AI“庞氏骗局”？揭秘 Bittensor 暴涨背后的惊天秘密！

author 阅读：9 2025-04-02 12:01:27 评论：0

被过度炒作的 AI 乌托邦？批判性审视 Bittensor 的真实价值

华丽外表下的隐忧：Bittensor 投资概览

Bittensor，一个自诩为受比特币启发的去中心化 AI 平台，正以惊人的速度吸引着市场的目光。它那基于子网架构和博弈论的通用激励平台，听起来的确像是 AI 领域的下一个风口。但拨开迷雾，我们不禁要问：这究竟是未来科技的曙光，还是又一场被过度炒作的资本游戏？

Bittensor 试图通过代币增发来激励矿工提供各种资源，包括 AI 推理、数据存储、GPU 算力，甚至带宽等等。这听起来很美好，但仔细想想，比特币是通过 SHA-256 计算来维护网络安全，其工作具有明确的价值。而 Bittensor 的激励机制是否真的能驱动高质量的 AI 创新，而不是滋生投机行为？这才是问题的关键。

它的代币经济学确实有所创新，声称只有子网团队通过提升项目质量，进而提升子网代币价格，才能获得激励。然而，这种机制真的能有效防止劣质项目浑水摸鱼吗？在 Bittensor 的博弈论机制下，子网之间的竞争固然能推动资源优化，但这种竞争是否会演变成单纯的“价格战”，最终损害整个生态的健康发展？

生态发展方面，Bittensor 目前拥有 80 个子网项目，数量增长迅猛。然而，其中有多少是真正具有创新性和实用价值的？又有多少只是换汤不换药的重复性业务？这种生态的繁荣，更像是虚假的泡沫，而非真正的创新活力。

当然，Bittensor 与 AI、DePin、公链等热门叙事的关联性，无疑为其增添了不少光环。但投资者需要警惕的是，这些光环很可能掩盖了其内在的缺陷和风险。

那么，Bittensor 究竟有哪些风险需要我们特别关注？

基础设施的匮乏与不透明性： 缺乏完善的基础设施、有效的市场营销和社区支持，导致 Bittensor 的透明度较低。这无疑增加了投资者的风险，使得他们难以准确评估项目的真实价值。
生态的重复性与内耗： 大量重复和相似的业务，以及缺乏外部独立开发团队，使得 Bittensor 的生态充满了内耗。一个 Labs 同时构建多个子网项目，导致资源分散，难以专注于核心业务，最终可能在竞争中败下阵来。
机制的复杂性与高门槛： TAO 的机制设计极其复杂，涉及诸多细节，这无疑增加了散户的学习成本，同时也对项目方的知识储备提出了更高的要求。这种复杂性，反而可能阻碍了 Bittensor 的普及和发展。

Bittensor 的生态发展确实呈现加速趋势，其架构也较为独特，目前尚未出现高度相似的竞品。但需要注意的是，大部分 AI 产品都是子网项目的直接竞争对手。因此，我们对 Bittensor 生态的发展，既要保持乐观，也要保持警惕。它与 Allora 和 Sentiment 等项目不同，不仅仅局限于提供大模型或数据，而是试图构建一个更加开放和自由的生态系统。

然而，这种开放性是否会失控，最终导致生态的混乱和无序？这仍然是一个未知数。我们欣喜地看到 YZi Labs 等 VC 开始投资 Bittensor 生态，但这并不意味着 Bittensor 已经成功。它仍然面临着诸多挑战和风险，需要我们进行更加深入的思考和评估。

看似美好的激励机制，实则暗藏风险

基础概况：披着比特币外衣的 AI 激励平台？

Bittensor 自诩为“受比特币 POW 网络启发”，但实际上，它更像是一个披着区块链外衣的 AI 资源交易市场。比特币通过算力竞争维护网络安全，而 Bittensor 激励矿工提供 AI 推理、数据存储等各种资源。这种类比，本身就存在着根本性的缺陷。

比特币的价值在于其稀缺性和去中心化，以及对交易的不可篡改性。而 Bittensor 的价值，很大程度上取决于其生态的繁荣程度以及 AI 资源的利用效率。如果生态内的资源质量低下，或者利用效率不高，那么 Bittensor 的价值也将大打折扣。

