Subnet Bittensor adalah pasaran komoditi digital khusus di dalam rangkaian Bittensor. Setiap subnet menentukan satu tugas, memberi ganjaran kepada penambang yang menghasilkan output yang diminta, dan bergantung kepada validator untuk menilai kerja tersebut sebelum protokol mengagihkan emisi. Targon SN4 menyediakan pengiraan sulit, Chutes SN64 melaksanakan aplikasi GPU, iota SN9 mengkoordinasikan latihan model teragih, dan Data Universe SN13 mengumpul data sosial.
Nombor subnet sahaja tidak mengungkapkan hampir apa-apa tentang kualiti produk. Ulasan yang berguna harus menghubungkan tugas kepada peraturan penilaian, peraturan penilaian kepada ganjaran penambang, dan output yang diberi ganjaran kepada pengguna luar. Permintaan dan emisi alpha-token boleh menyokong pasaran itu, tetapi tiada satu pun membuktikan bahawa perkhidmatan asasnya mempunyai pelanggan yang membayar.
Rangkaian Bittensor asas menyediakan koordinasi bersama dan ekonomi token, sementara setiap subnet menentukan apa yang harus dihasilkan oleh peserta dan bagaimana prestasi harus diukur. Pemisahan ini membolehkan rangkaian inferens menilai latensi dan kualiti model tanpa memaksa subnet pengumpulan data menggunakan tolok yang sama. Inilah sebabnya Bittensor menyerupai portofolio pasaran khusus daripada satu chatbot terdesentralisasi.
Subnet bukanlah blok rantai yang berasingan dan bukan sekadar token yang disenaraikan di bawah TAO. Ia adalah persekitaran operasi yang dibina di sekeliling komoditi tertentu, seperti pengiraan GPU, respons model, kemajuan latihan, data baharu, ramalan, pengujian keselamatan, atau trajektori agen. Bittensor subnet directory menunjukkan betapa luasnya pelbagai tugas tersebut kini, sementara decentralized AI project analysis AiCryptoCore meletakkan model bersebelahan dengan rangkaian yang mengkoordinasikan pengiraan, data, dan inferens dengan cara yang berbeza.
| Komponen | Peranan di dalam subnet | Bukti yang dapat dilihat oleh penyelidik |
|---|---|---|
| Pemilik Subnet | Mendefinisikan tugas dan mekanisme insentif | Perihal produk, rekabentuk penilaian, kepemilikan dan perubahan parameter |
| Penggali | Menghasilkan komoditi atau perkhidmatan | Output yang dikembalikan, kapasiti tersedia, latensi, kesegaran atau keputusan tolok ukur |
| Validator | Menguji penambang dan menghantar berat | Bilangan validator, kaedah penilaian, tingkah laku berat dan kepekatan |
| Metagraph | Mencatat peserta dan hubungan subnet pada blok | UID, hotkey, bertaruh, insentif, kepercayaan, dividen, dan berat |
| pasar dTAO | Harga token alpha subjen terhadap TAO | Kedalaman kolam, harga, volume, bertaruh, dan bahagian emisi |
Sebahagian besar kerja yang berguna berlaku di luar rantai. Bittensor merekod siapa yang terlibat, bagaimana penilai menilai penambang, dan bagaimana ganjaran dibahagikan.
- Validator menghantar tugas yang ditakrifkan oleh pemilik subnet, seperti permintaan inferens, pemeriksaan peranti keras atau tugas pengumpulan data.
- Penambang menggunakan model, peranti keras, atau set data mereka sendiri untuk mengembalikan hasil yang diminta.
- Penilaian: Validator menguji hasil tersebut menggunakan peraturan penilaian subnet dan menghantar berat untuk penambang yang mereka nilai.
- Konsensus: Yuma Consensus menggabungkan berat validator sambil mengambil kira taruhan dan persetujuan.
- Hadiah: Rantaian merekod insentif penambang dan dividen validator berdasarkan konsensus yang dihasilkan.
Ujian penilaian berubah mengikut produk. Targon memeriksa pengesahan peranti keras dan pelaksanaan, manakala Data Universe mengambil sampel rekod untuk keaslian dan kesegaran. Insentif penambang yang tinggi oleh itu bermakna penambang melakukan kerja dengan baik di bawah peraturan subnet tersebut; ia tidak membuktikan bahawa pelanggan luar telah membeli output tersebut.
