Bittensor简介：子网、Yuma共识与dTAO支付链外AI工作

Bittensor 是一个无权限的网络，通过将评估转化为链上奖励，支付有用的链外机器智能。它通过专门的子网、由 yuma 共识聚合的验证者评分以及一个令牌系统来实现，其中 TAO 协调网络，dTAO 让市场按子网引导排放。

关键要点

• Bittensor通过链上奖励系统协调链外AI和其他数字工作，而不是直接在区块链上运行模型计算。
• 每个bittensor子网都是一个独立的小市场，拥有自己的任务、矿工、验证者和评分规则，因此“Bittensor性能”从来不是一个统一的概念。
• 验证者提交权重向量来评分矿工，而yuma共识则对这些评分进行加权汇总，以决定谁获得排放。
• 2024年的dtao升级引入了子网alpha代币并推动了排放。分配朝向市场定价，而不仅仅是根本层面的投票。

Bittensor作为智能市场

Bittensor 用户体验始于一个简单的分割：链条协调谁被允许影响奖励以及奖励如何结算，而被评判的工作发生在链外。这个设计选择就是整个重点。subtensor 协调层跟踪余额、质押关系以及验证者发布的与奖励相关的权重，但它并不试图将模型推理、训练或基准测试强行纳入区块空间。

这使得Bittensor加密货币感觉不再像“链上的AI”，而更像是为智能支付的市场设计。默认情况下，商品不是一个代币化的GPU小时。它可以是一个模型响应、一个预测、一个嵌入、一个语音输出，甚至是一个计算服务，只要一个子网能够定义测试和支付规则。网络的任务是使“有用性”足够清晰，以便在没有中央平台所有者的情况下进行支付。

这也是为什么正确的思维模型是两层。第一层是协调和结算：权益、权限和奖励分配。第二层是竞争领域，矿工在这里产生输出，验证者对其进行评判。如果评估层薄弱，整个系统就会退化为支付噪音。如果评估层强大，链就会成为链下智能的结算通道。

希望获得更广泛类别框架的读者应将 Bittensor 映射到去中心化 AI 基础设施的概念中：该产品不是单一模型，而是一种无许可的方式，可以在多个提供者之间获取和支付数字能力。

子网如何组织专业比赛

子网的存在是因为“AI”并不是一个具有单一目标函数的任务。语言模型子网可以对提示的响应进行评分。时间序列预测子网可以对预测结果与实际结果进行评分。计算资源提供子网可以对可用性和性能进行评分。试图将所有这些内容塞入一个全球评分系统，要么会变得模糊到可以被操控，要么会变得僵化到无用。

因此，Bittensor 将网络划分为多个专业化的领域。每个 Bittensor 子网都是一个独立的市场或社区，拥有自己的矿工、验证者和特定任务领域的激励逻辑。来源指出了具体的例子，如文本生成（通常称为子网 1）和预训练或模型训练（通常称为子网 9），以及图像生成、语音、时间序列预测和计算提供等领域。

重要的结果是，“Bittensor”并不是一个具有单一目标的网络。它是一个共享结算的微市场联盟。资产和一个协调链。每个子网定义了正在测试的内容、测试的方式以及什么行为会获得报酬。这就是为什么关于任何子网的第一个问题不是“什么是年化收益率它是“什么是评分表面。”如果测试容易被欺骗，矿工将会优化欺骗。

对于更深入的机械性讲解，合适的伴侣是比特传感器子网如何工作，因为重要的细节总是特定于子网：矿工提交什么，验证者查询什么，以及评分函数奖励什么。

验证者、矿工和Yuma共识

奖励循环有三个参与者：矿工生产商品，验证者评判它，链条确定结果。矿工是供应方。他们运行模型，提供推理，生成预测，或提供其他链外数字输出。验证者是需求方代理。他们测试矿工的输出，并决定谁在子网规则下最有用。

链上的关键工件是权重向量。验证者发布权重，根据他们的评估对矿工进行排名或评分。这些权重不仅仅是评论。它们是yuma共识的输入，该共识聚合验证者的观点并按权重分配，从而在子网内转化为排放分布。换句话说，比特传感器的“共识”主要不是关于交易排序，而是关于在支付链外工作时，谁的判断应该被计算。

权重加权是协议试图使合谋变得昂贵的方式。如果一小群人试图互相高评分，他们的影响力受到相对于子网其余验证权重的限制。Cube的解释者还描述了一个验证者的许可系统，具有如限制活跃集和与权重相关的资格规则等约束，这是协议限制谁可以提交与奖励相关的权重的另一种方式。

