執筆者: Chloe Zheng

Sequoia Capital による 2023 年の調査によると、開発者の 85% は、モデルをゼロからトレーニングするのではなく、既存のモデルを微調整することを好みます。最近の傾向はこれをさらに裏付けています。DeepSeek はモデルをオープンソース化し、モデル蒸留テクノロジを導入しました。このテクノロジは、推論ロジックを教師モデル (大規模モデル) から生徒モデル (小規模モデル) に渡して、知識の圧縮とパフォーマンスの保持を最適化します。同様に、OpenAI の ChatGPT O3 バージョンも、トレーニング後の学習と強化学習を重視しています。 Bittensor は、AI モデルのコラボレーションと共有をサポートするオープンな分散型プラットフォームを提供します。 2024年7月、BittensorとCerebrasはBTLM-3b-8kオープンソース大規模言語モデル（LLM）をリリースしました。これはHugging Faceで16,000回以上ダウンロードされ、Bittensorの技術的能力を十分に実証しました。

Bittensorは2021年に発売されましたが、2024年第4四半期のAIエージェントブームの際にはほとんど登場せず、トークン価格は停滞したままです。 2025年2月13日、Bittensorはトークン発行の最適化、公平性の向上、流動性の向上を目的としたdTAOアップグレードを開始しました。この変更は、Virtuals ProtocolによるAIエージェントローンチパッドの立ち上げに似ており、その影響で$VIRTUALの時価総額は2024年に50倍に急上昇しました。

レポート「dTAOとBittensorの進化：市場主導のインセンティブによるオープンソースAIエコシステムの再構築」では、2月13日に完了したdTAOのアップグレードがBittensorエコシステムに与える影響を、そのアーキテクチャの革新、経済モデル、全体的なエコロジカルダイナミクスに焦点を当てて深く分析しています。

Bittensor システム内のアカウント数は、2024 年初頭の 100,000 から 200,000 近くにまで 100% 増加しました。

1. Bittensor の基本アーキテクチャ

Bittensor システムは、次の 3 つの主要モジュールで構成されています。

1. Subtensor パラチェーンとその EVM 互換性レイヤー (tao evm):Subtensor は、Polkadot の Substrate SDK に基づいて開発されたレイヤー 1 ブロックチェーンであり、Bittensor ネットワークのブロックチェーン レイヤーの管理を担当します。 EVM 互換性レイヤー (tao evm) により、開発者はネットワーク上で Ethereum スマート コントラクトを展開および実行することができ、システムのスケーラビリティと互換性が向上します。 Subtensor ブロックチェーンは 12 秒ごとにブロックを生成し、各ブロックは 1 つの TAO トークンを生成します。さらに、Subtensor はバリデーターのスコア重みやステークされたトークンの数など、サブネット内の主要なアクティビティを記録します。 360 ブロック（約 72 分）ごとに、64 のサブネットで取得されるトークン（Emissions）が Yuma コンセンサス アルゴリズムを通じて計算されます。

2.サブネット: Bittensor ネットワークは 64 個のサブネットで構成され、各サブネットは特定の種類の AI モデルまたはアプリケーション シナリオに重点を置いています。このモジュール構造により、ネットワークの効率とパフォーマンスが向上し、さまざまな AI モデルの特化が促進されます。各サブネットのインセンティブ メカニズムはサブネット所有者によって設定され、マイナーとバリデーター間でトークンがどのように分配されるかを決定します。たとえば、サブネット 1 は Opentensor Foundation によって運営されており、タスクはテキスト プロンプトです。このサブネットでは、バリデーターが ChatGPT に似たプロンプトを提供し、マイナーはプロンプトに基づいて回答し、バリデーターは回答の質に基づいてマイナーをランク付けし、定期的に重みを更新して Subtensor ブロックチェーンにアップロードします。ブロックチェーンは 360 ブロックごとに Yuma コンセンサス計算を実行し、サブネットのトークンリリースを割り当てます。

3.ルート サブネット: ネットワークの中核として、ルート サブネットはすべてのサブネットの動作を調整および管理し、ネットワーク全体の調整と安定性を確保する役割を担います。

さらに、Bittensor API は、サブネット バリデーターと Subtensor ブロックチェーン上の Yuma コンセンサス間のトランスポートおよび接続として機能します。同じサブネット内のバリデーターは、同じサブネット内のマイナーにのみ接続します。異なるサブネット内のバリデーターとマイナーは相互に通信および接続しません。

このアーキテクチャ設計により、Bittensor はブロックチェーン テクノロジーと人工知能を効果的に統合し、分散型で効率的な AI エコシステムを構築できます。

Subtensor EVM 互換レイヤー tao evm は、2024 年 12 月 30 日に正式にリリースされる予定です。Ethereum スマート コントラクトを変更することなく、Subtensor ブロックチェーンにデプロイして操作することができます。同時に、すべての EVM 操作は Subtensor ブロックチェーン上でのみ実行され、Ethereum とは対話しません。つまり、Bittensor 上のスマート コントラクトは Bittensor ネットワークに限定されており、Ethereum メインネットとは関係がありません。現在、Tao EVM はまだかなり初期段階にあります。これには、TAO が支援する最初のステーブルコイン、分散型取引所、TAO トークンの流動性ステーキング バージョンなど、AI ベースの DeFi インフラストラクチャの開発を計画しているエコシステム プロジェクト TaoFi が含まれます。

1.1 アカウント システム

1.1.1 Coldkey-Hotkey デュアル キー システム

dTAO のアカウント システムは、より高いセキュリティと柔軟性を確保するために Coldkey-Hotkey デュアル キー メカニズムを採用しています。ウォレットを作成する際、ユーザーは Chrome 拡張機能経由でウォレットを生成するか、ローカルで生成するかを選択できます。 Chrome 拡張機能を通じて作成されたウォレットは、TAO の保存、送信、受信に使用されます。システムは、コールドキー (通常 5 で始まる 48 文字) と 12 語のニーモニックを生成します。コールドキーの生成に加えて、ローカルに作成されたウォレットは、サブネットの作成、マイニング、検証操作に参加するために使用されるホットキーも生成します。