我们可以从一组基本信息来进一步审视 Bittensor：

图片：https://example.com/bittensor_basic_info.png (请替换为实际图片链接)

（注：信息来源 CoinMarketcap & Coinglass，统计日期 2025 年 3 月 17 日。请自行替换为相关数据。）

这些数据本身并没有太多信息，但需要注意的是，市值并不代表价值。一个项目的市值可能被高估或低估，而其真正的价值，需要从其技术、应用、生态等多个维度进行综合评估。

Bittensor 的核心理念是，通过博弈论和代币激励，构建一个良性竞争的环境，以提供分布式的众包服务。然而，这种理念能否真正落地，仍然是一个巨大的挑战。去中心化的众包服务，往往面临着质量难以保证、效率低下的问题。Bittensor 如何解决这些问题，是其能否成功的关键。

项目详解：精妙的架构设计，难以掩盖的缺陷

Bittensor 的架构设计确实颇具匠心，它试图将 AI 资源的供给与需求通过一套复杂的机制连接起来。然而，这种精妙的设计，并不能掩盖其内在的缺陷。

团队背景调查：技术实力毋庸置疑，商业落地能力有待考察

Bittensor 的核心团队由三位计算机背景的成员组成：Jacob Robert Steeves, Ala Shaabana, 和 Garrett Oetken。

图片：https://example.com/jacob_steeves.png (请替换为实际图片链接)

Jacob Robert Steeves: Founder, 拥有深厚的学术背景和在 Google 等传统科技企业的经验。他在机器学习、分布式计算和加密技术领域都有所涉猎，技术实力毋庸置疑。

图片：https://example.com/ala_shaabana.png (请替换为实际图片链接)

Ala Shaabana: Co-Founder, 同样拥有强大的学术背景，并在软件开发领域积累了丰富的经验。他的研究领域涉及计算机科学、机器学习和分布式计算，既有企业研发经验，也有学术研究背景。

图片：https://example.com/garrett_oetken.png (请替换为实际图片链接)

Garrett Oetken：CTO, 在 AI、计算机视觉、自然语言处理和分布式计算等领域都有着丰富的经验。

Opentensor 是 Bittensor 的开发团队，总员工数约 40 人。从团队构成来看，其技术实力毋庸置疑。Ala 更偏重学术研究和 AI 算法，Jacob 擅长机器学习和区块链架构，Garrett 具备工程落地和产品开发经验。整体上，这是一个较强的技术创业组合。

然而，技术实力并不等于商业成功。Bittensor 的核心团队在商业落地、市场营销和社区运营方面是否具备足够的经验和能力，仍然是一个未知数。

资金/融资情况：神秘的融资历史，隐藏着什么秘密？

Bittensor 从未公开过在一级市场的融资情况。目前公开可查的只有 Polychain, DCG 以及 DAO 5 数百万美元的 OTC 代币交易。

这种神秘的融资历史，不禁让人产生疑问：为什么 Bittensor 不选择公开透明的融资方式？是担心估值过低，还是另有隐情？缺乏透明的融资历史，也为 Bittensor 的未来发展增添了一丝不确定性。

代码：开发进度加速，但质量如何保证？

图片：https://example.com/github_stats.png (请替换为实际图片链接)

Opentensor 的 Github 主库 Tensor 的开发进展良好，在 2025 年第一季度的代码库更新明显加速。

开发进度的加速固然可喜，但更重要的是代码的质量。快速迭代固然重要，但如果忽视代码的质量，最终只会导致项目的失败。Bittensor 如何保证代码的质量，避免出现安全漏洞和性能问题，是其面临的又一个挑战。

产品：理想丰满，现实骨感？深入剖析 Bittensor 的产品逻辑

Bittensor 的产品核心在于构建一个去中心化的 AI 资源市场，矿工提供算力、存储等资源，验证者负责评估矿工的工作质量，而 TAO 代币则作为激励机制，驱动整个生态的运转。