| Peserta | Apa yang mereka lakukan | Apa yang menentukan hasil | Risiko utama |
|---|---|---|---|
| Penggali | Menghasilkan output model subrangkaian, pengiraan, data atau perkhidmatan | Skor kualiti, masa operasi, kos pengoperasian, pangkat UID dan emisi subnet | Kos pendaftaran dan peralatan boleh melebihi ganjaran |
| Validator | Menguji penambang dan menghantar berat | Kejituan penilaian, kepercayaan validator, bertaruh, dan persetujuan terhadap konsensus | Penilaian lemah atau kepercayaan rendah mengurangkan pengaruh dan dividen |
| Pemilik Subnet | Mendefinisikan tugas dan mekanisme insentif | Kegunaan produk, rekabentuk penilaian dan kemampuan menarik penambang dan pengesah | Peraturan yang lemah memberi ganjaran kepada tingkah laku yang salah |
| Peng-stake | Mengalokasikan TAO ke subnet dan menerima eksposur alpha | Harga kolam, permintaan alpha, emisi dan ekonomi validator | Pulangan token boleh berbeza daripada permintaan produk |
Beban kerja boleh jauh lebih berat daripada yang ditunjukkan oleh papan pemantau token. Dalam perbincangan penambangan Bittensor yang sudah lama, seorang pengendali menerangkan bahawa beliau menghabiskan kira-kira tujuh jam sehari pada bulan-bulan pertama dan membayar kos GPU serta pendaftaran.
Pengendali yang sama melaporkan mengalami tiga bulan tanpa keuntungan semasa mempelajari sistem tersebut. akaun tunggal ini bukan anggaran kos yang mewakili, tetapi menunjukkan mengapa penambang berpotensi memerlukan bajet operasi dan ujian prestasi khusus subnet, bukan hanya tangkapan skrin APY.
Keuntungan penambang, dividen validator, dan pulangan staker mengukur aktiviti yang berbeza. Menggabungkannya ke dalam satu hasil utama menyembunyikan siapa yang melakukan kerja, siapa yang menilainya, dan siapa yang hanya menerima eksposur pasaran token.
Setiap neuron aktif mempunyai UID dan hotkey. Metagraph menggabungkan identiti-identiti tersebut dengan taruhan, timbangan, insentif, kepercayaan, dan dividen subnet pada blok tertentu.
Metagraph boleh menunjukkan:
- Adakah subrangkaian penuh dan berapa banyak slot UID yang aktif.
- Penambang mana yang menerima insentif yang bermakna.
- Validator mana yang mempunyai berat dan kepercayaan paling tinggi.
- Samada ganjaran dan pengaruh terkumpul di kalangan satu kumpulan kecil.
Metagraph tidak dapat menunjukkan:
- Pendapatan yang dibayar oleh pelanggan di luar Bittensor.
- Samada permintaan API menghasilkan keputusan yang berguna.
- Komputasi telah dihantar, pengguna kekal atau integrasi berulang.
- Samada permintaan token datang dari penggunaan produk atau spekulasi pasaran.
Berat validator yang terkonsentrasi bermaksud lebih sedikit pihak yang mempengaruhi ganjaran penambang, sementara insentif yang terkonsentrasi bermaksud satu kumpulan kecil menangkap sebahagian besar emisi. Satu analisis empirikal Bittensor pada 2025 mendapati kepekatan yang ketara dalam bertaruh dan ganjaran, jadi jumlah peserta yang besar tidak menjamin desentralisasi.
Ulasan subnet yang kredibel memerlukan kedua-dua lapisan: data metagraph untuk persaingan dalaman dan bukti pelanggan untuk permintaan luaran. Perbezaan ini juga berlaku di seluruh pasaran kripto infrastruktur AI.
Contoh-contoh di bawah ini bukanlah senarai peringkat. Mereka dipilih kerana setiap satu menjadikan hubungan penambang-penentu kelihatan melalui produk yang berbeza: komputasi sulit, inferens tanpa pelayan, latihan model teragih dan pengumpulan data sosial. Nama, netuid dan metrik pasaran telah disemak pada 24 Ogos 2026; tugas subnet dan ekonomi boleh berubah.
| Subnet | Produk telah dihantar | Kontribusi penambang | Fokus validator |
|---|---|---|---|
| Targon, SN4 | Komputasi AI sulit | Kapasiti GPU dan pelaksanaan yang disahkan | Keselamatan peranti keras dan kapasiti yang layak |
| Chutes, SN64 | Penghantaran aplikasi GPU tanpa pelayan | Contoh GPU yang melayani beban kerja yang dikandungkan | Kesahihan peranti, ketersediaan, dan penghantaran perkhidmatan |
| iota, SN9 | Pembelajaran pra-pretrining model terdistribusi | Kerja latihan terkoordinasi di seluruh GPU | Kemajuan yang boleh ditiru dan sumbangan yang sah |
| Data Universe, SN13 | Set data media sosial terkini | Rekod yang disalin dan disimpan | Keaslian, kesegaran, keunikan dan daya tarik |
Targon mengubah pengesahan peranti menjadi produk komputasi
Targon berfokus pada komputasi sulit daripada penyewaan GPU generik. Menurut profil subnet awam, penambang mengoperasikan peralatan dan persekitaran eksekusi yang layak, sementara validator mengesahkan klaim attestasi sebelum kapasiti tersebut boleh menerima kerja dan ganjaran. Mekanisme berdasarkan pelelangannya menghubungkan emisi dengan kapasiti GPU yang tersedia dan harga sasaran, menjadikan tugas penambang lebih jelas daripada “berikan komputasi AI.”