Coldkey-Hotkey デュアル キー システムを採用する主な理由は、ホットキーがサブネットの日常的な操作で頻繁に使用され、潜在的なセキュリティ上の脅威にさらされているためです。一方、コールドキーは主にTAOの保存と転送に使用されるため、TAOの損失のリスクを効果的に低減できます。この二重の保護メカニズムにより、アカウント操作のセキュリティと柔軟性が確保されます。

バインディングに関しては、ホットキーは同じサブネット内のコールドキーにバインドできますが、異なるサブネット内のコールドキーにバインドすることもできます (非推奨)。 1 つのコールドキーを複数のホットキーにバインドできます。

1.1.2 サブネット UID システム

1.1.2.1 サブネット UID の生成

少なくとも 100 TAO の登録料を支払うと、システムはサブネット UID を生成し、それをホットキーにバインドします。この UID は、サブネットのマイニングまたは検証に参加するために必要な資格情報です。マイナーになるには、ホットキー、コールドキー、サブネット UID のみが必要で、その後 Bittensor を実行してマイニングに参加します。

1.1.2.2 バリデーターになるための要件

サブネット バリデーターになるには、少なくとも 1,000 TAO をステークし、各サブネットのステークに関して上位 64 位以内にランクインする必要があります。バリデーターは複数の UID スロットを同時に保持できるため、ステーク量を追加で増やすことなく複数のサブネットで検証できることに注意することが重要です (再ステーキングの概念に似ています)。このメカニズムは、バリデーターが悪事を働くリスクを減らすだけでなく、悪事を働くコストも増加させます。これは、大量の TAO (少なくとも 1,000 TAO) をステーキングすると、悪事を働くコストが大幅に増加するためです。サブネット内での競争力を高めるために、各バリデーターは、より多くの TAO 委任ステークを引き付けるために良い評判と実績を築き、それによって上位 64 位内での安定した地位を確保するために懸命に取り組みます。

1.1.2.3 サブネット構造と容量制限

サブネット 1: 合計 1024 個の UID スロットがあり、最大 128 個のバリデータを収容できます。バリデーターとマイナーの総数は 1024 に制限されます。

その他のサブネット: 各サブネットには 256 個の UID スロットがあり、最大 64 個のバリデータを収容できます。各サブネット内のバリデーターとマイナーの総数は 256 を超えません。

1.1.2.4 サブネットの競争とインセンティブ メカニズム

サブネット内では、バリデータがマイナーにタスクを割り当てます。すべてのマイナーがタスクを完了すると、対応するバリデーターに結果が送信されます。バリデーターは各マイナーが提出したタスクの品質を評価してランク付けし、マイナーは作業の品質に基づいて TAO 報酬を受け取ります。同時に、バリデーターは、高品質のマイナーがより良い報酬を受け取ることを保証することでインセンティブ報酬も受け取り、それによってサブネット全体の品質の継続的な向上を促進します。この一連の競争プロセスは、システムが公正かつ効率的に動作することを保証するため、サブネット作成者が設計したコードインセンティブメカニズムによって自動的に実行されます。

各サブネットには、マイナーがサブネット UID を登録した時点から始まる 7 日間の保護期間 (免責期間) があります。この期間中、マイナーは報酬を獲得します。保護期間中に新しいマイナーが登録し、現在のサブネットの UID スロットがいっぱいの場合、累積報酬が最も少ないマイナーが排除され、その UID は新しく登録されたマイナーに再割り当てされます。

1.2 サブネットはマルチレベルのエコシステムを構築します

Bittensor サブネットは、マイナー、バリデーター、サブネット作成者、および消費者がそれぞれ職務を遂行し、共同で高品質な AI サービスの生成を促進するマルチレベルのエコシステムを構築します。

マイナー: ネットワークのコア コンピューティング ノードとして、マイナーは AI モデルをホストし、推論およびトレーニング サービスを提供します。彼らはピアツーピアのスコアリングで競争し、損失関数を最小化することで TAO 報酬を獲得します。マイナーの成功は、提供するサービスの品質とパフォーマンスによって決まります。

バリデーター：バリデータは、マイナーが送信したタスク結果を評価し、信頼マトリックスを構築し、共謀や不正行為を防止し、質の高いマイナーがより高い収益を受け取ることを保証する責任を負います。マイナーの応答の質に基づいてランク付けされ、ランク付けの正確性と一貫性が高ければ高いほど、バリデーターが受け取る報酬も多くなります。

サブネット クリエーター: サブネット クリエーターは、特定のアプリケーション領域 (自然言語処理、コンピューター ビジョンなど) のニーズに基づいてカスタマイズされたサブネットを設計し、独立したコンセンサス メカニズム、タスク プロセス、インセンティブ構造を構築します。彼らはネットワーク管理者の役割を担い、それぞれのサブネット全体にインセンティブを配布する権限を持ちます。

消費者: 消費者は、TAO トークンを支払って AI サービスを呼び出し、API をクエリしたり、トレーニング データを取得したり、モデル トレーニングにコンピューティング リソースを使用したりします。彼らは、Bittensor が提供する AI モデルのエンド ユーザーです。

全体的なプロセスは次のようになります。サブネット検証者が質問を生成し、それをすべてのマイナーに配布します。マイナーはタスクに基づいて回答を生成し、検証者に返します。バリデーターは回答の品質を評価し、マイナーの重みを更新します。この重みは定期的にチェーンにアップロードされます。私たちは、激しい競争と適者生存のメカニズムを通じて、サブネット内の AI モデルの技術的進歩と生態学的最適化を継続的に推進していきます。

1.2.1 マイナー層

マイナーは、Bittensor ネットワークのコア コンピューティング ノードとしての役割を果たします。主な責任は次のとおりです:

