深入解析 Bittensor：34 个子网的全景图与未来展望

Bittensor（TAO）是今年第一个在 Binance 上市的 AI 币。本以为这是 AI 赛道全面开启的第一步，没想到却成了短期的「最后一步」。自 4 月 11 日上线后，TAO 的价格便开始了一落千丈的走势，至今仍然没有回升的态势。

紧随着币价下跌的，是社区对这个项目的有效性的争论越来越激烈。这一切肇始于 3 月 30 日 Taproot Wizards 联合创始人 Eric Wall 在社交媒体上对 Bittensor（TAO）发出的一连串尖锐质疑，如今已经创下接近 200 万的阅读量。

Eric Wall 的核心观点可以归纳为：

• 子网 1 中众多矿工重复执行相同的语言模型来回答提示，效率低下且资源浪费。一个矿工就能完成任务，没必要上千个矿工并行。
• 子网 1 的验证机制过于简单，只比对答案相似度，矿工容易投机取巧、作弊。
• 目前子网 1 仅在内部运行，普通用户无法使用，没有实用价值。
• Bittensor 项目只是在炒作「去中心化 AI」概念，忽悠散户投资者，让代币价格虚高。

这些质疑虽然直指 Bittensor 的一些痛处，但未免也有以偏概全、一叶障目之嫌。多矿工冗余看似低效，实则是分布式协作的必经之路。Bittensor 的目标是打造一个全球规模的 AI 网络，冗余是必要成本，而非设计缺陷。

验证机制目前还比较初级，但 Bittensor 一直在积极改进。最新的计划包括引入 Commit-Reveal 权重机制，通过延迟公开矿工提交的权重，Commit-Reveal 机制能够很好地遏制投机取巧的抄袭行为。

子网 1 作为 Bittensor 的第一个子网，其定位主要是在进行内部训练和测试。但 Bittensor 生态已经拓展到数十个面向不同应用场景的子网，它们在搜索、医疗、教育、游戏等领域提供了切实的价值。将 Bittensor 简单地归类为「AI meme 币」，并以此否定其价值，本身就是一种非理性和短视的做法。

尽管面对这些质疑和挑战，Bittensor 并未停滞不前。相反，它在不断扩展和改进自身网络。5 月 12 日，Bittensor 宣布将每周增加 4 个子网插槽，直至达到新的 64 个插槽上限，今年的目标是迈向 1024 个子网。

截至目前，Bittensor 已经拥有 34 个子网，这些子网覆盖了多个领域，充分展示了去中心化 AI 的潜力和多样性。接下来，本文将从内容生成、数据搜集与处理、LLM 生态系统、去中心化基础设施、DeFi 和其他应用六个领域对这些子网进行逐一介绍，以期读者能够对 Bittensor 生态有一个全面清晰的认知。

内容生成

内容生成类别的子网为文本、图像、音频、视频的生成和优化提供平台。

文本提示（子网 1）：由 Opentensor 基金会开发，是专门用于文本生成的去中心化子网。它利用大型语言模型（如 GPT-3、GPT-4 等）进行提示和推理，矿工提供 AI 服务，验证者负责验证预测结果。

MyShell TTS（子网 3）：由 MyShell 开发，专注于文本转语音（TTS）技术。该子网开发和优化开源 TTS 模型，如 OpenVoice 和 MeloTTS，矿工负责训练模型，验证者评估模型性能，致力于创建高质量的开源 TTS 模型。

Multi Modality（子网 4）：由 Manifold 开发，专注于多模态 AI 系统，处理和生成跨多种数据类型和格式的信息，包括文本、图像和音频。

Three Gen（子网 17）：是一个专注于 AI 驱动的 3D 内容生成的去中心化子网。Three Gen 子网利用 AI 技术生成 3D 模型和内容，矿工和验证者通过贡献计算资源和验证生成内容的质量来获得奖励，推动 3D 内容生成技术的发展。

Cortex.t（子网 18）：由 Corcel 开发，是一个专注于 AI 开发和合成数据生成的去中心化子网。

Vision（子网 19）：是一个专注于图像生成和推理的去中心化子网。Vision 子网利用分布式规模推理子网（DSIS）框架，最大化 Bittensor 网络的产出能力，允许矿工自由选择技术堆栈处理需求并生成响应。验证者从前端接收需求并分发给矿工，评估其表现，使图像生成过程更加高效。

Niche Image（子网 23）：是一个专注于去中心化图像生成的子网。Niche Image 支持多种图像生成模型，矿工通过贡献计算资源生成图像，并根据质量获得奖励，不断引入新模型和功能满足用户需求。

TensorAlchemy（子网 26）：是一个专注于人类评分和去中心化图像生成的子网。通过人类评分评估图像生成模型的输出，并根据评分和生成的图像质量奖励矿工，计划在艺术创作和广告等领域应用其技术。

