토큰 보상을 받으며, 검증자는 정기적으로 데이터의 정확성을 쿼리하고 확인합니다.

Blockchain Insights(서브넷 15) : 원시 블록체인 데이터를 구조화된 그래프 모델로 변환하는 데 초점을 맞춘 탈중앙화 형 서브넷입니다. 이 서브넷은 데이터 분석 쿼리 및 결과 시각화 기능을 제공하고 블록체인 데이터에 대한 심층 분석을 지원하며 사용자는 맞춤형 쿼리를 수행할 수 있습니다.

메타 검색(서브넷 22) : Datura-ai가 개발한 트위터 데이터 분석에 중점을 둔 탈중앙화 형 서브넷입니다. Meta Search는 AI 기술을 사용하여 트위터 데이터에 대한 심층 분석을 수행하고 실시간 데이터 액세스 및 정서 분석을 제공하여 사용자가 대중 정서 이해하고 데이터 기반 결정을 내릴 수 있도록 돕습니다.

Omega Labs (Subnet 24) : Omega Labs에서 개발한 것으로 일반 인공지능(AGI) 연구 및 개발을 위한 탈중앙화 형 다중 모드 데이터 세트 생성, 비디오, 오디오, 텍스트 및 기타 데이터 수집에 중점을 둔 서브넷입니다. 채굴자는 자신이 기여한 데이터에 따라 보상을 받습니다.

대화 게놈 프로젝트(서브넷 33) : Afterparty AI가 개발한 탈중앙화 중점을 둔 서브넷입니다. 이 서브넷은 대량 대화 데이터를 분산 방식으로 처리하고 색인화하여 맞춤형 AI 액세스 서비스를 제공하며, 채굴자는 컴퓨팅 리소스 기여에 대해 보상을 받습니다.

LLM 생태계

LLM 생태계 범주의 서브넷은 LLM(대형 언어 모델)의 교육, 미세 조정, 보호 및 최적화에 중점을 둡니다.

Nous Finetuning(서브넷 6) : Nous Research에서 LLM(대형 언어 모델) 미세 조정에 중점을 두고 개발했습니다. 이 서브넷은 LLM을 미세 조정하기 위해 합성 데이터를 사용하는 광부에게 보상을 제공하고, 서브넷 간 통신을 활성화하며, 모델 성능을 평가하여 광부에게 인센티브를 제공합니다.

사전 훈련(서브넷 9) : Opentensor Foundation에서 개발되었으며 대규모 언어 모델 사전 훈련에 중점을 둡니다. 채굴자는 Falcon Refined Web 데이터 세트에서 모델을 훈련하고 지속적인 벤치마킹 및 검증 메커니즘을 통해 모델 성능을 향상시킵니다.

Dippy Roleplay(서브넷 11) : Impel에서 개발한 롤플레잉 모델 생성에 중점을 둔 서브넷입니다. Dippy Roleplay는 커뮤니티가 탈중앙화 방식으로 역할극 대형 언어 모델(LLM)을 생성하고 최적화하도록 장려합니다. 채굴자와 개발자는 기여한 모델 품질과 성능에 따라 TAO 토큰으로 보상을 받습니다.

LLM Defender(서브넷 14) : Synapsec AI에서 개발한 이 서브넷은 다양한 공격으로부터 LLM(대형 언어 모델)을 보호하는 데 중점을 둔 탈중앙화 서브넷입니다. LLM Defender 서브넷은 여러 분석기와 엔진을 통해 LLM 애플리케이션에 대한 공격을 탐지하고 방지하며 탈중앙화 특성을 활용하여 다층 방어 메커니즘을 제공합니다.

NAS 체인(서브넷 31) : 신경망 아키텍처 검색(NAS)에 중점을 둔 탈중앙화 서브넷입니다. NAS 체인은 유전자 알고리즘과 분산 컴퓨팅 리소스를 사용하여 신경망 아키텍처를 최적화합니다. 채굴자는 컴퓨팅 리소스를 기여하여 NAS 작업에 참여하고 기여도에 따라 보상을 받습니다.

