市场趋势转变，多个板块重新开始活跃。

除了聚光灯焦点下的比特币生态，AI 赛道作为今年来持续的热点，一直是妖币频出的舞台。

在被市场热炒的FET、RNDR 和 OCEAN 等代币之外，一个名为 TAO 的代币在最近的1个月内拉升3倍，其背后的项目 Bittensor，却很少在华语市场中被深入的分析过。

而对岸的节奏，远比我们的反应更快。

价格爆拉，也让嗅觉灵敏的投资人们闻到了机会。周四 Bittensor 项目的社区公告宣布，知名加密 VC Pantera 和 Collab Currency 已经成为了 TAO 代币的持有者，并且会对项目的生态发展提供更多支持。

VC们善于捕捉趋势的演变，更善于推动趋势的发展。

这个受到青睐且价格火速窜涨的TAO，背后究竟有何过人之处？其叙事、产品和代币经济，有哪些显著区别于 AI 赛道主流项目的特点？

本期内容，我们将深入 Bittensor，对其赛道背景、项目目标、技术构成、代币估值等方面进行全面分析，为大家的判断和决策提供参考。

别急，先摸清 Cyrpto + AI 的投资逻辑

任何代币的上涨，都有基本的投资逻辑和行业大的叙事做支撑。在研究TAO之前，不妨先看一下整个AI行业的概况。

债券泡沫下的AI热潮

AI 概念的代币很热，但实际上没有 Crypto，也并不影响 AI 独立的热度。

来自 CB Insights 的数据显示，2023 年市场对生成式 AI 的兴趣显著增长，投资 AI 相关公司和项目的总融资额度暴涨至140亿美金；而去年，这个数字仅仅是25亿美金。

图片来源：CB INSIGHTS

因此，无论是 TAO、RNDR 或是 FET，背后的深层驱动力，也绝非一个表面的 ChatGPT 和英伟达那么简单。

行业大佬 Arthur Hayes 在最近的博客中，展现了一种可能或正在发生的局面 — 由债券泡沫带来的 AI 集体资金热潮。

根据估算，以美国为首的全球大经济体，在未来3年中因财政赤字而必须展期和发行的政府债务总额预计会达到33.58万亿。

政府发行债券并承诺到期还本付息，如果债券利息较高，也就意味着资金都去买国债，造成私营部门（政府公共部门对应）的资本被吸收，必然会挤压社会中其他的投融资机会，例如其他企业融不到资，或者股市低迷。

因此，Arthur 认为，美国央行必然会要求印钞票，自己发钱来购买自己发行的债务，从而减少对私营部门的影响；而这将预期导致2026年世界的法定货币供应量大幅增加（甚至超过COVID时期）。

那么多出来的钱会流向哪里？

“钱将流向那些承诺在成熟时带来疯狂回报的新技术公司。每个法定流动性泡沫都有一种新形式的技术，来吸引投资者并吸引大量资本”。

90年代有互联网泡沫，08年金融危机后有网络广告和社交媒体；而这一次轮到 AI 了。

这或许也是为何今年生成式AI获得众多投资的深层次原因之一。GPT的技术有目共睹，但在更大的视角下，它只是资本洪流中最为璀璨的明珠，背后资本集体涌入AI 的趋势已经显现。

Crypto + AI，叙事方向划分

钱进来了，下一个问题是投什么。我们再进一步来细看 Crypto + AI 的投资逻辑。

老生常谈，AI 本质上是一种先进生产力，其快速发展依赖于三个核心要素：数据，算法，算力； 加密货币和区块链更多是生产关系，通过激励、协调和组织形式的改变来促进以上这三个要素的变化。

哪些代币能提升这 3 个要素，就有了热度结合的可能。

暂且不讨论可行性，至少在之前的项目中，我们密集的看到了 crypto + 数据，以及 cyrpto + 算力的 2 种叙事方向：

–Cyrpto + 数据： AI 需要海量数据来训练模型，区块链能够通过激励去调动数据提供者来贡献数据，或者利用去中心化的数据存储，来为更加民主化、分散化的数据训练需求铺路。

这种叙事下，受益的加密货币可以是去中心化存储类的基础设施，例如 Arthur 强烈安利的 Filecoin ;

