dTAO 업그레이드 후 1주일 동안 Bittensor 생태계에서 어떤 측면을 개선해야 할까요?

작성자: BlockBooster의 연구원 Kevin

요약

• Bittensor는 dTAO를 통해 서브넷 보상 배분을 고정 비율에서 스테이킹 가중치 기반으로 변경했으며, 50%의 신규 발행 dTAO를 유동성 풀에 주입하여 탈중앙화된 평가를 통해 우수한 서브넷 발전을 도모하고자 합니다.

• 초기 고변동성, APY 함정, 역선택 등이 공존하며, 마이너 품질 선별, 사용자 인지 장벽, 시장 열기 불일치 등 3가지 모순을 균형 있게 해결해야 합니다.

• 현재 TOP10 서브넷 중 1개만이 마이너의 오픈소스 모델 제출을 요구하며, 나머지는 익명 팀, 제품 앵커 부족 등의 결함을 보여 Web3 AI 기반 인프라의 병목 현상을 드러냅니다.

• 최종적인 검증은 TAO 가격과 서브넷 실용성 간 긍정적인 피드백 루프 구축 여부에 달려 있으며, 실패할 경우 Web3 AI 트랙이 지속적으로 경량화 방향으로 전환될 수 있습니다.

배경 개요

dTAO 도입으로 Bittensor의 일일 발행 규칙이 재정립되었습니다:

이전 규칙: 서브넷 보상이 고정 비율로 배분되었습니다 - 검증자 41%, 마이너 41%, 서브넷 소유자 18%. 서브넷의 TAO 발행량은 검증 투표로 결정되었습니다.

dTAO 도입 후: 이제 새로 발행된 dTAO의 50%가 유동성 풀에 추가되며, 나머지 50%는 서브넷 참여자의 결정에 따라 검증자, 마이너, 서브넷 소유자 간에 배분됩니다. 서브넷의 TAO 발행량은 서브넷 스테이킹 가중치에 의해 결정됩니다.

dTAO의 설계 목표:

dTAO의 주요 목표는 실제 수익 잠재력을 가진 서브넷 발전을 촉진하고, 실제 사용 사례 애플리케이션의 출현을 자극하며, 이러한 애플리케이션이 올바르게 평가되도록 하는 것입니다.

탈중앙화된 서브넷 평가: 소수의 검증자에 의존하지 않고, dTAO 풀의 동적 가격 결정이 TAO 발행량 배분을 결정할 것입니다. TAO 보유자는 TAO 스테이킹을 통해 자신이 믿는 서브넷을 지원할 수 있습니다.

서브넷 용량 증대: 서브넷 상한선 제거로 생태계 내 경쟁과 혁신을 촉진합니다.

조기 참여 장려: 새로운 서브넷으로 조기에 이동하는 검증자에게 더 높은 보상을 제공하여 사용자의 관심을 끌고 전체 생태계가 새로운 서브넷을 평가하도록 유도합니다. 새로운 서브넷으로 조기 이동한다는 것은 dTAO를 낮은 가격에 구매할 수 있다는 것을 의미하며, 향후 더 많은 TAO를 얻을 수 있는 기회를 높입니다.

마이너와 검증자의 고품질 서브넷 집중 유도: 마이너의 모델이 오프체인에 있고 검증자의 검증도 오프체인에서 이루어지므로, Bittensor 네트워크는 검증자의 평가에 따라 마이너에게 보상을 제공합니다. 따라서 AI 애플리케이션의 유형에 관계없이 마이너-검증자 아키텍처를 따르는 모든 애플리케이션에 대해 Bittensor가 올바르게 평가할 수 있습니다. Bittensor는 AI 애플리케이션에 대해 매우 포용적이며, 각 단계의 참여자들이 인센티브를 받고 이를 통해 Bittensor의 가치를 다시 환류시킬 수 있습니다.

dTAO 가격 추이에 영향을 미치는 3가지 시나리오 분석

기본 메커니즘 개요

매일 고정 발행되는 TAO와 동일량의 dTAO가 유동성 풀에 주입되어 새로운 유동성 풀 파라미터(k 값)를 구성합니다. 이 중 50%의 dTAO가 유동성 풀에 들어가고, 나머지 50%는 서브넷 소유자, 검증자, 마이너에게 가중치에 따라 배분됩니다. 가중치가 높은 서브넷일수록 더 많은 TAO 배분을 받습니다.

시나리오 1: 스테이킹 증가의 선순환

검증자에게 위임된 TAO가 지속적으로 증가하면 서브넷 가중치가 상승하고 마이너 보상 배분 비율도 확대됩니다. 검증자가 대량으로 서브넷 토큰을 매입하는 동기는 다음과 같이 두 가지로 구분됩니다:

1. 단기 투기 행위

서브넷 소유자가 검증자로서 TAO를 스테이킹하여 코인 가격을 높이는 전략(기존 발행 모델 지속). 그러나 dTAO 메커니즘은 이러한 전략의 확실성을 약화시킵니다:

• 비합리적 스테이킹 사용자 비중이 품질 중심 사용자보다 높을 경우 단기 투기가 지속될 수 있습니다.

• 반대의 경우 초기에 축적된 토큰이 빠르게 평가절하되며, 균등 발행 메커니즘으로 인해 토큰 확보가 제한되어 장기적으로 우수한 서브넷에 의해 도태될 수 있습니다.

2. 가치 포착 논리

실제 애플리케이션 시나리오를 가진 서브넷은 진정한 수익을 통해 사용자를 끌어들이며, 스테이킹 사용자는 레버리지된 dTAO 수익과 추가 스테이킹 수익을 동시에 얻어 지속 가능한 성장 루프를 형성할 수 있습니다.