AI モデルのホスティングと推論またはトレーニング サービスの提供: マイナーは、ローカルの機械学習モデルをホストすることで、クライアント アプリケーションに予測サービスを提供します。クライアントが予測を必要とする場合、Bittensor ネットワークにリクエストを送信し、Bittensor ネットワークはそれをサービス プロバイダーとして登録されているマイナーにルーティングします。マイナーはリクエストを処理し、予測結果をクライアントに返します。

P2P ランキングで競争して、コンピューティング インセンティブとして TAO トークンを獲得します。マイナーは、モデルのパフォーマンスとネットワークへの貢献に基づいて、ピアツーピア ランキングで競争し、TAO トークンの報酬を獲得します。このインセンティブ メカニズムにより、マイナーはモデルのパフォーマンスを継続的に最適化し、ネットワークに高品質の AI サービスを提供することが奨励されます。

高品質の AI モデルの貢献の保証: マイナーは、ネットワークのニーズを満たし、サービスの品質を確保するために、高品質の AI モデルを提供することに尽力しています。これにより、ネットワーク内でのランキングや報酬の向上につながるだけでなく、Bittensor ネットワーク全体のパフォーマンスと信頼性も向上します。

これらの責任を果たすことで、マイナーは Bittensor ネットワークの効率的な運用と開発に重要な貢献をします。

1.2.2 コンシューマー層

Bittensor ネットワークでは、コンシューマーとは、マイナーが提供する人工知能 (AI) サービスにアクセスするために TAO トークンを支払うエンドユーザーまたは企業を指します。このモデルにより、消費者は独自の AI モデルを所有または維持することなく、ネットワーク内で AI 機能を活用できるため、AI コンピューティング コストが削減されます。

消費者向けの具体的なアプリケーション シナリオは次のとおりです。

· 開発者クエリ AI API: 開発者は、Bittensor が提供する AI インターフェイスを呼び出して、アプリケーション開発や機能統合に必要なインテリジェント サービスを取得できます。

· 研究機関向け AI トレーニング データセットへのアクセス: 研究機関は、ネットワーク内のリソースを使用して大規模な AI トレーニング データセットにアクセスし、分析して、科学研究プロジェクトや実験をサポートできます。

・企業は Bittensor のコンピューティング リソースを使用して AI モデルをトレーニングします。 企業は Bittensor の分散コンピューティング リソースを使用して独自の AI モデルをトレーニングおよび最適化し、ビジネス インテリジェンスのレベルを向上させることができます。

このように、Bittensor は消費者に AI サービスを入手するための柔軟かつ効率的な方法を提供し、人工知能の普及と応用を促進します。

1.2.3 誓約に基づくコンセンサス メカニズム

誓約に基づく Bittensor のコンセンサス メカニズムは、主に次の問題を解決します。

1.2.3.1 平滑化と密度の進化

突然の修正によって引き起こされるシステムの不安定性を回避するために、修正機能では「平滑化」を採用しています。株式加重平均絶対偏差を次のように定義します:

このプロセスは、大規模なデータ セットの統計的平滑化に似ています。複数回の「平滑化」を経ると、各参加者の真の順位が明らかになります。重要な点は、密度の進化により、正直なプレイヤーへの影響が少なくなり、異常な重み（つまり、悪意のあるプレイヤーの過剰な重み）を大幅に圧縮できるということです。

1.2.3.2 重み付け信頼メカニズムとゼロ重み脆弱性防止

dtao のアップグレードにより、上記の問題が以下のように改善されました:

· 反復処理とスムージング処理の最適化: 反復回数 η を増やし、スムージング パラメーター α または δ を微調整して、ゼロ重み脆弱性を減らし、過剰補正を防止します。

· 強化された重み信頼メカニズム: ゼロ以外の重みをより正確に検出し、より厳しいしきい値を適用して、多数派に認識されたノードだけが完全な報酬を受け取ることができるようになります。

· 計算オーバーヘッドの削減:理論上の精度に影響を与えずに、アルゴリズムの最適化によってブロックチェーンの計算制約に適応し、計算コストを削減します。

Bittensor の公平性に基づくコンセンサス メカニズムは、数学モデルとゲーム理論ツールを組み合わせています。システムは、数式の更新、加重平均コンセンサス、反復修正、密度進化などの方法を通じて、異常な重量偏差を自動的に調整し、最終的な報酬の分配を公平にすることができます。

このプロセスは、継続的に自己調整を行って公平なスコアリングを確保し、優れた貢献者を奨励し、悪意のある共謀や投票操作を防ぐスマート バランシング システムまたは評判メカニズムに似ています。

これに基づいて、dtao アップグレードでは、より洗練された平滑化制御と改善された重み信頼戦略を採用し、システムの堅牢性と公平性をさらに強化します。したがって、敵対的な環境において、正直な貢献者は常に競争上の優位性を維持できると同時に、全体的なコンピューティング リソースの消費が最適化され、削減されます。

2. Yuma コンセンサス: 動的にプログラム可能なインセンティブとコンセンサス

ビットコインは世界最大のピアツーピア コンピューティング ネットワークを構築しており、誰でもローカルのコンピューティング能力を提供することでグローバル台帳を維持できます。インセンティブルールは設計時に固定されているため、エコシステムは比較的静的に発展します。

対照的に、Yuma Consensus (YC) は動的でプログラム可能なインセンティブ フレームワークです。ビットコインの静的なインセンティブ メカニズムとは異なり、YC は目的関数、ステーキング報酬、重み調整メカニズムをコンセンサス プロセスに直接統合します。これは、システムが固定されたルールのみに依存するのではなく、ノードの実際の貢献と動作に応じて動的に調整され、より公平で効率的な報酬分配を実現することを意味します。

YC コンセンサス アルゴリズムは、Subtensor ブロックチェーン上で継続的に実行され、サブネットごとに独立して動作します。主なワークフローには次のコンポーネントが含まれます。

