0

0

为什么说Bittensor是AI赛道的“比特币”?

碧海醫心

碧海醫心

发布时间:2025-03-03 21:20:02

|

748人浏览过

|

来源于PANews

转载

原文标题:bittensor = ai bitcoin?

原文作者:S4mmyEth,Decentralized AI Research

原文编译:zhouzhou,BlockBeats

编者按:本文讨论了 Bittensor,一个去中心化的 AI 平台,希望通过区块链技术打破集中式 AI 公司的垄断,推动开放、协作的 AI 生态系统。Bittensor 采用子网模型,允许不同 AI 解决方案的出现,并通过 TAO 代币激励创新。尽管 AI 市场已成熟,但 Bittensor 面临竞争风险,可能会受到其他开源 AI 框架的影响,继续深入研究子网,分析其应用和发展潜力,并关注 Bittensor 如何推动去中心化 AI 的未来。

以下为原文内容(为便于阅读理解,原内容有所整编):

随着 2025 年 11 月 Bittensor 首次减半的临近,越来越多的猜测认为这可能会与比特币的历史价格周期相似——只是这一次,人工智能成为了核心。

引言

人工智能的崛起一直由 OpenAI、谷歌和 Meta 等中心化实体主导。尽管这些公司推动了令人难以置信的技术进展,但它们也对 AI 的发展、数据访问和货币化保持着严格的控制。

此时,Bittensor(TAO)应运而生——一个去中心化的 AI 市场,旨在通过创造一个点对点的经济模式来颠覆传统的商业模式,在这个模式中,贡献者(无论是提供计算资源、AI 模型还是数据)都能直接获得奖励。

Bittensor 提供了一种透明且具有激励性的 AI 创新方法,具有与比特币网络激励相似的特点。

其目标是实现 AI 的民主化,确保没有任何单一实体对机器智能拥有过多控制权。

本分析将探讨 Bittensor 如何运作、其独特的子网结构、代币激励机制,以及为什么它可能是去中心化 AI 开发最具吸引力的案例之一。

目录

什么是 Bittensor?

Bittensor 如何运作

与比特币的比较

子网生态系统

网络激励与动态 TAO

与中心化 AI 公司的关键区别

结论

什么是 Bittensor?

Bittensor 是一个去中心化的基于区块链的网络,旨在促进 AI 模型的协作开发、共享和改进。

为什么要关注?

与传统的中心化 AI 系统(如 OpenAI)不同,Bittensor 创建了一个开放的点对点生态系统。参与者会因其贡献(如计算资源、数据或 AI 模型)而获得奖励。

Bittensor 的使命是让 AI 更加民主化,使其更易于获取,并减少由少数大公司控制的情况。

与比特币的比较

AI 并不会消失,它是一个宏观趋势,将融入各个行业。这里面藏着机会。如果 Bittensor 成为开放源代码 AI 的关键去中心化网络,并且机构投资者熟悉比特币的减半机制,那么 TAO 可能成为一个非常有吸引力的投资资产。

Bittensor 采用了与比特币相似的减半机制;TAO 的首次减半预计将在今年 11 月发生。

比特币的首次减半发生在 2012 年 11 月 28 日,此后市值暴涨了 13,125 倍:

为什么说Bittensor是AI赛道的“比特币”?

我认为 TAO 会从这里涨到 13,000 倍吗?

绝对不会,那样太疯狂了。它现在的市值已经达到 29 亿美元(价格:342 美元),而我们现在的市场状况显然比 2012 年更加成熟。所以可以说,当前网络的状态中,很多投机因素已经反映在价格中了。

但是,Bittensor 网络的协作开源特性意味着开发速度非常快,呈现出抛物线式的增长。

任何来自子网的开发、激励或创新都可以被复制到其他子网上,从而提升整个生态系统的水平。

你可以认为其中某个 Alpha 代币(子网代币)在达到多倍增长的潜力上可能更大,但也有选错代币的风险。那么,让我们深入了解它是如何运作的。

Bittensor 如何运作?

