프로젝트 기본정보
작동 모드
Bittensor는 인공 지능의 개발과 탈중앙화 촉진하기 위해 AI 알고리즘 집계 플랫폼을 만드는 것을 목표로 합니다. Bittensor는 Polkadot 파라체인의 설계 개념을 채택하고 Bittensor API를 통해 서로 다른 서브넷을 통해 메인 네트워크에 연결하여 전체 블록체인 네트워크를 구성합니다. 채굴자와 검증자는 서브넷의 핵심 모듈 로, 채굴자는 각 서브넷의 AI 모델에 대한 운영 및 유지 관리, 업그레이드 지원을 제공하며, 평가 결과는 보상 분배에 사용됩니다. TAO 토큰.
서브넷 생성자는 다양한 AI 기반 서비스를 제공하여 토큰 보상을 받을 수 있으며, 사용자는 이러한 서비스를 구매하여 업무 개발을 가속화할 수 있습니다. Bittensor는 다양한 AI 모델을 함께 통합하고 AI 유형은 알고리즘에 따라 결정됩니다. 따라서 Bittensor는 다양한 유형의 AI 알고리즘을 한곳에 통합하여 사용자 요구를 더 잘 충족하고 다양한 하위 네트워크 간의 지식 공유를 장려합니다. 서로 다른 알고리즘 간의 연구. 궁극적으로 프로젝트의 비전은 더욱 강력한 탈중앙화 AI 모델을 만드는 것입니다.
현재 개발 단계의 Bittensor 블록체인 운영 모드는 그림 1-1에 나와 있습니다. 현재 네트워크에는 온라인 서브넷이 32개 있습니다.
프로젝트 팀
컴퓨터 과학 박사이자 머신러닝(ML) 연구원인 Ala Shaabana는 Instacart와 VMware에서 근무했습니다.
수학 및 컴퓨팅 학사인 Jacob Steeves는 이전에 Google에서 근무한 머신러닝(ML) 연구원입니다.
Bittensor 팀원의 공개 정보를 보면 핵심 팀이 AI 분야에서 풍부한 개발 경험을 갖고 있으며 프로젝트 운영에 탄탄한 지원을 제공한다는 것을 알 수 있습니다.
탈중앙화 경향
공개 정보에 따르면 Bittensor의 개발 작업은 OpenTensor 재단의 지원만 받았을 뿐 개인이나 기관의 투자를 받지 않은 것으로 나타났습니다. 이는 프로젝트의 탈중앙화 개발을 유지하려는 팀의 의도를 보여줍니다. Opentensor Foundation은 현재 가장 큰 검증 풀을 운영하고 있다는 점에 주목할 필요가 있습니다. 이는 스테이킹 점유비율 의 23.41%를 차지하는 Bittensor 네트워크의 최대 검증자이며, 이는 두 번째로 큰 스테이킹 금액의 두 배입니다.
Bittensor의 프로토콜 거버넌스는 세 단계로 나뉩니다.
- 재단의 중앙 집중식 관리;
- 상원 모델(현재 단계): 상원은 TAO 토큰 유통 시총 의 2%를 초과하는 스테이킹 금액을 가진 스테이킹 풀로 구성되며 총 12석입니다.
- 커뮤니티 관리;
Senate 모델의 운영에 따르면 프로젝트의 개발 통제는 여전히 Opentensor Foundation의 손에 집중되어 있습니다. 따라서 Bittensor 프로젝트는 탈중앙화 움직임이 상대적으로 느리고 탈 탈중앙화 경향이 크지 않습니다. 이러한 중앙 집중식 제어 구조는 프로젝트의 심층적인 실행과 탈중앙화 개념 개발에 영향을 미칠 수 있습니다.
개발력
Bittensor 프로젝트는 2019년에 설립되었으며 창립자 Jacob Steeves와 공동 창립자 Ala Shaabana가 설립했습니다. 온라인 별명 Yuma Rao를 가진 신비한 개발자가 프로젝트 백서 작성하는 데 도움을 주었습니다. 프로젝트 개발의 주요 이벤트는 표 1-1에 나와 있습니다.