· サブネット バリデータの重みベクトル: 各サブネット バリデータは重みベクトルを保持しており、各要素はバリデータによってすべてのサブネット マイナーに割り当てられたスコアの重みを表します。この重みはバリデーターの過去のパフォーマンスに基づいており、マイナーのランク付けに使用されます。たとえば、バリデータのスコアベクトルが の場合、結果のランキングはバリデータによる各マイナーの貢献レベルの評価を反映します。

· ステーク量の影響: チェーン上の各バリデーターとマイナーは、一定量のトークンをステークします。 YC コンセンサスは、重みベクトルとステークされた金額を組み合わせて報酬の分配を計算します。つまり、最終的な報酬はスコアの重みだけでなく誓約の額にも依存し、「誓約→重み→報酬」という閉ループを形成します。

· 動的主観的コンセンサス: 各参加者は、機械学習モデルにローカルな重みを割り当てます。これらのローカル重みはコンセンサス ポリシーを通じて調整され、その後ブロックチェーン上のグローバル メトリックに集約されます。つまり、YC は敵対的な環境でも大規模なコンセンサスを達成でき、ノードの動作の変化に動的に適応できます。

· 報酬の計算と分配:サブネット バリデーターはそれぞれのランキング結果を収集し、それらを集合的な入力として YC アルゴリズムに送信します。異なるバリデータからのランキングは異なる時間に到着する場合がありますが、Subtensor は約 12 秒ごとにすべてのランキング データを処理します。このデータに基づいて、システムは報酬（TAO 単位）を計算し、サブネット マイナーとバリデータのウォレットに入金します。

この包括的なメカニズムにより、YC は分散型ネットワークで報酬を継続的かつ公平に分配し、貢献の質に動的に適応し、ネットワーク全体のセキュリティと効率性を維持することができます。

2.1 知識蒸留と専門家の混合 (MoE): 共同学習と効率的な貢献評価

2.1.1 知識蒸留 (Digital Hivemind)

Bittensor は、知識蒸留の概念を導入します。これは、ノードが知識を共有し、データ サンプルとモデル パラメーターを交換することで集合的に学習する、人間の脳のニューロンの共同作業に似ています。

このプロセスの間、ノードは継続的にデータとモデルパラメータを交換し、時間の経過とともに自己最適化してより正確な予測を実現するネットワークを形成します。各ノードは共有プールに知識を提供し、最終的にはネットワーク全体のパフォーマンスが向上し、ロボット工学や自動運転などのリアルタイム学習アプリケーションにより適したものになります。

重要なのは、このアプローチにより、機械学習の一般的な課題である壊滅的な忘却のリスクが効果的に軽減されることです。ノードは既存の知識を保持および拡張しながら新しい洞察を取り入れることができるため、ネットワークの堅牢性と適応性が向上します。

複数のノードに知識を分散することで、Bittensor TAO ネットワークは干渉や潜在的なデータ漏洩に対してより耐性を持つようになります。この堅牢性は、金融情報や医療情報など、セキュリティとプライバシーが極めて重要なデータを処理するアプリケーションにとって特に重要です。

2.1.2 エキスパートの混合 (MoE)

Bittensor は、分散エキスパート モデル (MoE) を使用して AI 予測を最適化します。複数の専門AIモデルの連携により、複雑な問題を解決する精度と効率が大幅に向上します。たとえば、スペイン語のコメントを含む Python コードを生成する場合、多言語モデルとコード専門知識モデルを連携させることで、単一のモデルのみの場合よりもはるかに優れた高品質の結果を生成できます。

Bittensor プロトコルの中核は、ポイントツーポイント方式で分散された、一般的にニューロンと呼ばれるパラメーター化された関数で構成されています。各ニューロンはゼロ個以上のネットワーク重みを記録し、ニューラル ネットワークをトレーニングして、相互にランク付けすることで近隣ノードの価値を評価し、デジタル台帳にランキング スコアを蓄積します。ランキングの高いノードは金銭的な報酬だけでなく、追加の重みも受け取ります。これにより、ノードの貢献と報酬の間に直接的なリンクが確立され、ネットワークの公平性と透明性が向上します。このメカニズムは、他のインテリジェンス システムがインターネットを通じてピアツーピア方式で情報に価格を付けることを可能にする市場を構築し、各ノードが継続的に知識と専門能力を向上させるように動機付けます。報酬の公平な分配を保証するために、Bittensor は協力ゲーム理論から Shapley 値を借用し、ノードの貢献に基づいてパーティ間で報酬を効率的に分配する方法を提供します。 YC コンセンサスに基づき、バリデーターは各プロフェッショナル モデルを採点してランク付けし、シャプレー値の原則に基づいて報酬を公平に分配することで、ネットワークのセキュリティ、効率、継続的な改善能力をさらに向上させます。

3.dtao のアップグレード

Bittensor プロジェクトには、リソース割り当てと経済モデルの設計に関して、次の大きな問題があります。

1.リソースの重複と冗長性: 複数のサブネットワークが、テキストから画像への生成、テキスト プロンプト、価格予測などの同様のタスクに重点を置いているため、リソース割り当てが重複して無駄になります。

2.実用的なユースケースの欠如: 特定のサブネット (価格予測やスポーツイベントの結果予測など) は、実際のシナリオではまだ実用性が証明されておらず、リソース投資と実際のニーズの間に不一致が生じる可能性があります。

3. 「悪貨は良貨を駆逐する」現象: 高品質のサブネットでは、十分な資金と開発スペースを確保することが難しい場合があります。保護期間が 7 日間しかないため、ルート検証者から十分なサポートを得られなかったサブネットは、早期に削除される可能性があります。

4.バリデーターの集中化と新しいサブネットに対するインセンティブの不足:

· ルートバリデータはすべての TAO 保有者を完全に代表するわけではない可能性があり、その評価結果が幅広い見解を反映しない可能性があります。 Yuma コンセンサスでは、上位のバリデータが最終スコアを支配しますが、その評価は必ずしも客観的ではありません。偏りが検出されても、すぐに修正されない場合があります。 

