为何看好Bittensor？
首先，Bittensor 究竟是什么？
Bittensor本身并不是一种人工智能产品，也不生产或提供任何人工智能产品或服务。它是一个经济体系，旨在通过为AI产品生产者提供高度竞争的激励机制，优化人工智能产品市场。在Bittensor生态系统中，高质量生产者能得到更多激励，而竞争力较弱的生产者则会逐渐被市场淘汰。
那么，Bittensor是如何构建这一促进有效竞争并推动高质量AI产品自然生产的激励机制的呢？
Bittensor 飞轮模型
通过飞轮模型，Bittensor实现了这一目标。在该模型中，验证者对生态系统内的AI产品质量进行评估，并根据质量分配激励，确保高质量生产者获得更多奖励。这种做法促使高质量产出不断增加，从而提升了Bittensor网络的价值并推动了TAO的增值。TAO的增值不仅吸引更多优质生产者加入Bittensor生态，同时也提高了操纵质量评估结果的操纵者的攻击成本。这进一步加强了诚实验证者之间的共识，提升了评估结果的客观性和公正性，实现了更为有效的竞争和激励机制。
保证评估结果的公正与客观是推动这一飞轮运转的关键步骤，也是Bittensor核心技术——基于Yuma共识的抽象验证系统的核心所在。
那么，什么是Yuma共识，它又是如何确保共识后的评估结果具有公正性和客观性的呢？
Yuma共识是一个旨在从多个验证者提供的评估中计算最终评估结果的共识机制。与拜占庭容错共识机制相似，只要网络中的大多数验证者保持诚实，最终都能得出正确的决策。在假设诚实验证者能提供客观评估的前提下，经共识后的评估结果将是公平且客观的。
以子网质量评估为例，根网络的验证者对每个子网的输出进行评估和排序。64位验证者的评估结果被汇总，并通过Yuma共识算法得出最终评估结果，这些结果随后用于对每个子网分配新铸造的TAO。
- 当前，Yuma共识还存在一些待改进之处：
- 根网络的验证者可能不能完全代表所有TAO持有者，他们的评估结果可能不足以反映广泛的视角。此外，少数顶尖验证者的评估有时也可能缺乏客观性。即使发现了评估偏差，也不一定能立即进行纠正。
- 根网络验证者的存在限制了Bittensor可以支持的子网数量。要与集中式AI巨头竞争，仅有32个子网远远不够。即便是这32个子网，根网络的验证者也可能难以有效监控完全。
- 验证者可能不倾向于迁移到新子网。短期内，从旧子网迁移到发行额较低的新子网可能会导致他们损失部分奖励。新子网的发行量能否最终赶上，加上在追求过程中确定会损失的奖励，这减弱了他们的迁移动机。
Bittensor计划通过升级机制来解决这些问题：
- 动态TAO将评估子网质量的权力从少数验证者中解放出来，分散至所有TAO持有者。这使得TAO持有者能够通过质押间接决定每个子网的资源分配比例。
- 取消根网络验证者的限制后，活跃子网的最大数量将增加至1024个。这将大幅降低新团队加入Bittensor生态系统的门槛，促进子网之间的激烈竞争。
- 较早迁移到新子网的验证者很可能获得更高的奖励。早期迁移意味着以更低的价格购买该子网的dTAO，从而增加了未来获得更多TAO的可能性。
Yuma共识的包容性也是其一大优势。它不仅用于决定每个子网的发行量，还用于确定同一子网内每个矿工和验证者的资源分配比例。此外，无论矿工的任务如何，包括计算能力、数据、人力和智力的贡献都将被综合考虑。因此，任何阶段的AI产品生产都可以融入Bittensor生态系统，享受激励同时也增值了Bittensor网络。
接下来，让我们看看一些领先的子网，并观察Bittensor是如何激励这些子网的产出的。
子网 #3 Myshell TTS
GitHub - myshell-ai/MyShell-TTS-Subnet: GitHub - myshell-ai/MyShell-TTS-Subnet
通过在 GitHub 上创建帐户来为 myshell-ai/MyShell-TTS-Subnet 开发做出贡献。
发行量：3.46%（2024年4月9日）
背景介绍：Myshell团队由来自麻省理工学院、牛津大学和普林斯顿大学等著名学府的核心成员组成，主导Myshell TTS（文本转语音）项目。Myshell致力于开发一个无编程平台，使得无编程背景的大学生也能轻松打造个性化机器人。Myshell专注于TTS技术、有声读物及虚拟助手领域，并在2023年3月推出了首个语音聊天机器人Samantha。随着产品系列的不断扩展，目前已拥有超过一百万的注册用户。该平台支持各类机器人，包括语言学习、教育及实用型机器人。
