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，一贯是妖币频出的舞台。
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剖析过。
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 项目的社区公告宣告，有名加密 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供应更多支持。
VC 们长于捕捉趋势的演化，更长于推动趋势的发展。
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，有哪些显著差异于 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、技能构成、代币估值等方面进行全面剖析，为大家的判断和决策供应参考。
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，不妨先看一下全体 AI 行业的概况。
债券泡沫下的AI热潮
AI 观点的代币很热，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 年市场对天生式 AI 的兴趣显著增长，投资 AI 干系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 和英伟达那么大略。
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势 ---由债券泡沫带来的 AI 集体资金热潮。
根据估算，以美国为首的环球大经济体，在未来3年中因财政赤字而必须展期和发行确当局债务总额估量会达到 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）的成本被接管，一定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，美国央行一定会哀求印钞票，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 年天下的法定货币供应量大幅增加（乃至超过 COVID 期间）。
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猖獗回报的新技能公司。每个法定流动性泡沫都有一种新形式的技能，来吸引投资者并吸引大量成本”。
90 年代有互联网泡沫，08 年金融危急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天生式 AI 得到浩瀚投资的深层次缘故原由之一。GPT 的技能有目共睹，但在更大的视角下，它只是成本年夜水中最为残酷的明珠，背后成本集体涌入 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。
旧调重弹，AI 实质上是一种前辈生产力，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，通过勉励、折衷和组织形式的改变来促进以上这三个要素的变革。
哪些代币能提升这 3 个要素，就有了热度结合的可能。
暂且不谈论可行性，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 须要海量数据来演习模型，区块链能够通过勉励去调动数据供应者来贡献数据，或者利用去中央化的数据存储，来为更加民主化、分散化的数据演习需求铺路。
这种叙事下，受益的加密货币可以是去中央化存储类的根本举动步伐，例如 Arthur 强烈安利的 Filecoin ;
-Crypto + 算力：AI模型的实现须要强大的运算能力，大厂或部分打算资源供应商手上有这种能力，但仍可以考虑长尾市场，让分散在各地的打算资源（个人显卡/设备）等贡献算力，从而得到加密货币的勉励。
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，则是其余一套逻辑。
-Crypto + 算法：不同与前两者的”资源密集型“，算法本身是个技能密集型的东西，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勉励去从0”创造“出一个更好的算法；贡献、折衷、勉励的逻辑在算法创建上行不通。
（注：某个AI模型是算法演习的结果，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，你可以通过勉励，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勉励机制来鼓励竞争，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殊突出的代表，而 Bittensor 就属于个中之一 --- 既直接不贡献数据，也不直接贡献算力，通过区块链网络和勉励机制，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
听起来有些繁芜？
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创造问题。
AI 赛道的玩家们，目前每家的算法和模型都是伶仃的。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 全体 AI 的进步和算法创新效率都不利。相互伶仃的模型、只选赢家的 AI 做事，意味着一旦有人想开拓新的模型，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，当一位用户须要让 AI 阐明一下带西班牙语注释的代码时，显然两个算法协力输出效果最好，但目前环境下做不到；
此外，由于第三方运用集成须要 AI 模型所有者的容许，有限的功能也意味着有限的代价，全体 AI 领域的协力实际上没有得到开释。
因此，Bittensor 这个项目的大目标是，让不同 AI 的算法和模型能够相互协作、学习和组合，从而形成更强大的模型，更好的为开拓者和用户做事。
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容许的，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做事。
同样，善于图像处理、笔墨处理或音频处理的AI 算法模型可以进行组合，为不同的任务做事，形成AI 乐高。
以是，对 Bittensor 来说，项目本身既不会自己来打算，也不会自己供应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 乐高积木的办法，Bittensor 可以比伶仃的模型更快、更高效地扩展其 AI 功能。
但至于现实中 AI 模型的供应方是否买账，如何做商业拓展，能不能落地，仍有待进一步不雅观察。