표 1-1 Bittensor 개발 주요 이벤트 정보 통계표
공식 출시의 주요 시점으로 볼 때, 팀은 기술 개발 분야에서 탄탄한 기술적 기반을 갖추고 있음을 알 수 있습니다. 그러나 프로젝트의 경제 모델 설계, 특히 TAO 토큰 분배 메커니즘은 Yuma Rao라는 신비한 개발자에 의해 만들어졌습니다. 따라서 TAO 토큰 배포를 위한 합의 메커니즘인 Yuma Consensus도 명명되어 Yuma Rao를 TAO 토큰의 "사토시 나카모토 씨"로 알려 프로젝트 진행에 있어 그의 핵심 위치를 강조하게 되었습니다.
동일한 트랙의 프로젝트와 비교한 혁신
암호화폐 시장의 AI 트랙은 해시레이트, 알고리즘 및 모델의 세 가지 세부 트랙으로 나눌 수 있습니다. Bittensor는 알고리즘 트랙의 선구자로서 다른 프로젝트와는 다른 많은 혁신을 가지고 있습니다.
- 비즈니스 모델 혁신: 해시레이트 집합 거래에 초점을 맞춘 많은 프로젝트의 맥락에서 Bittensor는 처음으로 알고리즘 집합 거래 모델을 혁신적으로 제안하여 이 분야에서 획기적인 발전을 이루었고 관련 시장 발전을 위한 새로운 경로를 제공했습니다.
- MOE(분산형 혼합 전문가 모델): 각 하위 네트워크는 데이터의 특정 측면에 초점을 맞춥니다. 새로운 데이터가 도입되면 하위 네트워크가 협력하여 집단을 형성하고 이 답변의 속도와 품질이 훨씬 더 높아집니다. 기존의 단일 문제 해결 모델보다
- 디지털 하이브 마인드 : Bittensor는 네트워크 노드 간의 협업 학습을 장려하여 성능과 정확성을 향상시킵니다. 인간 두뇌의 뉴런이 함께 작동하는 방식과 유사하게 이 프로세스에는 노드 간에 데이터 샘플과 모델 매개변수를 교환하여 시간이 지남에 따라 자체적으로 최적화되는 네트워크를 형성하여 보다 정확한 예측을 달성하는 작업이 포함됩니다.
프로젝트 모델
업무 모델
Bittensor 경제 시스템은 사용자, 검증자, 채굴자의 세 가지 역할로 구성됩니다.
- 채굴자: 채굴자의 임무는 인공지능 모델을 호스팅하고 이를 네트워크에 제공하는 것입니다. 그들은 모델의 운영을 유지하고 보장하는 일을 담당합니다. 네트워크에 대한 채굴자의 기여도에 따라 상응하는 보상을 받게 됩니다. 채굴자들의 주요 성공 요인은 비용 절감과 고품질 서비스 제공입니다.
- 검증자: 검증자는 서브넷 검증자와 메인넷 검증자로 구분됩니다. 서브넷 검증자의 임무는 채굴자의 제품 및 서비스 품질을 평가하는 것입니다. 메인넷 검증자는 각 서브넷에서 제공하는 결과의 품질을 평가하는 데 사용됩니다. 또한 사용자 요구와 채굴자 서비스 간의 라우팅 노드이기도 합니다. 메인 네트워크 검증자는 스테이킹 금액이 가장 많은 서브넷 검증자이므로 검증자의 주요 성공 요인은 모기지 금액이 클수록 최종 평가 결과에 대한 검증자의 영향력이 커집니다.
- 사용자: 고품질 결과를 원하는 최종 사용자와 AI 서비스를 사용하여 애플리케이션을 구축하는 개발자입니다.
Bittensor 업무 프로세스는 그림 2-1에 나와 있습니다.
그림 2-1 Bittensor 업무 프로세스 다이어그램
공식 문서에는 네트워크 내 서비스 이용에 대해 사용자에게 요금이 부과되는지 여부가 언급되어 있지 않습니다. 향후 서비스 수익에 대한 배분 계획은 아직 명확하게 명시되지 않았습니다. 따라서 현재 네트워크 운영은 전적으로 TAO 토큰 발행에 달려 있으며 이는 프로젝트가 아직 초기 단계에 있음을 나타냅니다.
YUMA 합의
Yuma Consensus는 새로 생산된 TAO 토큰의 배포 방법을 결정하는 데 사용되는 합의 메커니즘입니다. 그 혁신은 인공 지능 모델의 출력 결과와 모델 지지자의 작업 품질을 평가하기 위한 완전한 평가 시스템을 제공하는 데 있습니다.