시나리오 2: 상대적 성장 정체의 딜레마

서브넷 스테이킹이 증가하지만 선두 프로젝트에 비해 뒤처질 때, 시가총액이 점진적으로 상승하더라도 수익 극대화가 어려울 수 있습니다. 이 경우 다음 사항을 중점적으로 고려해야 합니다:

• 마이너 품질이 상한을 결정: TAO는 오픈소스 모델 인센티브 플랫폼(학습 플랫폼 아님)으로, 그 가치는 우수한 모델 산출과 적용에 있습니다. 서브넷 소유자의 전략적 방향 선택과 마이너가 제출한 모델 품질이 발전 한계를 함께 구성합니다.

• 팀 역량 반영: 최상위 마이너 다수가 서브넷 개발팀에서 왔다는 점에서, 마이너 품질은 실질적으로 팀의 기술 역량을 반영합니다.

시나리오 3: 스테이킹 유출의 악순환

서브넷 스테이킹이 감소할 경우 악성 순환(스테이킹 감소 → 수익 하락 → 추가 유출)이 쉽게 발생할 수 있습니다. 구체적인 유발 요인은 다음과 같습니다:

1. 경쟁적 도태: 실용성은 있지만 제품 품질이 뒤처져 가중치가 하락하여 도태되는 경우. 이는 생태계 건강한 발전을 위한 이상적 상태이지만, TAO가 "Web3 애플리케이션 인큐베이터 삽"으로서의 가치가 아직 명확히 드러나지 않았습니다.

2. 기대 붕괴 효과: 시장이 서브넷 전망을 비관적으로 보아 투기적 스테이킹이 이탈하는 경우. 발행량 감소 시작 시 핵심 외 마이너의 유출이 가속화되어 결국 돌이킬 수 없는 쇠퇴 추세로 이어질 수 있습니다.

잠재적 위험과 투자 전략

• 고변동성 창기: dTAO 초기 총 발행량은 크지만 일일 발행량은 일정하므로, 초기 몇 주 동안 가격이 크게 변동할 수 있습니다. 이 때 루트 네트워크 스테이킹은 위험 완화 전략이 될 수 있으며, 기본 수익을 안정적으로 확보할 수 있습니다.

• APY 함정: 단기 고 APY의 유혹은 유동성 부족과 서브넷 경쟁력 결여의 장기 위험을 가릴 수 있습니다.

• 가중치 게임 메커니즘: 검증자 가중치는 서브넷 dTAO 가치 + 루트 네트워크 TAO 스테이킹의 복합 가중치로 결정됩니다. 서브넷 출시 100일 전까지는 루트 네트워크 스테이킹이 수익 확실성 면에서 여전히 우위를 점합니다.

• 밈 코인 거래 특성: 현 단계 서브넷 스테이킹 행위는 밈 코인 투기와 유사한 위험 속성을 가집니다.

가치 투자와 시장 불일치

• 생태계 구축의 역설: dTAO 메커니즘은 실용적 서브넷 육성을 목표로 하지만, 가치 투자 특성으로 인해:

• 시장 교육 비용 상승: 마이너 품질, 애플리케이션 시나리오, 팀 배경, 수익 모델 등을 지속 평가해야 하므로 비 AI 전문 투자자에게 인지 장벽이 됩니다.

• 열기 전환 지연: Agent 토큰과

  以下是韩语翻译结果:

• 市场关注度衰减风险

• 早期投机者离场导致的流动性萎缩

成功标志双重验证：

• TAO 价格与子网实用价值形成正反馈

• 验证者为获取持续收益选择 TAO 持仓而非抛售

矿工质量失控风险

• 逆向选择难题：

• 质量筛选机制缺失：当前模型难以有效区分矿工贡献质量

• 激励环境失衡：低质量矿工套利行为挤压优质开发者生存空间

• 生态建设瓶颈：开源模型孵化环境尚未成熟，可能陷入「劣币驱逐良币」困境

投资 dTAO 子网的三重矛盾：

核心矛盾：

• 子网能否吸引优质矿工资源

• 用户评价体系是否具备有效性

次要矛盾：

• 子网是否存在真实商业应用场景

潜在风险点：

• 开发团队信息公开透明度

• 盈利模式设计合理性

• 市场营销执行能力

• 外部资本介入可能性

• 代币发行机制设计

观察与期望

开源模型虽为技术演进主流方向，但在去中心化领域可能难以突破发展瓶颈。

当前 Bittensor 作为行业领跑者，其 dTAO 子网生态仍存在显著质量缺陷，分析上图 TAO 奖励释放量排名前十的子网可知：TOP10 子网中仅 1 家要求矿工提交开源模型，其余子网的矿工群体与模型开发关联性较弱。



开源模型训练存在极高技术门槛，这对 Web3 开发者构成重大挑战。多数子网为维持矿工基数，主动降低技术准入门槛，回避模型开源要求以确保代币激励池供给。

即使非强制开源模型的子网，其生态质量同样堪忧。

TOP10 子网中普遍存在以下问题：

缺乏可验证的落地产品

• 匿名开发团队占比过高

• dTAO 代币与产品价值缺乏有效锚定

• 收益模式缺乏市场说服力

• 4.dTAO 的底层设计理念具有前瞻性，但现行 Web3 基础设施尚不足以支撑其理想生态构建。这种理想与现实的错位可能引发两方面后果：

• dTAO 子网估值体系需进行向下修正

• 若 Bittensor 开源模型平台验证失败，Web3 AI 赛道或将转向 Agent 应用及中间件开发等轻量化方向