Fractal（子网 29）：由 Fractal Research 开发，是一个专注于文本生成视频的去中心化子网。该子网利用网格扩散模型和边缘节点推理技术，通过分布式节点处理文本生成视频任务。

WomboAl（子网 30）：是一个专注于图像生成和社交分享的去中心化子网。WomboAl 子网通过 Bittensor 网络生成高质量图像，并支持用户通过 WOMBO Dream 和 WOMBO Me 等应用分享图像。

数据搜集与处理

数据收集与处理类别中的子网专注于去中心化的数据搜集、存储和分析服务。通过构建分布式的索引层和数据处理框架，这些子网能够处理大规模数据集，并为其他子网和用户提供数据支持。

Open Kaito（子网 5）：由 Kaito AI 开发，旨在为 Web3 提供去中心化搜索和分析服务。该子网构建去中心化的索引层，支持对 Web3 内容的智能搜索和分析，通过 Bittensor 的激励系统，鼓励矿工创新解决索引任务。

Dataverse（子网 13）：是一个专注于收集和存储大量数据的去中心化子网。Dataverse 子网从各种来源收集和存储数据，并为其他子网提供数据支持。矿工根据其贡献的数据量获得 TAO 代币奖励，验证者定期查询和验证数据的正确性。

Blockchain Insights（子网 15）：是一个专注于将原始区块链数据转化为结构化图模型的去中心化子网。该子网提供数据分析查询和结果可视化功能，支持对区块链数据的深入分析，用户可以执行定制化查询。

Meta Search（子网 22）：由 Datura-ai 开发，是一个专注于 Twitter 数据分析的去中心化子网。Meta Search 利用 AI 技术对 Twitter 数据进行深入分析，提供实时数据访问和情感分析，帮助用户理解公众情绪和制定数据驱动决策。

关于【深入解析 Bittensor：34 个子网的全景图与未来展望】的延伸阅读

• 重新理解Marlin：AI下半场的可验证计算L0「新基建」

  Marlin是一种可验证云计算服务，利用加密技术保证数据安全，为AI+Web3应用提供低延迟、低成本的解决方案。它基于TEE和ZKP技术，为用户提供通用化的云计算方案，并通过激励机制吸引节点为网络贡献资源。Marlin的愿景是成为AI世界的可验证通用L0，为Oracle预言机、ZK Prover系统、AI人工智能等应用场景提供节点算力和存储等网络资源服务。它可以为AI大模型训练提供安全的计算环境，并为多元化应用场景提供可验证计算中间件。在AI+Web3时代，Marlin有巨大的价值潜力，可能成为未来AI+Web3应用的关键基础设施。

• Sam Altman 围绕 OpenAI 打造出一个致富帝国

  OpenAI首席执行官奥特曼同时经营副业，但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司，包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务，但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革，包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。

Omega Labs（子网 24）：由 Omega Labs 开发，是一个专注于创建去中心化多模态数据集的子网，收集视频、音频、文本等数据，为通用人工智能（AGI）的研究和开发提供支持，矿工根据贡献的数据获得奖励。

Conversation Genome Project（子网 33）：由 Afterparty AI 开发，是一个专注于去中心化对话数据处理和个性化 AI 访问的子网。该子网通过去中心化方式处理和索引大量对话数据，提供个性化的 AI 访问服务，矿工通过贡献计算资源获得奖励。

LLM 生态系统

LLM 生态系统类别中的子网专注于大型语言模型（LLM）的训练、微调、保护和优化。

Nous Finetuning（子网 6）：由 Nous Research 开发，专注于大型语言模型（LLM）微调。该子网奖励矿工使用合成数据对 LLM 进行微调，实现跨子网通信，并通过评估模型表现激励矿工。

Pretraining（子网 9）：由 Opentensor 基金会开发，专注于预训练大型语言模型。矿工在 Falcon Refined Web 数据集上训练模型，通过连续基准测试和验证机制提升模型性能。

Dippy Roleplay（子网 11）：由 Impel 开发，是一个专注于创建角色扮演模型的子网。Dippy Roleplay 通过去中心化的方式激励社区创建和优化角色扮演大型语言模型（LLM）。矿工和开发者根据其贡献的模型质量和性能获得 TAO 代币奖励。

LLM Defender（子网 14）：由 Synapsec AI 开发，是一个专注于保护大型语言模型（LLM）免受各种攻击的去中心化子网。LLM Defender 子网通过多个分析器和引擎检测和防止对 LLM 应用的攻击，利用去中心化的特性提供多层次的防御机制。

NAS Chain（子网 31）：是一个专注于神经架构搜索（NAS）的去中心化子网。NAS Chain 利用遗传算法和分布式计算资源优化神经网络架构，矿工通过贡献计算资源参与 NAS 任务，并根据其贡献获得奖励。