TAO 토큰의 배포는 3단계로 나누어집니다:
- 메인넷 검증인은 32개의 서브넷에 점수를 매기고 Yuma Consensus를 사용하여 각 서브넷에 할당할 수 있는 토큰 수를 계산합니다.
- 각 서브넷에 할당된 보상 중 18%는 메인넷 생성자에게 할당되고, 41%는 서브넷 검증자에게 할당되며, 41%는 서브넷 채굴자에게 할당됩니다. 각 채굴자와 검증자의 할당 수는 Yuma Consensus에 의해 결정됩니다.
- 서브넷에서 서브넷 검증자는 채굴자의 서비스 품질을 평가합니다. 이를 바탕으로 Yuma Consensus는 각 서브넷 검증자가 스테이킹 TAO 수를 가중치로 사용하여 각 채굴자가 받을 수 있는 토큰 수를 계산합니다. 각 서브넷 검증자가 받을 수 있는 보상은 서브넷 검증자의 평가 결과가 최종 합의 결과에 가까울수록 보상을 받는 비율이 높아지며, 그 반대의 경우도 마찬가지입니다. 합의는 가해자가 악을 저지르는 메커니즘을 방해합니다.
토큰 모델
토큰 분배
TAO의 총량은 2,100만개입니다. 백서 에 따르면, 프로젝트 당사자가 토큰을 사전 채굴하지 않습니다. 처음부터 채굴자가 적극적으로 참여하여 토큰을 생성해야 합니다. 네트워크.
현재, 664만개의 TAO 토큰이 유통되었으며, 이는 최대 공급량 의 31.64%를 차지합니다. 토큰 분포 통계는 그림 2-2에 나와 있습니다.
그림 2-2 TAO 토큰 배분 비율 통계 차트(데이터 소스, Bittensor 블록체인 브라우저)
백서 에 따르면 Bittensor 네트워크는 약 45년에 걸쳐 64번의 반감 반감 수행할 예정이며 구체적인 반감 시간은 그림 2-3에 나와 있습니다. 각 블록에 대한 보상은 1 TAO이며, 이는 약 12초마다 배포되며, 매일 총 7,200개의 TAO 토큰이 배포됩니다. 이러한 보상은 채굴자와 검증자에게 분배됩니다.
스테이킹 모델
서브넷 검증자가 되려면 TAO 토큰을 스테이킹 해야 합니다. 특정 서브넷에서 가장 큰 64개의 서브넷 검증자만 라이선스가 있는 검증자로 간주되며 라이선스가 있는 서브넷 검증자만 보상을 받을 수 있습니다.
일반 사용자는 TAO를 서브넷 검증자에게 스테이킹 하고 TAO 토큰 보상을 누릴 수 있습니다.
순환 공급량의 85.3%가 스테이킹 되었습니다. 이 데이터는 다음 정보를 나타냅니다.
- Opentensor 재단은 시작 단계에서 대량 의 토큰을 채굴했으며 이 토큰은 공식 채굴 풀로서 더 많은 TAO 스테이킹 유치 스테이킹 때문에 항상 스테이킹 목록의 최상위에 있었습니다.
- 신규 사용자는 TAO 토큰의 미래 가격 전망에 대해 낙관적이었고 그들이 받은 토큰을 스테이킹.
따라서 TAO 토큰 스테이킹 모델은 단순하지만 생태학적 참여자의 낙관적인 성향을 반영합니다.
TAO의 가치판단
Bittensor 네트워크에서 TAO는 중앙집중식 파괴나 주기적인 파괴가 없기 때문에 토큰의 총량은 계속해서 인플레이션 상태를 유지하지만 인플레이션율은 시간이 지나면서 계속 감소하게 되는데 이는 비트코인 인플레이션 메커니즘과 유사합니다. .
유통 스테이킹 비율은 토큰 가격을 측정하는 주요 기준 요소가 되었습니다. 유통 스테이킹 비율 = 총 스테이킹 토큰 수/총 발행 토큰 수입니다.
- 스테이킹 율이 85% 정도일 때 TAO의 전망은 안정적이라고 볼 수 있습니다.
- 스테이킹 율이 90%를 넘으면 TAO의 전망은 낙관적이라고 볼 수 있습니다.