–Crypto + 算力：AI模型的实现需要强大的运算能力，大厂或部分计算资源提供商手上有这种能力，但仍可以考虑长尾市场，让分散在各地的计算资源（个人显卡/设备）等贡献算力，从而获得加密货币的激励。

这种叙事下，受益的加密货币例如 RNDR 和其他可以贡献算力的项目。

至于算法方面，则是另外一套逻辑。

-Crypto + 算法：不同与前两者的”资源密集型“，算法本身是个技术密集型的东西，也是各家AI公司持续迭代的秘方和壁垒，你很难通过加密货币的激励去从0”创造“出一个更好的算法；贡献、协调、激励的逻辑在算法创建上行不通。

（注：某个AI模型是算法训练的结果，严格来说算法和模型之间存在先后关系。但以下描述中，笔者为了更方便理解，而混用了二者。）

但是，你可以通过激励，从已有的算法中去“筛选”出一个更好的算法，而不至于让所有人都用同一家的东西。类似预言机项目通过激励机制来鼓励竞争，挑选出更好的数据源一样。

这个细分叙事上的项目暂时没有特别突出的代表，而 Bittensor 就属于其中之一 — 既直接不贡献数据，也不直接贡献算力，通过区块链网络和激励机制，来对不同的算法进行调度和筛选，从而让 AI 领域形成一个自由竞争、知识共享的算法（模型）市场。

秒懂 Bittensor 叙事 ： AI 乐高，让算法变得可组合

听起来有些复杂？

为了方便理解，可以先用一句话粗略概括 Bittensor：我们不生产算法，我们只是优质算法的搬运工。

为什么要搬运算法？看看当下AI领域的生态现状就能发现问题。

AI 赛道的玩家们，目前每家的算法和模型都是孤立的。由于商业竞争，你不可能让两家的算法相互学习来共同进步；这也意味着从 AI 供给端来看，竞争是零和的 ：一家的AI赢得了市场，其他家就会出局。

图源：Bittensor 官网

对竞争赢家来说，这当然没啥问题。

但 Bittensor 认为这对 整个 AI 的进步和算法创新效率都不利。互相孤立的模型、只选赢家的 AI 服务，意味着一旦有人想开发新的模型，可能必须从头开始；

假设模型A精通西班牙语，模型B精通写代码，当一位用户需要让 AI 解释一下带西班牙语注释的代码时，显然两个算法合力输出效果最好，但目前环境下做不到；

此外，由于第三方应用集成需要 AI 模型所有者的许可，有限的功能也意味着有限的价值，整个 AI 领域的合力实际上没有得到释放。

因此，Bittensor 这个项目的大目标是，让不同 AI 的算法和模型能够互相协作、学习和组合，从而形成更强大的模型，更好的为开发者和用户服务。

这种思路和配方，我们其实在几年前的defi summer 中见过—金融乐高。

稳定币、借贷、流动性挖矿等金融组件全都是开源和无许可的，需求方可以将其任意进行组合，就像乐高积木那样，从而形成新的产品和服务。

同样，擅长图像处理、文字处理或音频处理的AI 算法模型可以进行组合，为不同的任务服务，形成 AI 乐高。

所以，对 Bittensor 来说，项目本身既不会自己来计算，也不会自己提供数据在链上做机器学习，而是调动其他所有的链下AI模型，共同协作。

理论上看，借助拼 AI 乐高积木的方式，Bittensor 可以比孤立的模型更快、更高效地扩展其 AI 功能。

但至于现实中AI模型的提供方是否买账，如何做商业拓展，能不能落地，仍有待进一步观察。

基于挖矿和激励，实现 AI 模型的“预言机”

让不同的AI相互协作，这个目标很大，但如何才能实现？

Bittensor 给出的回答是建立一个区块链网络，通过挖矿激励的方式进行协调和运转。

Bittensor 在内核上采用的是 Polkadot 的平行链（应用链）设计，相当于自己有一条链来专门处理 AI 模型的协作，并且有自己的代币 $TAO 来做激励。