· さらに、バリデーターには新しいサブネットに移行するインセンティブがありません。発行量の多い古いサブネットから発行量の少ない新しいサブネットに移動すると、報酬がすぐに失われる可能性があるためです。新しいサブネットが最終的に既存のサブネットのトークン発行に匹敵するかどうかが不確実であるため、移行意欲はさらに低下します。 

経済モデルの主な問題点:

Bittensor のメカニズム設計における大きな問題は、参加者全員が TAO を受け取るものの、実際に TAO を支払う人がいないため、売り圧力が継続的にかかることです。現在、マイナーが回答する質問は実際のユーザーからではなく、サブネット所有者によって提供されます。これは、実際のユーザーのクエリをシミュレートするか、過去のユーザーの需要に基づいています。したがって、マイナーの回答に価値があったとしても、この値はサブネット所有者によってキャプチャされます。マイナーの回答がサブネット所有者のモデル アルゴリズムの改善に役立つか、サブネット所有者が製品の改善のためにモデル トレーニングに直接使用するかに関わらず、マイナーとバリデーターの作業によって生成される価値はサブネット所有者が所有します。理論的には、この値に対してサブネット所有者に課金されるはずです。

さらに、サブネット所有者はコストを負担する必要がないだけでなく、サブネット発行の 18% を享受できます。これは、Bittensor エコシステムが緊密に接続されているのではなく、参加者が開発とコラボレーションに基づいて緩やかな接続を維持していることを意味します。サブネット上のプロジェクトは、損失を被ることなくいつでも終了できます (サブネット登録料は返金されるため)。現在、Bittensor システムでトークンを回復するための主なメカニズムは、サブネット マイナーとバリデーターによって支払われる登録料です。しかし、これらの手数料は少額であり、効果的な価値獲得をサポートするには不十分です。ステーキングが主要なメカニズムとなっている一方で、ブロックチェーンの取引手数料と登録料を通じて回収されるTAOの量は依然として限られています。

ステーキングには 2 つの形式があります:

1.バリデーターステーキング: 参加者は、ネットワークのセキュリティをサポートし、報酬を受け取るために TAO をステーキングします。これは、発行された TAO 全体の 75% を占めます。バリデーターは現在、1日あたり約3,000 TAOを獲得でき、年間収益率は15％を超えています。しかし、最初の半減期後、この配布は1日あたり1,500 TAOに減少し、ステーキングの魅力が低下し、トークンの需要と供給のバランスをとる効果が弱まります。

2.サブネットの登録とステーキング: 新しいサブネットの追加は、TAO の供給に大きな影響を与えます。 TAO の総発行額は固定されているため、これは課題となります。サブネットの数が増加すると、すべてのサブネットの報酬が薄まり、既存のサブネットが運用を維持することが困難になり、一部のサブネットがネットワークから離脱する可能性があります。

これらの問題は、ネットワークの持続可能な開発と公正なインセンティブを確保するために、Bittensor のリソース割り当てと経済モデル設計をさらに最適化する必要があることを示しています。

3.1 dtao とは

dTAO は、Bittensor Network によって提案された革新的なインセンティブ メカニズムであり、分散型ネットワークにおける非効率的なリソース割り当ての問題を解決することを目的としています。バリデーターによる手動投票によってリソース割り当てを決定する従来の方法を廃止し、代わりに市場の動的な調整に基づくメカニズムを導入して、サブネット間の TAO 発行の配分をサブネット トークンの市場パフォーマンスに直接リンクします。組み込み流動性プールの設計により、ユーザーはサブネット トークンと引き換えに TAO を担保にすることが奨励され、優れたパフォーマンスを持つサブネットがサポートされます。

同時に、サブネット トークンの段階的な配布を確実にするために公平な発行モデルが採用され、チームが長期的な貢献を通じてトークンのシェアを獲得するように促し、バリデーターとユーザーの役割のバランスを取ります。バリデーターはベンチャー投資家のようにチームの技術と市場の可能性を厳密に評価し、ユーザーはステーキングと市場取引を通じてサブネット価値の形成をさらに促進します。

3.1.1 dTAO のコアメカニズム

3.1.1.1 バリデーターとチームをエコシステムに強力に結び付ける: 利益を得るには、まずサブネット トークンに投資する必要があります

dTAO の設計は、市場とテクノロジーの両方の推進要因に基づいています。各サブネットには、TAO とサブネット トークンで構成される流動性プールが装備されています。 $TAO 保有者 (バリデーターおよびサブネット所有者) が誓約操作を実行すると、$TAO を使用して対応する $dTAO を購入するのと同じになります。交換できる $dTAO の量は、次の式に従って計算されます:

Uniswap V2とは異なり、$dTAOの流動性プールでは流動性を直接追加することはできません。サブネット所有者がサブネットを作成する場合を除き、新しく注入される流動性はすべて、割り当てられた $TAO と $dTAO の総発行量の 50% から発生します。つまり、各サブネットに割り当てられた新規発行の $TAO は、サブネットの Validator\Miner\Owner に直接割り当てられるのではなく、すべて償還のために流動性プールに注入されます。同時に、新しく発行された$dTAOの50％も流動性プールに注入され、残りの50％はサブネット自体が合意したインセンティブメカニズムに従ってValidator\Miner\Ownerに割り当てられます。

これにより、チームが最初に大量のトークンを急いで売却することを防ぎ、チームが継続的に貢献し、技術的な反復を行うことを奨励します。バリデーターはベンチャーキャピタリストと同様の役割を果たし、サブネットの技術、市場の可能性、実際のパフォーマンスを厳密に評価する必要があります。

Stake\Unstake では K のサイズは変わりませんが、流動性注入により K が K' に増加します。

3.1.1.2 市場価格が最も高いサブネット トークンには、最も多くの $TAO が発行されます。

以前のプランでは、各サブネットが取得できる新規発行の $TAO の割合は、ルート ネットワークのバリデーターによって決定されていました。この計画はいくつかの潜在的な問題を明らかにしています。たとえば、ルート ネットワークの権限は少数のバリデーターの手に集中しているため、バリデーターが共謀して新しく発行された $TAO を価値の低いサブネットに配布したとしても、罰せられることはありません。