- 스테이킹 률이 80% 미만일 경우 TAO의 전망은 비관적이라고 볼 수 있습니다.
정리하자면, 현재 TAO의 투자 가치는 스테이킹 보상에 있고, 선도 가치는 TAO를 사용하여 서비스를 구매하는 사용자에게 있습니다. TAO의 가격이 상승하면 채굴자와 검증자의 수입이 늘어나 더 나은 AI 모델(채굴자와 검증자)이 유입됩니다. 검증자)가 가입하면 서비스 품질이 향상되어 더 많은 사용자를 유치하고 성장 플라이휠을 형성합니다.
토큰 가격 성과
코인게코(Coingecko) 통계에 따르면 TAO의 가격은 2023년 4월 거래를 시작한 이후 10배(50~500달러) 올랐습니다. 주요 거래 장소는 Gate, MEXC, Binance이며 일일 거래량은 1,600만 달러이며 유통 시총 1,600만 달러입니다. 약 45억개(발행된 토큰의 시총- 스테이킹 토큰의 시총) 회전율은 5% 미만으로 낮은 수준입니다. 이는 시장의 대부분의 투자자가 TAO에 익숙하지 않고 거래 동기가 부족함을 나타냅니다. .
프로젝트 리스크
- 중앙화 리스크: 위에서 언급한 것처럼 Opentensor 재단은 스테이킹 금액의 23.4%를 통제하고 있으며 이 비율은 계속 상승 하고 있으므로 Bittensor의 탈중앙화 정도를 개선해야 합니다.
- Yuma 합의의 단점: 메인 네트워크 검증자는 64개의 서브넷 검증자 중 가장 강력한 검증자가 동시에 서비스를 제공하며, 모델 평가 결과의 객관성은 TAO 보유자의 실제 평가에 전적으로 의존하지 않습니다. 검증자가 서브넷에 부분적으로 참여하여 사용자가 얻은 평가 결과가 최선의 선택이 아니라 더 많은 보상을 얻기 위해 검증자가 내린 비객관적 판단이 되는 경우도 발생할 수 있습니다.
- 서브넷 수 제한: OpenAI와 같은 대기업과 경쟁하려면 32개의 간단한 AI 모델만으로는 충분하지 않습니다. 그러나 검증인 수의 제한으로 인해 더 많은 서브넷을 추가하는 것은 불가능하며, 이에 따라 더 많은 모델을 추가할 수 없습니다.
최근 개발
공식 Discord 토론 요약에 따르면 향후 다음 두 가지 제안이 구현될 수 있습니다.
- 서브넷 작업의 품질을 평가할 수 있는 권한이 소수의 검증자 대신 모든 TAO 보유자에게 이전되는 동적 TAO 메커니즘의 확립에 대해 논의합니다.
- 메인넷 검증자 수 제한을 해제하고, 서브넷 수 상한을 1024개로 늘리고, 새 모델이 Bittensor에 액세스할 수 있는 임계값을 낮추는 것에 대해 논의합니다.
이 두 가지 제안이 성공적으로 구현되면 Bittensor의 탈중앙화 수준은 크게 향상되고, 모델 유형은 더욱 풍부해지며, 상업적 경쟁력도 더욱 강화될 것입니다.
요약하다
현재 모든 유형의 투자자들은 AI 컨셉 자산에 유례없는 관심을 기울이고 있습니다. 해시레이트 과 알고리즘은 AI 개발에서 돌파구가 시급히 필요한 두 가지 주요 영역이 되었습니다. 알고리즘 집계 개념의 선구자로서 Bittensor는 Yuma Consensus를 통해 모델 품질에 대한 합의 평가 시스템을 구축하여 다양한 유형의 AI를 통합했습니다. 사용자 요구를 더 잘 충족시키는 알고리즘. 동시에 Bittensor는 더욱 강력한 탈중앙화 AI 모델을 만드는 것을 목표로 다양한 서브넷 간의 지식 공유를 장려하고 다양한 알고리즘 간의 공동 연구를 촉진합니다. 이번 프로젝트는 AI 분야의 혁신적 발전을 촉진하고 업계를 한 단계 더 발전시킬 것으로 기대돼 주목받을 만하다.
웹 사이트: 프론티어 연구소
X에서 Frontier Lab을 팔로우하세요 .
텔레그램 채널: https://t.me/frontierlab