AI입니다(서브넷 32) : LLM(대형 언어 모델) 생성 콘텐츠를 감지하는 데 초점을 맞춘 탈중앙화 서브넷입니다. 이 서브넷은 deberta-v3-large 모델을 사용하여 LLM에서 생성된 텍스트를 인식하고 머신러닝(ML), 교육 및 소셜 미디어와 같은 여러 시나리오에서 사용됩니다. 검증자는 탐지 시스템의 정확성과 신뢰성을 보장하기 위해 The Pile 데이터 세트를 사용합니다.

탈중앙화 인프라

탈중앙화 인프라 범주의 서브넷은 분산 컴퓨팅 및 스토리지 리소스를 제공하여 네트워크의 탈중앙화 및 안정성을 향상시킵니다.

Subvortex(서브넷 7) : 채굴자가 인센티브 메커니즘을 통해 서브텐서 노드를 실행하여 Bittensor 네트워크의 탈중앙화 및 안정성을 향상하도록 권장합니다. 이 서브넷은 낮은 대기 시간과 높은 중복성으로 노드를 전역적으로 배포하여 참여 임계값을 낮춥니다.

Horde(서브넷 12) : Backend Developers Ltd에서 개발한 탈중앙화 컴퓨팅 리소스 할당에 중점을 둔 서브넷입니다. Horde 서브넷은 작업 처리의 효율성과 속도를 향상시키기 위해 분산 컴퓨팅을 통해 다양한 채굴 노드에 작업을 할당합니다. 채굴자는 자신이 제공하는 컴퓨팅 리소스와 작업 처리 효율성을 기준으로 보상을 받고, 검증자는 채굴자의 작업 품질을 평가합니다.

Filetao(서브넷 21) : 탈중앙화 분산 스토리지 서브넷입니다. FileTAO는 영지식 증명 시공간 알고리즘을 통해 효율적이고 안전한 저장 시스템을 구현하고 다단계 검증 메커니즘과 교차 서브넷 통신을 지원하며 채굴자는 저장 공간을 기여함으로써 보상을 받습니다.

Compute (Subnet 27) : Neural Inτerneτ에서 개발한 탈중앙화 컴퓨팅 자원 할당에 중점을 둔 서브넷입니다. Compute 서브넷은 무허가 컴퓨팅 시장을 제공하고 여러 클라우드 플랫폼을 통합하여 통합된 탈중앙화 고급 클라우드 컴퓨팅 인프라를 형성합니다. 채굴자는 컴퓨팅 리소스를 제공함으로써 TAO 토큰 보상을 받습니다.

디파이

DeFi 카테고리의 서브넷은 유동성 스테이킹 , 정량 거래, 수익 최적화 및 금융 시장 예측을 포함한 탈중앙화 금융 서비스의 최적화 및 혁신에 중점을 둡니다.

Omron(서브넷 2) : Inference Labs에서 개발한 이 제품은 인공 지능 및 머신러닝(ML) 기술을 통해 유동성 스테이킹 및 리스테이킹 (Restaking) 전략을 최적화하고 검증하는 것을 목표로 합니다. Omron은 스마트 계약 및 검증 노드를 활용하여 자동화된 리스테이킹 (Restaking) 전략을 제공하고 영지식 증명 메커니즘을 통해 추론 프로세스의 신뢰성과 보안을 보장합니다.

독점 거래 네트워크(서브넷 8) : Taoshi Company에서 개발한 이 네트워크는 탈중앙화 양적 거래 신호에 중점을 둡니다. 채굴자는 여러 금융 시장을 포괄하는 거래 신호를 제공하며 사용자는 고품질 거래 신호를 얻을 수 있습니다.

Sturdy(서브넷 10) : Sturdy Finance에서 개발한, 탈중앙화 수익 최적화에 중점을 둔 서브넷입니다. 견고한 서브넷을 사용하면 채굴자는 스마트 계약을 통해 자산을 다양한 전략적 풀에 할당하여 최고의 수익을 얻을 수 있습니다. 채굴자는 배포 전략으로 창출되는 수익에 따라 보상을 받고, 검증자는 채굴자의 배포 전략을 평가하고 수익 성과에 따라 점수를 매깁니다.