产生背景：比特币的拙劣模仿？Bittensor 的创新性何在？

Bittensor 试图将比特币的成功经验复制到 AI 领域，但这种复制是否可行？比特币的价值在于其去中心化和稀缺性，而 AI 资源的价值则在于其质量和利用效率。简单地将比特币的激励机制照搬到 AI 领域，很可能无法达到预期的效果。

在 Bittensor 的视角中，比特币网络通过代币经济激励来促使全球矿工运行算法来维护整个网络的可用性。但是比特幣網絡貢獻的計算資源是非常初級和單一的。Bittensor 受此啓發，激勵礦工提供更寬泛的數字資源或者在 AI 時代下的智能計算資源。

这种想法看似美好，但实际上存在着诸多问题。首先，不同的 AI 资源具有不同的价值，如何公平地评估这些资源的价值，是一个巨大的挑战。其次，矿工可能会为了追求更高的收益，而提供低质量的资源，从而损害整个生态的健康发展。

产品介绍：复杂的 TAO 架构，能否真正激发 AI 创新？

Bittensor 的架构由多个组件构成，包括子网、Bittensor 主网、Bittensor API 等。

图片：https://example.com/tao_architecture.png (请替换为实际图片链接)

每个子网都是一个独立的矿工社区和验证者社区，负责生产和评估特定的数字商品。Bittensor 主网充当记录系统，TAO 代币则作为参与子网活动的激励。Bittensor API 支持子网内矿工和验证者之间的交互。

这种架构设计看似精妙，但实际上却非常复杂。对于普通用户来说，理解 TAO 的运作机制需要付出大量的学习成本。这种复杂性，反而可能阻碍了 Bittensor 的普及和发展。

每个子网都有两个角色：矿工和验证者。矿工提供 AI 模型的训练或推理资源，验证者维护 Bittensor 主链的安全，并校验证子网内部是否遵守共识规则。

Bittensor 引入了一个关键机制，即每个子网都有自己的 AMM 机制。这个 AMM Pool 拥有两个代币储备，一个包含 TAO 主网本身的代币，另一个就是子网自己的代币 (Alpha Token)。

这种设计旨在通过市场机制来调节子网代币的价格，从而激励矿工提供更高质量的资源。然而，这种机制是否真的有效，仍然需要时间的检验。

技术细节：Dynamic TAO 机制，是进步还是倒退？

过去，Bittensor 的关键技术是其 Yuma Consensus 算法，该算法旨在解决一个问题——如何在去中心化的网络中，针对“AI 模型贡献”达成共识并进行激励分配。

然而，Yuma Consensus 算法存在着诸多问题。验证者无法全面评估大量子网，导致打分不准确、冷漠或被贿赂。子网可能私下向验证者“行贿”，拉高投票。

因此，Bittensor 构建了一个改进的机制来评价子网的贡献，其被称为 Dynamic TAO。DTAO 新思路：把“哪个子网应拿更多代币增发”交给市场，通过在每个子网发行一种子网代币 (Alpha) 并结合 AMM 池，由市场价格来評判子网价值。

图片：https://example.com/dynamic_tao.png （请替换为实际图片链接）

如果子网越有前景，子网代币价格越高、每次增发获得的 TAO 比例也就越高，同时 Alpha token 增发激励也会越多。

举个例子，比如我们有两个子网 Subnet A 和 Subnet B，每个区块增发一枚 TAO。Subnet A 和 Subnet B 在上线之时，便有了其子网的代币分别为 alphaA 和 alphaB 以及价格 P_a 和 P_b。

每个子网所能获得的 TAO 总注入量Δτ，与其代币价格在“全网代币价格之和”中的占比成正比。公式一般是：

图片：https://example.com/tao_formula.png （请替换为实际图片链接）

因此，假设两个子网的价格 P_a 和 P_b 分别为 1 TAO 和 1 TAO，那么每个区块增发后，子网可以获得 0.5 Δτ。

要保持 AMM 池子价格稳定，子网也会得到相应 Alpha 注入。通常做法：先算出 Δαi —— “在维持当前价格 pi 的前提下，需要注入多少 Alpha”，若算出的值超过子网的 Alpha 发放上限 (cap)，则实际注入值被截断（只注入到 cap 为止）。