定位：Myshell推出这一子网，目的是汇聚开源社区的集体智慧，打造顶尖的开源TTS模型。换言之，Myshell TTS不直接运行模型或处理终端用户的请求，而是作为一个培训TTS模型的网络平台。
Myshell TSS架构
如上图所示，Myshell TTS的运行流程包括以下几个步骤：矿工负责训练模型并将其上传至模型池（模型的元数据同样存储在Bittensor区块链网络中）；验证者通过生成测试案例、评估模型性能，并根据这些结果给出评分；Bittensor区块链利用Yuma共识机制聚合权重，确定每个矿工的最终权重和资源分配比例。
总结来说，为了保持奖励，矿工必须不断提交更高质量的模型。
目前，Myshell还在其平台上推出了一个模型试用演示，供用户体验Myshell TTS的功能。
展望未来，随着Myshell TTS训练的模型逐渐提高可靠性，预计将有更多的应用场景投入使用。此外，这些作为开源模型，将不局限于Myshell平台，还能扩展至其他平台使用。通过这种去中心化方式来培训和激励开源模型，正是我们在去中心化人工智能领域所追求的目标。
子网 #5 Open Kaito
GitHub - OpenKaito/openkaito: GitHub - OpenKaito/openkaito
通过在 GitHub 上创建帐户来为 OpenKaito/openkaito 开发做出贡献。
发行量：4.39%（2024年4月9日）
背景介绍：Kaito.ai由Open Kaito团队支持，其核心成员在人工智能领域拥有丰富的经验，曾在AWS、META和Citadel等顶尖公司工作。在进入Bittensor子网之前，他们在2023年第四季度推出了旗舰产品Kaito.ai——一个Web3离链数据搜索引擎。借助AI算法，Kaito.ai优化了搜索引擎的核心组件，包括数据收集、排名算法和检索算法。它已被认为是加密社区中顶级的信息收集工具之一。
定位：Open Kaito旨在建立一个去中心化的索引层，支持智能搜索和分析。搜索引擎不仅仅是一个数据库或排名算法，而是一个复杂的系统。此外，一个有效的搜索引擎还需要低延迟，这为构建一个去中心化版本带来了额外的挑战。幸运的是，借助Bittensor的激励系统，预期这些挑战将得到解决。
Open Kaito架构
如上图所示，Open Kaito的操作流程如下：Open Kaito不仅仅是将搜索引擎的每个组件去中心化，而是将索引问题定义为矿工-验证者问题。即，矿工负责响应用户的索引请求，而验证者则分配需求并对矿工的响应进行评分。
Open Kaito不限制矿工完成索引任务的方式，而是关注矿工输出的最终结果，以鼓励创新的解决方案。这有助于在矿工之间培养健康的竞争环境。面对用户的索引需求，矿工努力改进他们的执行方案，以更少的资源实现更高质量的响应结果。
子网#6 Nous Finetuning
通过在 GitHub 上创建帐户来为 NousResearch/finetuning-subnet 开发做出贡献。
发行量：6.26%（2024年4月9日）
背景介绍：Nous Finetuning的团队来自Nous Research，该研究团队致力于大规模语言模型（LLM）的架构设计、数据合成和设备端推理。其联合创始人曾在Eden Network担任首席工程师。
定位：Nous Finetuning是一个专注于大语言模型精细调整的子网。此外，用于微调的数据源自Bittensor生态系统中的子网#18。
操作流程：Nous Finetuning的工作流程与Myshell TSS相似。矿工根据子网#18的数据训练模型，并定期将其发布到Hugging Face平台；验证者对模型进行评估并打分；与此同时，Bittensor区块链利用Yuma共识机制来聚合权重，最终确定每个矿工的权重和发行量。
子网 #18 Cortex.t
通过在 GitHub 上创建帐户来为 corcel-api/cortex.t 开发做出贡献。
发行量：7.74%（2024年4月9日）
背景介绍：Cortex.t由Corcel.io团队开发，得到了Bittensor网络中第二大验证者Mog的支持。Corcel.io是一款面向终端用户的应用，旨在通过利用Bittensor生态系统内的AI产品，提供与ChatGPT相似的体验。