Bittensor 作为一个机器智能市场运行,由 TAO 提供动力。由 mogmachine 创建的 Tao Stats 网站提供了一个很好的仪表板,可以查看目前已有的 70 个子网:

为什么说Bittensor是AI赛道的“比特币”?

对 TAO 生态系统进行索引并非易事,因此像这样的用户界面(UI)以有意义的方式汇总数据,以便进行分析。TAO 生态系统的关键参与者可以分为以下几类:

为什么说Bittensor是AI赛道的“比特币”?

最终,价值的积累来自于应用开发者和最终用户,他们创建利用 Bittensor 子网 AI 模型的产品。Cookiedotfun 最近推出了一个仪表板,突出了部分利用 Bittensor 的代理:

为什么说Bittensor是AI赛道的“比特币”?

目前只有 12 个列出,但随着更多应用利用 Bittensor,预计这一数字会增长:

为什么说Bittensor是AI赛道的“比特币”?

但是,仪表板只涵盖了利用 Bittensor 的代理,随着它们进入市场,未来会逐步增加更多内容。许多协议也使用 Bittensor 进行 AI 集成。

子网生态系统

子网 1(根子网)专门用于文本提示,由 opentensor 基金会拥有;目前它持有大部分质押的 TAO,总市值为 20.9 亿美元。2023 年 10 月,网络扩展了更多子网,现在共有 69 个子网,这些子网由基金会之外的第三方拥有。这是 old samster 在 Crucible Labs 对这些子网的一个精彩划分:

为什么说Bittensor是AI赛道的“比特币”?

每个子网专注于特定的 AI 相关任务,并作为独立的市场,参与者在其中进行合作和竞争。如果你正在构建一个应用程序,那么其中一个子网可能会通过 AI 增强你提供的解决方案。有些人将 TAO 的子网比作「加速版的虚拟机」,认为通过竞标特定的子网,可能会带来未来高活跃度的机会。hmalviya9 指出子网 5(OpenKaito)作为一个机会,尤其是在 KAITO 空投的近期热潮中:

为什么说Bittensor是AI赛道的“比特币”?

但在你全力出击购买子网代币之前,确保你了解每个子网的排放机制以及核心价值主张。目前,所有 70 个子网的总市值为 7250 万美元,注册一个子网目前需要 408 个 TAO(约 15.1 万美元),且现在是不可退款的:

为什么说Bittensor是AI赛道的“比特币”?

有点像将 Virtuals io 的代币锁定在 LP 中,为单个代理提供服务。但在这种情况下,每个子网都拥有独特的价值主张,可以被现实世界的应用程序利用,以提高效率。

因此,子网必须具备强大的价值主张,才能保持可行性。如果你匆忙购买了某个特定的子网代币,可能会导致该子网逐渐消失,价格也会相应下跌。

示例子网

你可能熟悉的一些子网来自于以下整体应用程序:

  • Open Kaito ai(子网 5):用于为 KAITO 提供 AI 算法支持
  • Sports Tensor(子网 41):用于为 askBillyBets 等代理提供支持
  • Synth(子网 50):用于对加密资产定价进行预测分析,并集成到 Modenetwork 的 DeFAI 解决方案中

网络激励

TAO 代币的激励是基于「Yuma 共识」模型进行分配的。这个模型根据子网的活动分配奖励,进一步推动每个子网为其构建的应用程序创造真实的价值。

动态 TAO(将于 2025 年 2 月 13 日上线)是一个新的层级,用于微调奖励的经济学,使得排放更加灵活,并与整体网络活动挂钩,而不再单纯依赖于先前的「比特币减半」机制。

子网必须为其 Alpha 代币(子网代币)创造实际需求,才能赚取更多 TAO,从而创造一个竞争环境,其中实用性驱动成功。

如果想更全面地了解这一点,可以阅读 0xprismatic 的文章。

为什么说Bittensor是AI赛道的“比特币”?