基于挖矿和勉励，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，通过挖矿勉励的办法进行折衷和运转。
Bittensor 在内核上采取的是 Polkadot 的平行链（运用链）设计，相称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 来做勉励。
要搞清楚这条链的运行模式，至少须要摸清楚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，代币勉励这些角色的哪些行为？
链上角色和职能：矿工：可以理解为全天下各种 AI 算法和模型的供应方，它们托管AI模型并将其供应给 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，根据特界说务的性能对 AI 模型进行排名，帮助消费者找到最佳办理方案。（注：目前的验证者，看起来都是项目方自己旗下机构，可能有点不足去中央化。但随着网络的发展，可能会接管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 供应的 AI 模型终极利用方。可以是个人，也可以是钻营 AI 模型来做运用的开拓者们。角色之间的联系：用户须要更好的 AI 模型，验证者卖力按照不同的用场筛选更好的 AI 模型，矿工供应自己的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 ： 有人供应不同模型，有人评价不同模型，有人利用最好的模型所供应的结果。
图源：ReveloIntel
上面这张图供应了一个大略的解释：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，终极返回给用户。
TAO 代币在勉励什么？对验证者：对A I 模型的筛选和评估越准确和同等，得到的褒奖就越多。显然，要成为验证者，当然须要质押一定数量的 TAO 代币对矿工：响运用户需求供应自己的模型，根据贡献得到 TAO 代币对提名人：将自己的 TAO 委托给验证者，类似流动性子押褒奖对用户：支付 TAO 代币开启任务，即是消费空想情形下，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度。
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运用“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，由于涉及技能代码和开拓界面，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：如何估值最得当？代币经济模型
根据官方文档显示，Bittensor于 2021 年“公正启动”（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，每个区块的褒奖减半。一共将发生 64 次减半事宜，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 年这些代币才能完备被挖出来。
目前每 12 秒，就会向网络中发送一个TAO。粗略打算，一天会有 7200 个 TAO 产出，矿工和验证者各拿一半。
TAO 的公正启动，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。
每挖一轮褒奖，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等有名资方和做市商。
一种合理的推测是，由于目前该网络中的验证者多数都与 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乃至是矿工，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 本身是公正启动的，但不虞味着完备没有VC参与；
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“先公正，再吸引成本参与”的模式，客不雅观来说已经只管即便做到了公正。
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。
以是仅凭绝对涨幅来剖析代币代价并没有太大浸染。
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 年减半的长期开释机制存在，市值与完备稀释代价的比率反而是几个项目中最低的，也意味着TAO 的总体流利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打算
低流利量某些情形下意味着盘子小更随意马虎拉升，其余在假设价格不变的情形下（时价 $160)，每天 7200 个 TAO 全部挖出卖掉，全体市场的卖压为 115 万美金旁边，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，业务近似的项目比较才故意义。
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 等供应根本算力的项目进行比拟。
从下面 Nansen 的这份 AI 赛道研究报告看， Bittensor 的业务该当算在 “Model Traning”（模型演习）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比拟也行不通。
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，以证明其剖析是客不雅观的。
由于核心业务都是模型的演习并给用户利用，一个是闭源公司，另一个是折衷环球AI模型，二者殊途同归都是让用户更好的利用AI。
考虑到 OpenAI 之前从 Microsoft 得到了 $29B （靠近 300 亿美金）的私募市场估值，而本日 TAO 的 FDV 在 36 亿美金旁边，这样算 TAO 仍有 8 倍旁边的估值上行空间。
笔者并不完备赞许这种估值比拟方法，Web3 和 Web2 项目的基本面、发展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，供应了另一种可能的叙事，即自己不涉及生产力的环节（打算资源和数据），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、验证节点的中央化、模型好坏的评判等关键成分，并不是一纸白皮书可以轻松办理的 --- AI 本身很纯挚，但商业博弈则不是，如何说服更多人有代币褒奖就参与这个网络，说服技能公司与其他 AI 模型进行协作，仍是见仁见智的事情。
而在基本面之外，代币的涨幅已经解释市场对 AI 赛道的观点集体买账，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，但由于缺少得当的估值对标，是否值得长持仍旧要打个问号。
密切关注项目标更新和交易量的突变，可能才是更为实际的选择。