定位：Cortex.t被设定为在结果交付给终端用户之前的最终处理层。它负责检测并优化各子网的输出，确保在单一提示调用多个模型时，输出结果的准确性和一致性。Cortex.t的目标是避免输出空白或不一致，从而保证流畅的用户体验。
在Cortex.t中，矿工利用Bittensor生态系统中的其他子网处理来自终端用户的请求。他们还采用GPT-3.5-turbo或GPT-4来验证输出结果，确保终端用户得到可靠的服务。验证者通过与OpenAI生成的结果对比来评估矿工的输出。
子网#19 Vision
通过在 GitHub 上创建帐户来为 namoray/vision 开发做出贡献。
发行量：9.47%（2024年4月9日）
背景：Vision背后的开发团队也来自Corcel.io。
定位：Vision的目标是通过一个名为DSIS（大规模去中心化子网推理）的优化子网构建框架，来最大化Bittensor网络的输出能力。这一框架显著提高了矿工对验证者的响应速度。当前，Vision专注于图像生成场景。
验证者从Corcel.io前端接收需求，并分配给矿工。矿工有自由选择他们偏好的技术栈（不局限于模型）来处理这些需求并生成回应。随后，验证者根据矿工的表现进行评分。多亏了DSIS框架，Vision能够比其他子网更迅速、更高效地处理这些需求。
摘要
从上述示例中可以看出，Bittensor展现出了很高的包容性。矿工的生成和验证者的验证工作都在链下进行，Bittensor网络的唯一作用是根据验证者的评估，为每个矿工分配奖励。任何符合矿工-验证者架构的人工智能产品生成环节都可以转化为一个子网。
理论上，子网之间的竞争应当非常激烈。为了持续获得奖励，每个子网都必须不断产出高质量的成果。否则，如果某个子网的输出被根网络验证者评定为低价值，其所获奖励可能会被削减，甚至可能被新兴子网所替代。
然而，现实情况却暴露了一些问题：
- 由于子网功能定位过于相似，导致了资源的冗余和重复。在现有的32个子网中，多个子网都集中在图文生成、文本提示和价格预测等热门领域。
- 还有些子网缺乏实际应用场景。尽管从理论上看，价格预测子网作为预言机可能具有一定价值，但其当前的预测数据对终端用户来说远不够实用。
- 存在“劣币驱逐良币”的现象。一些顶尖的验证者可能缺乏转向新子网的动机，即便这些新子网的质量明显更高。但由于资金支持不足，这些子网可能无法在短期内获得充足的发行量。新子网自推出后仅有7天的保护期，如果不能迅速积累足够的发行量，它们可能面临被淘汰和下线的风险。
这些问题显示出子网之间的竞争不充分，一些验证者未能有效促进竞争。
Open Tensor Foundation Validator（OTF）已经实施了一些临时措施来缓解这种状况。作为持有23%股权（包括代理权）的最大验证者， TAOOTF为子网争取更多的质押TAO提供了途径：子网所有者可以每周向OTF提交调整其在子网中的质押TAO比例的请求。这些请求需涵盖“子网目标与对Bittensor生态系统的贡献”、“子网奖励机制”、“通信协议设计”、“数据来源与安全”、“计算需求”和“发展路线图”等十个方面，以便OTF做出决策。
然而，要从根本上解决这些问题，一方面，我们迫切需要推出dTAO（@0xai.dev/what-is-the-impact-of-dynamic-tao-on-bittensor-efcc8ebe4e27">Dynamic TAO），这将从根本上解决上述问题。另一方面，我们应该呼吁持有大量质押TAO的重要验证者从促进生态系统发展的角度出发，而不仅仅关注财务回报。
总的来说，凭借其包容性强、竞争环境激烈且激励机制有效的特点，我们相信Bittensor生态系统能够自然孕育出高质量的AI产品。虽然现有子网的产出可能还无法与中心化产品相媲美，但我们不应忘记，Bittensor架构至今仅一周年（子网#1于2023年4月13日注册）。面对有潜力挑战中心化AI巨头的平台，我们更应专注于制定实际的改进计划，而不是急于指摘其不足。毕竟，我们都不希望AI技术始终被少数几个巨头所控制。
声明：
- 本文转载自[Medium]，著作权归属原作者[ 0xai ]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
- 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
- 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章
如何质押 ETH？