要搞清楚这条链的运行模式，至少需要摸清楚3个问题：

第一，这链上都有些什么角色？

第二，这些角色在干什么？彼此有什么联系？

第三，代币激励这些角色的哪些行为？

1. 链上角色和职能：

• 矿工：可以理解为全世界各种 AI算法和模型的提供方，它们托管AI模型并将其提供给Bittensor 网络；不同类型的模型组成了不同的子网，比如专攻图片或声音的模型

• 验证者：Bittensor 网络内的评估者。评估AI模型的质量和有效性，根据特定任务的性能对AI 模型进行排名，帮助消费者找到最佳解决方案。

（注：目前的验证者，看起来都是项目方自己旗下机构，可能有点不够去中心化。但随着网络的发展，可能会吸收其他组织进来充当验证者）

• 提名人：将代币委托给特定验证者来表示支持，也可以换不同的验证者来委托。有点像DeFi中你将自己的代币质押给Lido获取收益。

• 用户：Bittensor 提供的 AI 模型最终使用方。可以是个人，也可以是谋求AI模型来做应用的开发者们。

2. 角色之间的联系：

用户需要更好的AI模型，验证者负责按照不同的用途筛选更好的AI模型，矿工提供自己的AI模型，提名人选择支持不同的验证者。

说白了是一个开放的 AI 供需链条 ： 有人提供不同模型，有人评价不同模型，有人使用最好的模型所提供的结果。

图源：ReveloIntel

上面这张图提供了一个简单的说明：用户输入自己的需求，验证者将需求路由给Bittensor 网络中的矿工们；矿工们输出答案，验证者再来评估答案的质量，最终返回给用户。

3. TAO 代币在激励什么？

• 对验证者：对AI模型的筛选和评估越准确和一致，获得的奖励就越多。显然，要成为验证者，当然需要质押一定数量的 TAO 代币

• 对矿工：响应用户需求提供自己的模型，根据贡献获得TAO代币

• 对提名人：将自己的 TAO 委托给验证者，类似流动性质押奖励

• 对用户：支付 TAO 代币开启任务，等于消费

理想情况下，这个网络中的不同AI模型会进行协作，并且不同的任务大概率不同模型的表现会不同；由于这些任务链上可查网络节点可见，模型之间实际上确实可以相互学习，以根据任务做不同的调整。

图源：ReveloIntel

一个更好的类比方式是：Bittensor 有点像 AI 的“预言机”。DeFi里的预言机在给有需求的应用“喂最好的价格”， Bittensor 在给有AI 需求的用户“喂最好的模型”。

至于如何参与到这个网络中做验证者和矿工，由于涉及技术代码和开发界面，在此不做描述。有兴趣的读者可以访问此处查看官方文档。

$TAO 代币：如何估值最合适？

• 代币经济模型

根据官方文档显示，Bittensor于2021年“公平启动”（没有预挖代币），代币就叫做TAO。

TAO 的供应量为21,000,000（致敬了BTC），并同样有一个4年的减半周期，每1050万个区块，每个区块的奖励减半。一共将发生 64 次减半事件，最近的一个减半周期发生在 25 年 8月。