在 DTAO 规则中，除了注入到池子裏的这部分 Alpha，还会有同等数量的 Alpha 代币直接分发给子网角色，以替代过去发 TAO 的方式。矿工（Miners）占 41%，验证者（Validators）占 41%，子网拥有者（Subnet Owner）占 18%。

图片：https://example.com/alpha_distribution.png （请替换为实际图片链接）

注入池子是为了维持价格；分发给节点是为了激励生态角色。Alpha token 是保留起来的，等一次 Tempo 时间（360 个区块）以后一次性发放，避免过于零碎的发放奖励。

这里有一个比较常见的问题是：每一次 TAO 的注入，虽然 Alpha 代币配套增发到 AMM 中，这一部分的池子的价格是维持恒定的，但是又额外增发相对应的代币会导致额外的抛压。

Bittensor 将这种机制类比为比特币的矿工奖励机制，AMM 池子 TAO 和 ALpha 代币的等比例的注入是为了让子网代币的流动性加深市场，滑点低，市场定价更加准确，代币持有人更有信心。而 alpha 代币等比例的增发奖励，是为了奖励其高质量的矿工和子网开发者。

实际上由于代币总量限制在 2100 万，所以子网代币也不会无限的增发，而是无限趋近于 2100 万枚。

图片：https://example.com/positive_loop.png （请替换为实际图片链接）

在新的 Dynamic TAO 的架构下，这有一个正向的反饋循环，来激励子网开发者构建，他们往往指望增发来获得更公平和透明的奖励。这套激励能较好的防止刷票行为，因为刷票需要使用真金白银推高子网的价格，而只有基本面好的价格能长期稳定在较高水平，较差子网如果靠刷票拉高子网价格，首先其不可持续，其次本身对于子网持币者也乐见其成。

然而，Dynamic TAO 机制真的能解决所有问题吗？它是否会带来新的问题和风险？

生态繁荣的假象：泡沫还是机遇？

发展：过去、现在与未来，Bittensor 的发展轨迹分析

要评价一个项目，需要对其发展历程进行全面的分析。Bittensor 从诞生至今，经历了哪些阶段？取得了哪些成就？又面临着哪些挑战？

过去：缓慢起步，缺乏亮点

图片：https://example.com/bittensor_past.png （请替换为实际图片链接）

现在：子网数量激增，但同质化严重

图片：https://example.com/subnet_growth.png （请替换为实际图片链接）

子网上线于 2023 年 10 月，经历了 1 年半的发展，Bittensor 目前有 80 条子网（包括 Root 子网），且生态呈现快速增长的趋势。截止 3 月 23 日，生态的总市值为 1.65 B，子网代币的 24 小时总交易量为 47.66 m。

这种增长速度看似惊人，但需要警惕的是，其中有多少是虚假的繁荣？有多少子网是真正具有创新性和实用价值的？

生态发展：看似繁荣，实则空虚？对 Bittensor 生态的深度剖析

图片：https://example.com/bittensor_ecosystem.png (请替换为实际图片链接)

图片：https://example.com/top_20_liquidity.png (请替换为实际图片链接)

我们统计了除去 Root 网络（也就是 Bittensor 过去的代币分发机制，依赖于验证者来确定贡献，目前已经废除）的前 20 名，按照 AMM Pool 中的流动性排名。这可以反映长期以来的价值积累和认可。

图片：https://example.com/subnet_example_1.png (请替换为实际图片链接)

图片：https://example.com/subnet_example_2.png (请替换为实际图片链接)

图片：https://example.com/subnet_example_3.png (请替换为实际图片链接)

Bittensor 的生态重复性很高。在 20 个项目中有 11 个项目都是利用现存的 GPU 进行大模型的预训练、训练、微调和推理。但是我们在生态中也能够看到 Subnets 适用去中心化的 GPU 来进行包括蛋白质、图论、大模型的运算。

值得注意的是，我们发现其子网许多生态都是由同一工作室研发如 Microcosmos（#1 #9 #13 #25 #37），Rayon Labs（#64 #19 #Gradients），在生态方面可能仍然缺乏足够的独立开发者团队。