为何看好Bittensor？
首先，Bittensor 究竟是什么？
Bittensor本身并不是一种人工智能产品，也不生产或提供任何人工智能产品或服务。它是一个经济体系，旨在通过为AI产品生产者提供高度竞争的激励机制，优化人工智能产品市场。在Bittensor生态系统中，高质量生产者能得到更多激励，而竞争力较弱的生产者则会逐渐被市场淘汰。
那么，Bittensor是如何构建这一促进有效竞争并推动高质量AI产品自然生产的激励机制的呢？
Bittensor 飞轮模型
通过飞轮模型，Bittensor实现了这一目标。在该模型中，验证者对生态系统内的AI产品质量进行评估，并根据质量分配激励，确保高质量生产者获得更多奖励。这种做法促使高质量产出不断增加，从而提升了Bittensor网络的价值并推动了TAO的增值。TAO的增值不仅吸引更多优质生产者加入Bittensor生态，同时也提高了操纵质量评估结果的操纵者的攻击成本。这进一步加强了诚实验证者之间的共识，提升了评估结果的客观性和公正性，实现了更为有效的竞争和激励机制。
保证评估结果的公正与客观是推动这一飞轮运转的关键步骤，也是Bittensor核心技术——基于Yuma共识的抽象验证系统的核心所在。
那么，什么是Yuma共识，它又是如何确保共识后的评估结果具有公正性和客观性的呢？
Yuma共识是一个旨在从多个验证者提供的评估中计算最终评估结果的共识机制。与拜占庭容错共识机制相似，只要网络中的大多数验证者保持诚实，最终都能得出正确的决策。在假设诚实验证者能提供客观评估的前提下，经共识后的评估结果将是公平且客观的。
以子网质量评估为例，根网络的验证者对每个子网的输出进行评估和排序。64位验证者的评估结果被汇总，并通过Yuma共识算法得出最终评估结果，这些结果随后用于对每个子网分配新铸造的TAO。
- 当前，Yuma共识还存在一些待改进之处：
- 根网络的验证者可能不能完全代表所有TAO持有者，他们的评估结果可能不足以反映广泛的视角。此外，少数顶尖验证者的评估有时也可能缺乏客观性。即使发现了评估偏差，也不一定能立即进行纠正。
- 根网络验证者的存在限制了Bittensor可以支持的子网数量。要与集中式AI巨头竞争，仅有32个子网远远不够。即便是这32个子网，根网络的验证者也可能难以有效监控完全。
- 验证者可能不倾向于迁移到新子网。短期内，从旧子网迁移到发行额较低的新子网可能会导致他们损失部分奖励。新子网的发行量能否最终赶上，加上在追求过程中确定会损失的奖励，这减弱了他们的迁移动机。
Bittensor计划通过升级机制来解决这些问题：
- 动态TAO将评估子网质量的权力从少数验证者中解放出来，分散至所有TAO持有者。这使得TAO持有者能够通过质押间接决定每个子网的资源分配比例。
- 取消根网络验证者的限制后，活跃子网的最大数量将增加至1024个。这将大幅降低新团队加入Bittensor生态系统的门槛，促进子网之间的激烈竞争。
- 较早迁移到新子网的验证者很可能获得更高的奖励。早期迁移意味着以更低的价格购买该子网的dTAO，从而增加了未来获得更多TAO的可能性。
Yuma共识的包容性也是其一大优势。它不仅用于决定每个子网的发行量，还用于确定同一子网内每个矿工和验证者的资源分配比例。此外，无论矿工的任务如何，包括计算能力、数据、人力和智力的贡献都将被综合考虑。因此，任何阶段的AI产品生产都可以融入Bittensor生态系统，享受激励同时也增值了Bittensor网络。
接下来，让我们看看一些领先的子网，并观察Bittensor是如何激励这些子网的产出的。
子网 #3 Myshell TTS
GitHub - myshell-ai/MyShell-TTS-Subnet: GitHub - myshell-ai/MyShell-TTS-Subnet
通过在 GitHub 上创建帐户来为 myshell-ai/MyShell-TTS-Subnet 开发做出贡献。
发行量：3.46%（2024年4月9日）
背景介绍：Myshell团队由来自麻省理工学院、牛津大学和普林斯顿大学等著名学府的核心成员组成，主导Myshell TTS（文本转语音）项目。Myshell致力于开发一个无编程平台，使得无编程背景的大学生也能轻松打造个性化机器人。Myshell专注于TTS技术、有声读物及虚拟助手领域，并在2023年3月推出了首个语音聊天机器人Samantha。随着产品系列的不断扩展，目前已拥有超过一百万的注册用户。该平台支持各类机器人，包括语言学习、教育及实用型机器人。