与集中式 AI 公司的关键区别因素

为什么我们需要开发一个去中心化的替代方案来挑战像 OpenAI 这样的公司?

归根结底,集中式模型依赖于不透明的黑盒、内部团队,并在孤立的环境中开发解决方案。而去中心化模型则提供了更高的透明度,并且允许更多的贡献者以协作的方式参与其中。下面是一个更全面的比较:

为什么说Bittensor是AI赛道的“比特币”?

结论

Bittensor 代表了 AI 发展的范式转变——从集中控制转向更加开放、由同行驱动的生态系统。该网络的子网模型允许专门化的 AI 解决方案的出现,同时 TAO 的激励结构确保只有最有用和最创新的子网能够繁荣发展。

随着动态 TAO 的引入,该协议现在有了一个适应性经济模型,奖励真实世界的实用性和参与度。然而,投资者和开发者在进入之前必须仔细评估子网,因为只有最强的项目才能维持长期价值。

随着 2025 年 11 月 Bittensor 首次减半的临近,越来越多的猜测认为这可能会类似于比特币的历史价格周期——不同的是,这次 AI 成为了中心。然而,需要记住的是,市场已经成熟,我们刚刚经历了一轮初步的 AI 热潮,并且存在风险,其他开源 AI 贡献者可能创建同样有价值的框架或网络,这可能会减少对 TAO 代币的价值积累。

无论 Bittensor 最终是否成为去中心化 AI 的支柱,还是仅仅作为一个开创性的实验,它已经引发了关于 AI 治理、可访问性和创新未来的重要讨论。

原文链接

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

通义千问
通义千问

阿里巴巴推出的全能AI助手

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
页面置换算法
页面置换算法

页面置换算法是操作系统中用来决定在内存中哪些页面应该被换出以便为新的页面提供空间的算法。本专题为大家提供页面置换算法的相关文章,大家可以免费体验。

494

2023.08.14

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

22

2026.03.10

Kotlin Android模块化架构与组件化开发实践
Kotlin Android模块化架构与组件化开发实践

本专题围绕 Kotlin 在 Android 应用开发中的架构实践展开,重点讲解模块化设计与组件化开发的实现思路。内容包括项目模块拆分策略、公共组件封装、依赖管理优化、路由通信机制以及大型项目的工程化管理方法。通过真实项目案例分析,帮助开发者构建结构清晰、易扩展且维护成本低的 Android 应用架构体系,提升团队协作效率与项目迭代速度。

48

2026.03.09

JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

93

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

216

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

413

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

143

2026.03.04

Swift iOS架构设计与MVVM模式实战
Swift iOS架构设计与MVVM模式实战

本专题聚焦 Swift 在 iOS 应用架构设计中的实践,系统讲解 MVVM 模式的核心思想、数据绑定机制、模块拆分策略以及组件化开发方法。内容涵盖网络层封装、状态管理、依赖注入与性能优化技巧。通过完整项目案例,帮助开发者构建结构清晰、可维护性强的 iOS 应用架构体系。

221

2026.03.03

C++高性能网络编程与Reactor模型实践
C++高性能网络编程与Reactor模型实践

本专题围绕 C++ 在高性能网络服务开发中的应用展开,深入讲解 Socket 编程、多路复用机制、Reactor 模型设计原理以及线程池协作策略。内容涵盖 epoll 实现机制、内存管理优化、连接管理策略与高并发场景下的性能调优方法。通过构建高并发网络服务器实战案例,帮助开发者掌握 C++ 在底层系统与网络通信领域的核心技术。

31

2026.03.03

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
550W粉丝大佬手把手从零学JavaScript
550W粉丝大佬手把手从零学JavaScript

共1课时 | 0.4万人学习

尚硅谷JavaScript高级视频教程
尚硅谷JavaScript高级视频教程

共48课时 | 15万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号