Bittensor 存在一些不足。

我对去中心化集体智慧的概念非常感兴趣，并在探索 BT 模型以引领特定领域的 AI 网络。

然而，以下几点让我产生了疑虑：

1. 在子网内，通过激励驱动产生最佳产出的竞争是合理的，如果实施得当。尽管存在诸如激励博弈、中继挖掘及验证者对正确输出的预设等挑战，但我认为这些问题是可以解决的。

当竞争扩展到横向时，经济模型开始崩溃，子网必须为更大的通货膨胀奖励分配而竞争，尤其是在实施动态 TAO 时。

TAO 持有者如何评估以下两种网络的经济价值：

（1）文本到语音模型（子网3）与

（2）筛查 X 射线疾病的视觉模型？

这两者的价值创造完全不同。依赖市场力量来确定每个子网的价值贡献对于长期战略发展来说，并非最佳选择。这好比让每个 AAPL 股东投票决定苹果公司的下一个产品。

2. 我不认为子网最终会在图像生成、文本生成等通用任务上具备竞争力。许多方面的激励并非经济性质，例如声誉、研究贡献或公共服务的驱动。

例如：Meta 发布了像 Llama-3 这样的强大的开源大型语言模型（LLMs），任何人都可以使用。

目前我还没有看到子网做到现有开源项目无法实现的事情，也没有数据显示它们的性能超越了现有的基准。

3. @opentensor 有点去中心化，但不是完全开源。这是一个明显的区别。

虽然任何人都可以使用子网，但实际发生的情况并不透明。矿工们在做什么？他们运行的是哪些算法？结果是如何产生的？用户很难看到这些；它是一个黑匣子。

4. TAO 的需求侧主要由

（1）投机者，

（2）越来越多的子网运转，以及/或更多人成为矿工/验证者。

然而，更多的子网/矿工/验证者会稀释对现有子网的激励。代币价格的下跌导致网络活动的反射性下降，因为矿工/验证者的单位经济效益面临压力。

该网络的运营成本为每日 7,200 TAO，约等于每天约 $3.2M 或每年 $1.2B。今天，这笔资金主要来自投机者。

Bittensor 是否在一年内能产生价值 $1.2B？有其价值，但我们可能还为时尚早。

一些思考：

如果网络中的所有子网都专注于特定行业而不是各种任务，可能会产生更大的协同效应。例如，专为基因组研究/药物发现或金融/交易设计的 Bittensor，这有助于经济协调、确定方向和业务发展。

BT 目前的经济模型可能允许其在一些小众的智能领域中茁壮成长，这些领域尚未引起广泛关注，但激励措施可以推动这些领域的模型发展，比如特定于加密货币的预测用例。

我相信，人工智能领域的去中心化将扮演极其重要的角色。Bittensor 是一个值得关注的实验。