定位：Myshell推出这一子网，目的是汇聚开源社区的集体智慧，打造顶尖的开源TTS模型。换言之，Myshell TTS不直接运行模型或处理终端用户的请求，而是作为一个培训TTS模型的网络平台。
Myshell TSS架构
如上图所示，Myshell TTS的运行流程包括以下几个步骤：矿工负责训练模型并将其上传至模型池（模型的元数据同样存储在Bittensor区块链网络中）；验证者通过生成测试案例、评估模型性能，并根据这些结果给出评分；Bittensor区块链利用Yuma共识机制聚合权重，确定每个矿工的最终权重和资源分配比例。
总结来说，为了保持奖励，矿工必须不断提交更高质量的模型。
目前，Myshell还在其平台上推出了一个模型试用演示，供用户体验Myshell TTS的功能。
展望未来，随着Myshell TTS训练的模型逐渐提高可靠性，预计将有更多的应用场景投入使用。此外，这些作为开源模型，将不局限于Myshell平台，还能扩展至其他平台使用。通过这种去中心化方式来培训和激励开源模型，正是我们在去中心化人工智能领域所追求的目标。
子网 #5 Open Kaito
GitHub - OpenKaito/openkaito: GitHub - OpenKaito/openkaito
通过在 GitHub 上创建帐户来为 OpenKaito/openkaito 开发做出贡献。
发行量：4.39%（2024年4月9日）
背景介绍：Kaito.ai由Open Kaito团队支持，其核心成员在人工智能领域拥有丰富的经验，曾在AWS、META和Citadel等顶尖公司工作。在进入Bittensor子网之前，他们在2023年第四季度推出了旗舰产品Kaito.ai——一个Web3离链数据搜索引擎。借助AI算法，Kaito.ai优化了搜索引擎的核心组件，包括数据收集、排名算法和检索算法。它已被认为是加密社区中顶级的信息收集工具之一。
定位：Open Kaito旨在建立一个去中心化的索引层，支持智能搜索和分析。搜索引擎不仅仅是一个数据库或排名算法，而是一个复杂的系统。此外，一个有效的搜索引擎还需要低延迟，这为构建一个去中心化版本带来了额外的挑战。幸运的是，借助Bittensor的激励系统，预期这些挑战将得到解决。
Open Kaito架构
如上图所示，Open Kaito的操作流程如下：Open Kaito不仅仅是将搜索引擎的每个组件去中心化，而是将索引问题定义为矿工-验证者问题。即，矿工负责响应用户的索引请求，而验证者则分配需求并对矿工的响应进行评分。
Open Kaito不限制矿工完成索引任务的方式，而是关注矿工输出的最终结果，以鼓励创新的解决方案。这有助于在矿工之间培养健康的竞争环境。面对用户的索引需求，矿工努力改进他们的执行方案，以更少的资源实现更高质量的响应结果。
子网#6 Nous Finetuning
通过在 GitHub 上创建帐户来为 NousResearch/finetuning-subnet 开发做出贡献。
发行量：6.26%（2024年4月9日）
背景介绍：Nous Finetuning的团队来自Nous Research，该研究团队致力于大规模语言模型（LLM）的架构设计、数据合成和设备端推理。其联合创始人曾在Eden Network担任首席工程师。
定位：Nous Finetuning是一个专注于大语言模型精细调整的子网。此外，用于微调的数据源自Bittensor生态系统中的子网#18。
操作流程：Nous Finetuning的工作流程与Myshell TSS相似。矿工根据子网#18的数据训练模型，并定期将其发布到Hugging Face平台；验证者对模型进行评估并打分；与此同时，Bittensor区块链利用Yuma共识机制来聚合权重，最终确定每个矿工的权重和发行量。
子网 #18 Cortex.t
通过在 GitHub 上创建帐户来为 corcel-api/cortex.t 开发做出贡献。
发行量：7.74%（2024年4月9日）
背景介绍：Cortex.t由Corcel.io团队开发，得到了Bittensor网络中第二大验证者Mog的支持。Corcel.io是一款面向终端用户的应用，旨在通过利用Bittensor生态系统内的AI产品，提供与ChatGPT相似的体验。