Foundry S&P 500 Oracle(서브넷 28) : Foundry Digital LLC에서 개발한 금융 시장 예측에 초점을 맞춘 탈중앙화 서브넷입니다. 이 서브넷은 채굴자가 S&P 500 지수의 가격을 예측하도록 장려하고 검증자가 예측을 평가하도록 합니다.

다른 앱

다른 애플리케이션 범주의 서브넷은 광고 배포, 작업 관리, 단백질 폴딩 연구 및 건강 관리와 같은 영역을 다룹니다.

BitAds(서브넷 16) : 탈중앙화 되고 인센티브가 제공되는 광고 서브넷입니다. BitAds 서브넷은 분산된 방식으로 광고 작업을 배포하고, 채굴자는 광고 링크를 홍보하여 ​​유기적인 트래픽을 생성하고 TAO 토큰 보상을 받습니다.

BitAgent(서브넷 20) : 작업 및 작업흐름 관리에 초점을 맞춘 탈중앙화 서브넷입니다. BitAgent는 LLM(대형 언어 모델)을 사용자가 일반적으로 사용하는 애플리케이션과 결합하여 지능형 에이전트 서비스를 제공하여 일상적인 작업과 워크플로 관리를 단순화합니다. 채굴자는 성과를 바탕으로 경쟁하며 작업 완료에 따라 TAO 토큰으로 보상을 받습니다.

단백질 접힘(서브넷 25) : Opentensor 재단에서 개발한 단백질 접힘 연구에 초점을 맞춘 탈중앙화 형 서브넷입니다. 단백질 접힘 연구는 분산 컴퓨팅 자원을 통해 수행되며, 채굴자는 기여한 컴퓨팅 파워에 따라 보상을 받아 생물의학 연구를 위한 플랫폼을 제공합니다.

Healthi(서브넷 34) : Healthi Labs에서 개발한 인공지능(AI)을 활용하여 의료 서비스 개선에 초점을 맞춘 탈중앙화 형 서브넷입니다. Healthi 서브넷은 AI 모델을 사용하여 임상 예측 작업을 수행하고 의료 데이터를 탈중앙화 방식으로 관리 및 처리하여 데이터 보안과 개인 정보 보호를 보장합니다. 스마트 계약은 보험 프로세스를 단순화하고 의료 서비스의 효율성을 향상시킵니다.

결론: Bittensor의 새로운 애플리케이션 동향

전직 Messari 연구원인 Sami Kassab이 최근 기사에서 지적했듯이 Bittensor에는 현재 두 가지 새로운 애플리케이션 트렌드가 있습니다. 첫째, 프로젝트 당사자는 Bittensor를 통해 검색 엔진의 연구 및 개발을 아웃소싱하는 Kaito와 같이 기술 혁신을 Bittensor 서브넷에 아웃소싱합니다. 프로젝트는 Bittensor를 인센티브 계층으로 사용하여 채굴자 리소스를 신속하게 수집하고 네트워크에 디지털 상품 공급을 제공합니다. 예를 들어 Inference Lab은 Omron 서브넷을 출시하여 zk 증명자 및 모델 추론자의 공급을 안내합니다.

Bittensor가 서브넷을 확장함에 따라 앞으로 더 많은 프로젝트가 기술 스택의 특정 구성 요소를 Bittensor에 아웃소싱하기로 선택할 수 있으며 이는 Bittensor의 세 번째로 큰 애플리케이션 시나리오가 될 것입니다. Bittensor는 AI 산업의 전문적인 분업을 가속화하고 보다 독창적인 프로젝트의 출현을 촉진하고 있습니다. 참가자 수가 증가함에 따라 Bittensor 생태계는 긍정적인 순환을 형성하고 활발한 발전의 새로운 단계를 열 것으로 예상됩니다.

블록비츠(Theblockbeats) BlockBeats 공식 커뮤니티 에 오신 것을 환영합니다.

텔레그램 구독 그룹: https://t.me/theblockbeats

텔레그램 커뮤니케이션 그룹: https://t.me/BlockBeats_App

공식 트위터 계정: https://twitter.com/BlockBeatsAsia