ダイナミック TAO はルート ネットワークの権限を終了し、新しく発行された $TAO をすべての $TAO 保有者にどのように配布するかを決定する権限を与えます。具体的なアプローチとしては、新しい Yuma Consensus V2 を使用し、各サブネット トークンの価格に対してソフトマックス演算を実行して、対応するリリース比率を取得します。つまり、次のようになります。

ソフトマックスは、ベクトル セット内の各要素を、要素間の相対的なサイズ関係を維持しながら非負の値に変換し、変換後のすべての要素の合計が 1 になることを保証する、一般的に使用される正規化関数です。

この計算式によれば、サブネット トークンの価格が $TAO に対して高ければ高いほど、新規発行される $TAO のリリース率が高くなります。

3.1.1.3 各サブネットにインセンティブ メカニズムを設定する権限を分散する

サブネットが以前に取得した $TAO インセンティブは、41%-41%-18% の固定比率で Validator\Miner\Owner に分配されます。

ダイナミック TAO は、各サブネットに独自の「サブネット トークン」を発行する権限を与え、追加発行額の 50% を流動性プールに注入する必要があることに加え、残りの 50% はサブネット参加者自身が決定する特定のメカニズムに従ってバリデーター\マイナー\オーナーに割り当てられることを規定します。

このメカニズムにより、継続的に製品を改善し、ユーザーを引き付けるサブネットワークだけがより多くのインセンティブを獲得できるようになり、短期的な利益を追求するポンジスキームの発生を防ぐことができます。

3.1.2 分析例

動的 TAO ネットワークのアップグレード後、すべてのサブネットに対応する $dTAO が作成されました。作成された $dTAO の数は、サブネット所有者がサブネットの作成時にロックした $TAO の数と等しくなります。そのうち、$dTAO の 50% はサブネットの流動性プールに注入され、残りの 50% はサブネット所有者に分配されます。

サブネット #1 の所有者が 1,000 個の $TAO をロックしていると仮定すると、$dTAO の作成数量も 1,000 になります。そのうち、500 $dTAOと1,000 $TAOが初期流動性として流動性プールに追加され、残りの500 $dTAOはオーナーに割り当てられました。

次に、バリデーターがサブネット #1 に登録して 1,000 $TAO をステークすると、バリデーターは 250 $dTAO を受け取ります。この時点で、流動性プールには 2,000 $TAO と 250 $dTAO が残ります。

サブネット #1 が毎日 720 $TAO のブロック報酬を獲得できると仮定すると、毎日 720 $TAO が流動性プールに自動的に注入されます。毎日注入される $dTAO の量については、サブネット自体によって設定された発行レートによって異なります。

3.2 dtao の影響

dTAO の導入により、TAO の配布および質権メカニズムが根本的に変わりました。まず、新しく発行される TAO は、少数のバリデーターによって恣意的に割り当てられるのではなく、市場行動を通じてすべての TAO 保有者によって間接的に共同で決定されます。これにより、TAO のステーキングは、単純な保証された収入ではなく、サブネットのトークンを「購入」するようなものになります。このメカニズムでは、ステーキングとステーキング解除が短期的に dTAO の価格に与える影響は、サブネットによって取得される TAO の実際の量の影響をはるかに上回り、ステーキング収入は不確実性に満ちています。

利点は、ブロック報酬の割り当てに対するトップバリデーターの絶対的な制御がなくなり、潜在的な攻撃者がステークされた金額を通じてネットワークを攻撃するコストが大幅に増加することです。同時に、後発の高品質サブネットが目立つ可能性が高く、高品質サブネットをサポートする初期のバリデーターは非常に高いリターンの可能性があり、元本の何倍ものリターンを達成する可能性もあります。さらに、サブネット間の競争が激化すると、ステーカーはより合理的な投資家となり、厳格なデューデリジェンスを通じて最も見込みのあるサブネットを選択するようになります。

一般的に、dTAO メカニズムの実装により、エコシステム全体がより効率的で競争力のある市場志向の方向へと進むことになります。

3.3 dTAO のアップグレード後、Bittensor エコシステムはどのように進化しますか?

dTAO アップグレードの影響を分析するには、次の 2 つの重要な質問に焦点を当てる必要があります。

1.サブネットの需要はどのようにしてサブネット トークンの需要に変換されますか?

2.サブネット トークンの導入により、「TAO サマー」が生まれ、TAO エコシステム内のイノベーションが加速されるでしょうか?

3.3.1 サブネットの需要はサブネット トークンの需要にどのように変換されますか?

最初は、すべてのサブネット トークンの価格は同じで、各サブネットの流動性プールには少量の TAO トークンと dTAO トークンのみが含まれています。したがって、あらゆる取引活動が大幅な価格変動を引き起こす可能性があります。

サブネットに参加して報酬を受け取るには、ユーザーはまず dTAO サブネット トークンを購入し、バリデーターにステークする必要があります。この需要により、サブネット内の dTAO の価格が上昇します。 dTAO の価格が上昇すると、流動性プール内の dTAO の合計価値が増加し、システムはサブネットにさらに多くの TAO 報酬を自動的に割り当てるため、マイナーとステーカーはより高い収益を得ることができます。

これにより、正のフィードバック ループが形成されます。ユーザーが dTAO を購入して価格が上昇します。価格の上昇により、サブネットの TAO 発行量が増加します。報酬が増えると、さらに多くのユーザーが参加するようになり、dTAO の価格がさらに上昇します。

逆に、ユーザーが dTAO を大量に売り始めると、dTAO の価格が下落し、サブネットが取得する TAO 発行量が減少し、ユーザーの参加が減少します。一般的に、サブネット トークンの価格変動は、主に市場の需要と供給、流動性プールのサイズ、システムの自動インセンティブ メカニズムによって影響を受けます。