It's AI（子网 32）：是一个专注于检测大型语言模型（LLM）生成内容的去中心化子网。该子网利用 deberta-v3-large 模型识别由 LLM 生成的文本，应用于机器学习、教育、社交媒体等多个场景。验证者使用 The Pile 数据集确保检测系统的准确性和可靠性。

去中心化基础设施

去中心化基础设施类别中的子网通过提供分布式计算和存储资源提升网络的去中心化和稳定性。

Subvortex（子网 7）：通过激励机制鼓励矿工运行 subtensor 节点，增强 Bittensor 网络的去中心化和稳定性。该子网在全球范围内部署节点，具有低延迟和高冗余性，降低了参与门槛。

Horde（子网 12）：由 Backend Developers Ltd 开发，是一个专注于去中心化计算资源分配的子网。Horde 子网通过分布式计算的方式，将任务分配给不同的矿工节点，以提高任务处理的效率和速度。矿工根据其提供的计算资源和任务处理效率获得奖励，验证者评估矿工的工作质量。

Filetao（子网 21）：是一个去中心化的分布式存储子网。FileTAO 通过零知识证明空间时间算法实现高效、安全的存储系统，支持多层次验证机制和跨子网通信，矿工通过贡献存储空间获得奖励。

Compute（子网 27）：由 Neural Inτerneτ开发，是一个专注于去中心化计算资源分配的子网。Compute 子网提供无许可的计算市场，集成多个云平台形成统一的去中心化高层云计算基础设施，矿工通过贡献计算资源获得 TAO 代币奖励。

DeFi

DeFi 类别中的子网专注于去中心化金融服务的优化和创新，包括流动性质押、量化交易、收益优化和金融市场预测。

Omron（子网 2）：由 Inference Labs 开发，旨在通过人工智能和机器学习技术来优化和验证流动性质押和再质押策略。Omron 利用智能合约和验证节点，提供自动化的再质押策略，并通过零知识证明机制确保推理过程的真实性和安全性。

Proprietary Trading Network（子网 8）：由 Taoshi 公司开发，专注于去中心化量化交易信号。矿工贡献交易信号，覆盖多个金融市场，用户可以获得高质量的交易信号。

Sturdy（子网 10）：由 Sturdy Finance 开发，是一个专注于去中心化收益优化的子网。Sturdy 子网允许矿工通过智能合约将资产分配到不同的策略池中，以实现最高的收益。矿工根据分配策略产生的收益多少来获得奖励，验证者评估矿工的分配策略，并根据收益表现对其进行评分。

Foundry S&P 500 Oracle（子网 28）：由 Foundry Digital LLC 开发，是一个专注于金融市场预测的去中心化子网。该子网激励矿工预测 S&P 500 指数的价格，并通过验证者评估预测结果。

其他应用

其他应用类别的子网涵盖广告分发、任务管理、蛋白质折叠研究和医疗保健等领域。

BitAds（子网 16）：是一个去中心化和激励化的广告子网。BitAds 子网通过去中心化的方式分发广告任务，矿工通过推广广告链接生成有机流量并获得 TAO 代币奖励。

BitAgent（子网 20）：是一个专注于任务和工作流管理的去中心化子网。BitAgent 结合大型语言模型（LLM）和用户常用应用，提供智能代理服务，简化日常任务和工作流管理。矿工根据表现进行竞争，并根据任务完成情况获得 TAO 代币奖励。

Protein Folding（子网 25）：由 Opentensor 基金会开发，是一个专注于蛋白质折叠研究的去中心化子网。通过分布式计算资源进行蛋白质折叠研究，矿工根据贡献的计算能力获得奖励，为生物医学研究提供平台。

Healthi（子网 34）：由 Healthi Labs 开发，是一个专注于利用人工智能（AI）提升医疗保健服务的去中心化子网。Healthi 子网利用 AI 模型进行临床预测任务，通过去中心化方式管理和处理医疗数据，确保数据的安全性和隐私性。智能合约简化保险流程，提高医疗服务的效率。

结语：Bittensor 的新兴应用趋势

正如前 Messari 研究员 Sami Kassab 在最近的一篇文章中所指出的，Bittensor 目前出现了两大新兴应用趋势：一是项目方将技术创新外包给 Bittensor 子网，如 Kaito AI 通过 Bittensor 外包搜索引擎的研发工作；二是项目将 Bittensor 作为激励层，快速聚集矿工资源，为其网络提供数字商品供给，如 Inference Labs 通过启动 Omron 子网来引导 zk provers 和模型推理器的供应。

随着 Bittensor 对子网的扩容，未来可能出现更多项目选择将技术栈的特定组件外包给 Bittensor，这将成为 Bittensor 的第三大应用场景。Bittensor 正在加速 AI 行业的专业化分工，并推动更多原创性项目涌现。随着参与者的增多，Bittensor 生态预计可以形成一个正向循环，迎来蓬勃发展的新阶段。

免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：思维怪怪，如有侵权请联系删除。转载或引用请注明文章出处！

标签：AIBittensor中心化基本设施领域