有点科幻的是，按这个减半周期，要 256 年这些代币才能完全被挖出来。

目前每 12 秒，就会向网络中发送一个TAO。粗略计算，一天会有 7200 个 TAO 产出，矿工和验证者各拿一半。

TAO 的公平启动，意味着没有任何 VC 轮、私募轮、ICO/IEO/IDO、基金会预留等等常见套路，可以理解为纯粹的矿币。

每挖一轮奖励，TAO都会在验证者和矿工之间分配。

但是，在 Bittensor 的官网上，我们也看到了 DCG、GSR、Polychain 和 Firstmask等知名资方和做市商。

一种合理的推测是，由于目前该网络中的验证者多半都与 Bittensor 官方的机构关联，意味着挖出来的币可以归到自己的手上，然后再分发给做市商来做市；

同时这些大机构也可以进来充当验证节点甚至是矿工，进行 TAO 的挖矿。

我们也在文章开头提到，Pantera等加密VC最近也成为了TAO的持有者。因此，Bittensor本身是公平启动的，但不意味着完全没有VC介入；

但在这轮行情的新周期中，“VC卖给二级”的发币模式已经不受待见，TAO的这种“先公平，再吸引资本介入”的模式，客观来说已经尽量做到了公平。

• 市场表现及估值

单从 TAO 的市场表现来看，代币价格从今年的最低谷到现在，已经有5倍以上的涨幅；

但问题在于，其他 AI 项目的涨幅也不错。例如 RNDR 从年初至今也差不多有5倍涨幅。

所以仅凭绝对涨幅来分析代币价值并没有太大作用。

那么和其他热门的 AI 项目比，TAO 的市值目前仅次于RNDR，但由于 4 年减半的长期释放机制存在，市值与完全稀释价值的比率反而是几个项目中最低的，也意味着TAO 的总体流通量目前来看相对较低，但单价较高。

原始图：X用户 @Moomsxxx，TAO 价格截止发稿时笔者自行计算

低流通量某些情况下意味着盘子小更容易拉升，另外在假设价格不变的情况下（时价$160)，每天 7200 个 TAO 全部挖出卖掉，整个市场的卖压为 115 万美金左右，以现有市场热度和交易量（TAO 日交易量500万美金）来看，消化卖压并不成问题。

如果跳出TAO自己来看，代币的估值实际上要和已有的，业务近似的项目相比才有意义。

在前文已经阐述过，Bittensor 的方向是 crypto + 算法/模型，严格意义上并不能直接跟 RNDR 等提供基础算力的项目进行对比。

从下面 Nansen 的这份 AI 赛道研究报告看， Bittensor 的业务应该算在 “Model Traning”（模型训练）赛道，同类竞争者有 Gensyn 和 Together，前者还得到了 A16Z的支持。

但两个项目目前均没有公开的代币，因此将 TAO 与这两个项目的市值做对比也行不通。

图源：Nansen研究

Omnichain Capital 的联创 David Attermann， 曾在今年 5月的博客中给出了一个更为激进的方法 — 直接将 Bittensor 与 OpenAI 进行对标。

有趣的是，David 在发文时特意提示自己并没有持仓 TAO，以证明其分析是客观的。

由于核心业务都是模型的训练并给用户使用，一个是闭源公司，另一个是协调全球AI模型，二者殊途同归都是让用户更好的使用AI。

考虑到 OpenAI 之前从 Microsoft 获得了 $29B （接近300亿美金）的私募市场估值，而今天 TAO 的 FDV 在36亿美金左右，这样算 TAO 仍有 8 倍左右的估值上行空间。

笔者并不完全赞同这种估值对比方法，Web3 和 Web2 项目的基本面、成长节奏和市场关注点都不同，单以估值论 8 倍的空间可能仅供参考，更多的还要看 TAO 自身的利好和资金热度的影响。

结论

综上所述，TAO/ Bittensor 在我们熟知的 AI 主题的加密项目之外，提供了另一种可能的叙事，即自己不涉及生产力的环节（计算资源和数据），纯粹靠生产关系的调动来让AI模型之间协作、竞争和小白导航调优。

这种叙事本身确实有一定吸引力，但 AI模型的对接、验证节点的中心化、模型好坏的评判等关键因素，并不是一纸白皮书可以轻松解决的 — AI 本身很单纯，但商业博弈则不是，如何说服更多人有代币奖励就参与这个网络，说服技术公司与其他 AI 模型进行协作，仍是见仁见智的事情。

而在基本面之外，代币的涨幅已经说明市场对 AI 赛道的概念集体买账，考虑到 Bittensor 在细分赛道下找不到一个类似规模的对手，TAO 则有可能在 AI 赛道集体狂欢中迎来更多利好，但由于缺乏合适的估值对标，是否值得长持仍旧要打个问号。

密切关注项目消息的更新和交易量的突变，可能才是更为实际的选择。

文章来源于互联网:解读 bittensor (TAO) : 野心巨大的 AI 乐高，让算法变得可组合

相关推荐: 反思 Web3 与体育的结合：到底是谁需要谁？

到底是Web3需要体育粉丝，还是体育粉丝需要Web3？ 作者：DefiOasis编辑：Faust 导语：Web3公司对体育的热衷，在FTX身上有着绝佳体现。此前他们曾斥资1.35亿美元买下迈阿密热火主场19年的冠名权，并让库里入股FTX成为其品牌大使，而Coi…