このメカニズムは、ユーザーがAIエージェントトークンに投資するために最初にプラットフォームトークンを購入する必要があるAIエージェントローンチパッドモデルに似ています。 AIエージェントローンチパッドのエコシステムでは、AIエージェントトークンの価格が急上昇し、富裕効果を生み出すと、多数のユーザーが集まり、プラットフォームトークンの需要がさらに高まります。

ただし、dTAO メカニズムと AI エージェント ローンチパッドにはいくつかの重要な違いがあります。

· AI エージェント ローンチパッド エコシステムでは、ユーザーは通常、AI エージェント トークンの市場価値が低い場合 (つまり、プロジェクトの内部市場) にのみ、プラットフォーム トークンを使用してこれらの AI エージェント トークンを購入します。

・AI プロキシトークンが一定の評価額に達すると、ユーザーはそれを ETH/SOL と交換して売却し、利益を得ることができます。また、新規ユーザーは ETH/SOL を使って AI プロキシトークンを直接購入することもできます。

対照的に、dTAO システムでは次のようになります。

· dTAO の価格が上昇し、ユーザーがキャッシュアウトするか、より高い可能性を秘めた別のサブネットに移行したい場合、dTAO を TAO と引き換えることしかできません。

· このプロセスにより、流動性プール内の dTAO 価格に大きな変動が生じる可能性があります。

現在、ユーザーは Backprop Finance で dTAO トークンを取引することができ、サブネット トークンの二次市場の流動性を提供しています。

3.3.2 dTAO エコシステムの独自の発行メカニズム

dTAO エコシステムのもう 1 つの重要な側面は、独自のトークン発行メカニズムです。下の図に示すように、dTAO アップグレード後、発行は最初のいくつかのサブネット プロジェクトに非常に集中します。現在、上位 5 つのサブネット プロジェクトが 総発行額の 40% を受け取っています。

現在、1 日あたり 7,200 TAO が配布されています。これは、2025 年 2 月 18 日の TAO 価格に基づくと、上位 5 つのサブネット プロジェクトだけで 1 日あたり約 100 万ドル相当の TAO を受け取ることを意味します。

dTAO エコシステムが、特定のプロジェクトが市場で大きな注目を集める 仮想エコシステム と同様に発展した場合、時価総額の高いサブネットが新しい TAO 発行の大部分を占めることになります。

新しいプロジェクトが競争に勝つためには、ステーカー、マイナー、バリデーターの参加を引き付ける強力な可能性を示さなければなりません。これは通常、次のことを意味します。

· 参加者は、TAO を新しいサブネットの dTAO と交換して、他のサブネットから移行する必要があります。

· これには、既存の流動性プール内のサブネット トークンの売却が含まれ、それによって新しいサブネットの市場価値が上昇する可能性があります。

この競争モデルにより、サブネット トークン市場がより活発になり、TAO エコシステム全体の革新と発展がさらに促進される可能性があります。

3.4 dTAO は Bittensor サブネット モデルの問題を解決しますか?

3.4.1 メカニズムの問題が依然として存在する

dTAO のアップグレードは、TAO の発行をサブネット トークンの市場パフォーマンスにリンクし、リソース割り当ての決定を少数のルート バリデーターから市場主導型のアプローチに変換して、より広範なユーザーの参加と相互作用を促進することを目的としています。このメカニズムは、リソースの重複によって引き起こされる非効率性を部分的に軽減し、トークン価格パフォーマンスの高い高性能サブネットのみがより多くの TAO 報酬を受け取ることができるようにしますが、以下の主要な問題を根本的に解決するものではありません。

・リソースの重複と冗長性: 複数のサブネットが同様のタスク (テキスト生成、画像生成、価格予測など) に重点を置いている場合、市場主導の調整を行っても、リソースの重複と非効率的な使用は根本的に解決されません。

· すべての参加者は TAO を獲得できますが、外部ユーザーはマイナーやバリデーターに貢献に対して支払いを行いません。その結果、報酬は発行され続けるものの、TAO の価格を支える持続可能な需要メカニズムが欠如しているため、TAO に対する売り圧力が継続的に生じます。

· 一部のサブネットでは、偽のモデルや不完全な評価基準による問題が発生する可能性があります。 Bittensor は、AI テクノロジー スタックの「アウトソーシング レイヤー」へと進化しており、トークン インセンティブによってリソースが迅速に引き寄せられ、特定の AI タスクの割り当てが促進されます。たとえば、Kaito AI は検索エンジンの開発をサブネットワークにアウトソーシングし、集合知を活用してコストを削減しました。ただし、このインセンティブ主導のモデルは短期的には開発者を引き付けることができますが、長期的な成功は実際の需要と品質保証に依存します。 Cortex.t サブネットをテストしたところ、その回答は Bittensor マイナーによって生成されたものではなく、OpenAI API から直接取得されることがわかりました。これは、一部のサブネットが単なる「ラッパー アプリケーション」であり、実際には Bittensor の分散型 AI コンピューティング機能を活用していないことを示しています。一部のサブネット検証ツールは比較に OpenAI の結果に依存しており、集中化のリスクにつながる可能性があります。同時に、一部の価格予測サブネットの精度は低く、実際に適用するのは困難です。改善の方向性: 実用性と透明性の向上: マイナーは、モデルのトレーニングと推論プロセスを検証するための中間データまたはハッシュ証明を送信し、出力が外部 API ではなく Bittensor ネットワークからのものであることを確認する必要があります。

· さまざまな種類のサブネットワーク (予測モデル、生成 AI モデルなど) をベンチマークするための標準化されたテスト データセットを確立する必要があります。

· ベンチマーク ランキングを定期的に公開して、サブネットワーク間の健全な競争を促進し、モデルの品質を向上させます。

3.4.2 dTAO は依然として、採用、適用シナリオの不足、誓約率の低下といった問題に直面している

現在、dTAO は主に Bittensor ネットワークに限定されており、より広範な暗号市場ではまだ十分に採用されていません。 dTAOはEVM互換性を導入しましたが、ソーシャルメディア上でVirtual EcosystemのAIエージェントトークンほどの話題を呼びませんでした。同時に、dTAO をコアトークン経済モデルに組み込んだプロジェクトはほとんどなく、その結果、dTAO には実際のアプリケーション需要がまだ不足しています。現在、サブネット トークンの購入は 1 回限りの投資行為に近く、ユーザーが現金化を選択した場合、大きな価格変動が発生する可能性があります。この問題は、Kaito の dTAO トークンなどの AI インフラストラクチャ アウトソーシング サブネットワークで特に顕著です。このサブネットワークはコア ビジネスとほとんど関係がないため、トークンの市場価値がサポートされません。