定位：Cortex.t被设定为在结果交付给终端用户之前的最终处理层。它负责检测并优化各子网的输出，确保在单一提示调用多个模型时，输出结果的准确性和一致性。Cortex.t的目标是避免输出空白或不一致，从而保证流畅的用户体验。
在Cortex.t中，矿工利用Bittensor生态系统中的其他子网处理来自终端用户的请求。他们还采用GPT-3.5-turbo或GPT-4来验证输出结果，确保终端用户得到可靠的服务。验证者通过与OpenAI生成的结果对比来评估矿工的输出。
子网#19 Vision
通过在 GitHub 上创建帐户来为 namoray/vision 开发做出贡献。
发行量：9.47%（2024年4月9日）
背景：Vision背后的开发团队也来自Corcel.io。
定位：Vision的目标是通过一个名为DSIS（大规模去中心化子网推理）的优化子网构建框架，来最大化Bittensor网络的输出能力。这一框架显著提高了矿工对验证者的响应速度。当前，Vision专注于图像生成场景。
验证者从Corcel.io前端接收需求，并分配给矿工。矿工有自由选择他们偏好的技术栈（不局限于模型）来处理这些需求并生成回应。随后，验证者根据矿工的表现进行评分。多亏了DSIS框架，Vision能够比其他子网更迅速、更高效地处理这些需求。
摘要
从上述示例中可以看出，Bittensor展现出了很高的包容性。矿工的生成和验证者的验证工作都在链下进行，Bittensor网络的唯一作用是根据验证者的评估，为每个矿工分配奖励。任何符合矿工-验证者架构的人工智能产品生成环节都可以转化为一个子网。
理论上，子网之间的竞争应当非常激烈。为了持续获得奖励，每个子网都必须不断产出高质量的成果。否则，如果某个子网的输出被根网络验证者评定为低价值，其所获奖励可能会被削减，甚至可能被新兴子网所替代。
然而，现实情况却暴露了一些问题：
- 由于子网功能定位过于相似，导致了资源的冗余和重复。在现有的32个子网中，多个子网都集中在图文生成、文本提示和价格预测等热门领域。
- 还有些子网缺乏实际应用场景。尽管从理论上看，价格预测子网作为预言机可能具有一定价值，但其当前的预测数据对终端用户来说远不够实用。
- 存在“劣币驱逐良币”的现象。一些顶尖的验证者可能缺乏转向新子网的动机，即便这些新子网的质量明显更高。但由于资金支持不足，这些子网可能无法在短期内获得充足的发行量。新子网自推出后仅有7天的保护期，如果不能迅速积累足够的发行量，它们可能面临被淘汰和下线的风险。
这些问题显示出子网之间的竞争不充分，一些验证者未能有效促进竞争。
Open Tensor Foundation Validator（OTF）已经实施了一些临时措施来缓解这种状况。作为持有23%股权（包括代理权）的最大验证者， TAOOTF为子网争取更多的质押TAO提供了途径：子网所有者可以每周向OTF提交调整其在子网中的质押TAO比例的请求。这些请求需涵盖“子网目标与对Bittensor生态系统的贡献”、“子网奖励机制”、“通信协议设计”、“数据来源与安全”、“计算需求”和“发展路线图”等十个方面，以便OTF做出决策。
然而，要从根本上解决这些问题，一方面，我们迫切需要推出dTAO（@0xai.dev/what-is-the-impact-of-dynamic-tao-on-bittensor-efcc8ebe4e27">Dynamic TAO），这将从根本上解决上述问题。另一方面，我们应该呼吁持有大量质押TAO的重要验证者从促进生态系统发展的角度出发，而不仅仅关注财务回报。
总的来说，凭借其包容性强、竞争环境激烈且激励机制有效的特点，我们相信Bittensor生态系统能够自然孕育出高质量的AI产品。虽然现有子网的产出可能还无法与中心化产品相媲美，但我们不应忘记，Bittensor架构至今仅一周年（子网#1于2023年4月13日注册）。面对有潜力挑战中心化AI巨头的平台，我们更应专注于制定实际的改进计划，而不是急于指摘其不足。毕竟，我们都不希望AI技术始终被少数几个巨头所控制。
声明：
- 本文转载自[Medium]，著作权归属原作者[ 0xai ]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
- 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
- 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章
如何质押 ETH？