这是大多数浅显解释者错过产品的地方。Yuma就是产品。它是一种将链外工作的主观评估转化为可以在链上运行的支付规则的机制。如果读者无法解释验证者在评分什么，以及这些权重如何流入排放，他们就不理解在谈论“去中心化AI”时他们在信任什么。

TAO、dTAO和alpha代币激励

TAO是将系统联系在一起的结算资产。它是用于奖励和质押的原生代币，有一个来源描述它也用于支付访问网络服务的费用。Uphold的概述还声称TAO的最大供应量为2100万，并遵循四年减半周期。

2024年dTAO升级改变了子网竞争排放的方式。在dTAO之前，来源描述根网络通过投票或验证者驱动的标准分配排放。在dTAO之后，每个子网都有自己的alpha代币，排放分配转向与alpha代币定价相关的市场机制。流动性池。这很重要，因为它将“哪些子网应获得排放”转变为实时价格信号，而不是纯粹的政治过程。

这创造了风险暴露的清晰分离。TAO协调整个网络。tao代币是质押者用来支持验证者并参与网络经济的单位。Alpha是子网特定的风险表达。如果市场决定某个子网的评估较弱或输出没有价值，alpha可能会贬值，子网可能会随着时间的推移吸引更少的排放。

这就是与交易者相关的框架：Bittensor是一个双层市场设计，其中子网定义了AI商品的合同，验证者通过提交权重向量充当评级机构，而dTAO将每个子网的可信度转化为价格信号，可以吸引或失去排放。对于比较AI代币叙事的读者，干净的对比是bittensor与render这两个不同的AI加密投资，因为一个是评估输出的市场，另一个通常围绕计算渲染供应进行框架。

用例、好处和关键风险

子网领域提供了具体的用例。来源指出子网用于文本生成、模型训练或预训练、时间序列预测、图像生成、语音和计算提供。好处在于专业化。每个领域可以定义自己的评估逻辑，而不是继承一个适合所有的基准。

第二个好处是架构：重计算保持在链外。这使得系统不会因尝试在通用区块链内部验证模型工作而崩溃。链的工作是协调质押、权限和奖励结算。

关键风险集中在评估上，而不是计算。如果子网的评分函数容易被操控，矿工将优化测试而不是基础服务质量。如果验证者能够以低成本协调，他们可以通过发布对齐的权重向量将奖励引导给内部人士。该协议试图通过质押加权和共识聚合来抵制这一点，但无法消除许多AI输出难以客观判断的基本问题。

第二个风险是生态系统复杂性。来源描述到2025年子网数量为“超过一百”，到2026年初为“125+个活跃子网”，这意味着表面面积大且依赖时间。这使得尽职调查需要逐个子网进行，而不是逐个品牌进行。

对于希望参与而不仅仅是理解设计的用户，下一步的操作是如何质押tao和选择子网，因为经济结果取决于参与者支持哪些验证者和哪些子网。

关于Bittensor的常见误解

“Bittensor在区块链上运行AI”是最昂贵的误解。链条协调质押、余额和与奖励相关的权重，而模型的工作和评估查询发生在链外。Bittensor使用区块链作为结算和协调层，而不是执行训练的地方。

“Bittensor是一个具有单一目标的网络”是第二个陷阱。网络被组织成子网，每个子网都有自己的任务领域和评分规则。一个强大的文本生成子网并不意味着一个强大的时间序列预测子网，因为测试、参与者和激励措施是不同的。

“验证者是被动的裁判”在机制上是错误的。验证者通过提交权重向量积极塑造支付，而yuma共识将这些权重按质押加权汇总，以决定排放分配。这使得验证者的行为成为竞争游戏的一部分，而不是中立的背景过程。

“TAO是唯一重要的东西”忽视了dTAO所改变的内容。在dtao下，子网alpha代币将子网级别的可信度转化为可交易信号，可以影响排放分配。TAO是结算资产。Alpha是市场表达当前认为哪些子网值得排放的地方。

总结

我看到交易者将“去中心化AI”视为一个单一叙事交易，然后被真正重要的部分所蒙蔽：评估。在Bittensor上，资产不是“AI”。资产是一组评分游戏，每个子网一个，其中验证者发布权重向量，而yuma共识将这些判断转化为排放。

清晰的姿态是思考角色和信号。矿工为测试优化，验证者为影响优化，而dtao将市场的观点转化为alpha定价，即使一个子网在社会上很响亮，也可能在经济上被饿死。如果一个人无法描述bittensor子网正在测量什么以及验证者如何利用它，他们就不理解在购买这个故事时自己在买什么。

来源

• Cube Exchange
• DEXTools
• Uphold
• Gate Wiki