それにもかかわらず、dTAO には AI Agent Launchpad に比べて依然としていくつかの利点があります。 dTAO 経済モデルによれば、新規発行された dTAO の 50% は流動性プールに注入する必要があり、残りの 50% はサブネット参加者 (バリデーター、マイナー、サブネット所有者を含む) によって割り当てられます。このメカニズムにより、製品を継続的に改善し、ユーザーを引き付けるサブネットのみがより多くの報酬を受け取ることができるようになり、低品質の AI エージェントの増殖を回避し、TAO エコシステムにおける技術革新を促進します。しかし、dTAO エコシステムはまだ初期段階にあり、視聴者の範囲がまだ拡大しておらず、大規模な応用シナリオが不足しているため、市場での認知度はまだ比較的低いです。

現在、Bittensor エコシステムの拡大速度は、トークン エコノミーの成長ニーズに追いついていません。最新データによると、TAOのステーキング率はピーク時の90％から71％に低下した。これは、一部のコイン保有者がネットワークの長期的なインセンティブメカニズムに信頼を寄せておらず、より魅力的なリターンのある他の DeFi または AI エコシステム プロジェクトに目を向ける可能性があることを示しています。

3.5 Bittensor エコシステムと密接に統合され、実用的なユースケースを持つサブネット プロジェクトに重点を置く

Bittensor エコシステムの健全な発展は、高品質のサブネットを引き付け、サポートできるかどうかにかかっています。サブネットの長期的な可能性を評価するには、そのアプリケーション シナリオ、インセンティブ メカニズム、チームの背景、トークンの実際の使用に焦点を当てる必要があります。

まず、サブネットには明確で実用的なアプリケーション シナリオが必要です。プロジェクトを成功させるには、現実世界の問題を解決するだけでなく、実際のユーザーからのフィードバックを得ることも必要です。分散 AI モデルのトレーニングと推論をサポートするには、技術アーキテクチャが堅牢かつ革新的である必要があります。さらに、サブネットはオンチェーン データを活用し、Bittensor エコシステムへの貢献を示すために透明性の高い評価メカニズムを採用する必要があります。

第二に、サブネットの長期的な運用を維持するための鍵となるのは、合理的なインセンティブ メカニズムです。インセンティブ構造は、マイナー、バリデーター、サブネット所有者に公平に分配され、持続的なアプリケーション需要の欠如による市場販売圧力を回避する必要があります。サブネットは、インセンティブを得るために TAO の発行だけに頼るのではなく、ビジネス モデルを通じて独自の血液を生成できる必要があります。

さらに、成功するサブネット プロジェクトには、強力なチーム バックグラウンド、エコシステムの統合機能、コミュニティ サポートが備わっていることがよくあります。単なる AI アウトソーシング サブネットではなく、Bittensor ネイティブ サブネットを優先することで、エコシステム全体の長期的な安定性を確保できます。アウトソーシング プロジェクトの場合、サブネット トークンが単なるインセンティブ ツールではなく、コア トークン経済モデルに実際に統合されているかどうかが鍵となります。

最後に、サブネット トークンの実際の使用が、その長期的な価値を決定する中心となります。現在、サブネット トークンをオペレーティング システムに実際に組み込んでいるプロジェクトはほとんどなく、dTAO はまだ初期段階にあります。サブネット トークンを支払い、AI サービスへのアクセス、ガバナンスへの参加、または追加のインセンティブの提供に使用できる場合、実際の市場需要を確立でき、長期的な価値とエコシステムの健全性を確保できます。そうしないと、サブネット トークンは純粋に投機的な資産のままとなり、市場の変動の影響を受けやすく、最終的には長期的なユーザーや開発者を引き付けることができなくなります。

4.経済モデル

すべての TAO トークン報酬は新しく発行されます。ビットコインと同様に、Bittensor の TAO はビットコインと同じトークン経済と発行曲線を採用しており、総供給上限は 2100 万で、4 年ごとに半減します。

Bittensor は、事前マイニングや ICO のない公正なローンチ方式を採用しており、流通するすべてのトークンは、ネットワークへの積極的な参加を通じて獲得する必要があります。ネットワークは現在、プログラムされた発行スケジュールに従って、1日あたり7,200 TAO（ブロックあたり1 TAO、約12秒ごとに1 TAO）を生成しています。総供給量の半分が配布されると、発行率は半分になります。このプロセスは約 4 年ごとに発生し、2,100 万個の TAO すべてが流通するまで、毎回ノードの半分で継続されます。

TAO の発行曲線はビットコインと似ていますが、リサイクル メカニズムの導入により、taostats のトークン リサイクル データによると、Bittensor ネットワークの予定されている半減期 (2021 年 1 月 3 日に開始) は 2025 年 12 月に延期される予定です。

HTX Research について:

HTX Research は HTX Group の専門調査部門であり、暗号通貨、ブロックチェーン技術、新興市場の動向など、幅広い分野について詳細な分析の実施、包括的なレポートの作成、専門的な評価の提供を担当しています。 HTX Research は、データに基づく洞察と戦略的先見性の提供に専念しており、デジタル資産分野における業界の展望を形成し、情報に基づいた意思決定をサポートする上で重要な役割を果たしています。 HTX Research は、厳格な調査方法と最先端のデータ分析により、常にイノベーションの最前線に立ち、業界の思想の発展をリードし、変化する市場動向へのより深い理解を促進しています。

この記事は寄稿によるもので、Blockbeats の見解を代表するものではありません。