这种生态结构意味着什么？是创新不足，还是资源集中？

在生态的真实效用方面，确实有一些社区的声音，值得我们反思。比如：

Bittensor 自从 dynamic TAO 主网上线后，其演变成了一个去中心化的通用的激励网络，由于 Root 子网的正式下线（失去中心化的调控），同时机制依赖于子网的市值高低，会导致一些如 MEME 代币获得激励，从而使得网络的长期愿景失效。
有些专注于推理的 LLM 子网，大量矿工带来了效率低下和冗余。同时子网自身激励机制和推理质量判断的水平不一，矿工倾向与使用同一种模型，而避免被误判。

我们认为，问题一确实值得注意，可以引入更多的机制去判断价值或者重新引入一个 DAO 组织来避免一些有损网络的事情。而对于问题二，我们认为这说明了该子网的所有人，并没有做好相关的工作，那么该子网如果失去了价值，其价格和激励也会逐步降低，所以这方面可以依据市场的自主调节。

如果以一个非常长远的眼光来看，Bittensor 这种通用激励网络网络仍然有其意义所在，在生态部分，我们将论述其适合的应用场景。

图片：https://example.com/yzi_labs.png (请替换为实际图片链接)

在资本的支持方面，Bittensor 生态也在逐步扩大，我们看到了陆续有项目获得了 VC 的融资。比如 YZi Labs 等 VC 开始投资 Bittensor 生态。

社交媒体：与社区脱节，信息闭塞

图片：https://example.com/social_media.png (请替换为实际图片链接)

Bittensor 与社区之间的联系较少，除了 Discord 外，没有官方的社区交流渠道，同时也缺乏市场宣发的动作。

这种封闭的社区环境，是否会阻碍 Bittensor 的发展？一个成功的项目，离不开社区的支持和参与。

未来：宏伟蓝图，能否实现？

图片：https://example.com/founder_x.png (请替换为实际图片链接)

官方 Blog 在去年就已经停止更新，也没有官方的 2025 Roadmap，团队对于开发者的重视程度远超社区。

Founder 在 X 上有大致概述其接下来的目标包括：阈值签名、时间锁定加密、可验证函数、ZK-SNARKs、同态加密和多方计算。这些密码学工具是希望帮助开发者重新设计网络激励系统。

这些目标听起来非常宏伟，但能否真正实现，仍然是一个巨大的未知数。 Bittensor 团队是否具备足够的技术实力和执行力，将这些复杂的密码学技术应用于实际场景？

经济模型的悖论：激励还是陷阱？

经济模型：代币分配、用途与持币地址分析

一个项目的经济模型，直接关系到其长期发展的可持续性。 Bittensor 的经济模型，是否能够有效地激励参与者，并促进生态的繁荣？

代币分配：公平的假象？

图片：https://example.com/vesting_schedule.png （请替换为实际图片链接）

Finney 网络于 2023 年 3 月 20 日启动，此时第一批矿工可以上线挖矿。 Bittensor 也和比特币一样，完全没有团队和 VC 的一级市场份额。代币总量 2100 万枚，目前已经挖出 36.95% （大约为 850 万枚），剩余 68.05% 等待挖出。每一个区块会挖出一个 TAO，一个区块为 12 秒，一天大约挖出 7200 个 TAO，按照 250 美元的价格，大致在 180 万美元（现货交易量每日在 $ 96.62 M）。

看似公平的分配方式，真的能够保证所有参与者都能够获得公平的回报吗？初期参与者是否会占据更大的优势，从而形成中心化的风险？

图片：https://example.com/staking_validators.png （请替换为实际图片链接）

目前一共 6, 143, 675 枚 TAO 被质押（占流通代币总量的 72.3% ），质押挖矿的平均年化回报率大约在 15% -17% 之间，相比之下，Solana 的 APR 为 7.5% ，NEAR 为 9.2% ，Ethereum 为 2.9% 。

高额的质押回报率，是否会吸引大量的投机者，从而导致 TAO 的价格波动？这种高回报率是否具有可持续性？

TAO 的代币经济学是完全和 BTC 一致，整个网络的价值就是 TAO 的价值，TAO 的代币经济学完全用于网络的验证者分发和子网的激励，同时完全释放需要几百年的时间，整个网络维持着稳定而缓慢的释放节奏。