全景解读Bittensor的34个子网和发展趋势

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。