Profil subrangka awam Targon mendokumenkan peranti yang disahkan, parameter lelong, dan kapasiti yang layak. Ia tidak mengungkapkan isipadu beban kerja yang disahkan secara bebas, kos pelanggan yang disampaikan, atau retensi. Ukuran produk yang hilang ini meletakkan Targon sejajar dengan perbandingan rangkaian GPU terdesentralisasi, di mana beban kerja yang disampaikan lebih penting daripada peranti yang disenaraikan.
Chutes menghantar pakej GPU penambang sebagai aplikasi yang boleh dideploy
Chutes menawarkan pendekatan yang lebih berfokus pada aplikasi. Profil SN64-nya menggambarkan aplikasi GPU yang dikonterkan, yang boleh diskalakan merentas kapasiti yang dioperasikan secara berasingan, membolehkan pembangun melaksanakan beban inferens tanpa menguruskan kelompok tetap. Penambang menyediakan peranti keras yang menjalankan aplikasi tersebut; platform ini mengendalikan pelaksanaan, penghalaan, dan operasi berdasarkan penggunaan.
Profil awam Chutes mendokumenkan model penghantaran, penagihan masa runtime GPU, dan penskalaan automatik. Ia tidak menyediakan rekod yang disahkan secara bebas mengenai permintaan berjaya, prestasi cold-start, masa aktif, atau latensi yang dihantar. Itu adalah ukuran perkhidmatan yang sama yang digunakan dalam pedoman rangkaian inferens terdesentralisasi AiCryptoCore, dan harga alpha tidak menggantikannya.
iota mengkoordinasikan pra-pelatihan merentas GPU yang tidak boleh dipercayai
iota, yang dikenal sebagai SN9 dalam permukaan subnet awamnya, berfokus pada latihan model selari paip di antara operator GPU teragih. Tugas itu berbeza ketara daripada melayani satu permintaan inferens. Hasil yang berguna ialah kemajuan latihan yang berterusan yang mampu bertahan terhadap variabiliti nod dan menghasilkan cekpoint model yang boleh diperbanyak, bukan sekadar inventori besar peralatan yang terdaftar.
Pengesah iota mengukur sumbangan latihan, bukan hanya pendaftaran peranti keras. Permukaan subnet awam mengenal pasti arsitektur latihan teragih, tetapi ia tidak menetapkan kualiti checkpoint semasa, prestasi pemulihan ralat, atau kemampuan model akhir. Artifak latihan yang selesai dan penilaian boleh diperbanyakkan menetapkan sama ada larian terkoordinasi menghasilkan model yang boleh digunakan.
Data Universe memberi ganjaran kepada rekod baru dan boleh disahkan
Data Universe, SN13, menunjukkan bahawa penambang Bittensor tidak selalu memerlukan GPU. profil subrangka awam menjelaskan bahawa penambang mengumpul data media sosial sementara validator mengambil sampel rekod dan menilai kesegaran, keunikan, daya tarikan, dan kredibiliti. Ini memberikan subrangka sebuah komoditi yang boleh diukur: rekod yang memenuhi peraturan kualiti yang dinyatakan.
Pengesah Data Universe menentukan sama ada rekod yang diserahkan memenuhi peraturan autentisiti, kesegaran, keunikan, dan kelayakan sub-jaringan. Profil sub-jaringan awam tidak mengungkapkan pengekalan pelanggan yang disahkan secara bebas, kos set data yang dihantar, atau peningkatan yang diukur kepada model luar. Oleh itu, data yang sah secara protokol dan data yang dinilai oleh pembeli tetap menjadi lapisan bukti yang berasingan.
Dynamic TAO memberikan setiap subnet token alpha dan pasangan kolam alpha dengan TAO. Menstak TAO ke dalam subnet akan mengembalikan alpha; keluar akan membalikkan perdagangan melalui kolam. Harga pasaran yang muncul membantu menentukan bagaimana emisi dialihkan ke seluruh subnet, menggantikan sistem yang lebih bergantung pada set validator yang terbatas. dTAO whitepaper merangkum ini sebagai penilaian yang didorong pasaran terhadap komoditi subnet.
Ini menjadikan Bittensor sebagai pasaran kepada pasaran dan mencipta hubungan refleksif antara permintaan alpha-token, pengagihan taruhan, dan emisi. Pergerakan harga alpha merekodkan aktiviti dalam pasaran subnet; ia tidak menetapkan permintaan pelanggan terhadap produk asas. Kedalaman kolam dan slippage menentukan nilai boleh dilaksanakan bagi kedudukan alpha, bukan semata-mata harga spot yang dipaparkan.
Analisis yang paling bersih memisahkan tiga isyarat. Permintaan produk merekod permintaan, pelanggan dan penggunaan yang dibayar. Prestasi protokol merekod output penambang, penilaian validator dan kebolehpercayaan. Permintaan pasaran merekod harga alpha, likuiditi, bertaruh dan emisi. Subnet adalah yang paling kuat apabila ketiga-tiganya meningkat bersama-sama; satu lapisan tidak boleh digunakan sebagai pengganti dua lapisan lain.
Subnet Bittensor berguna apabila mekanisme insentifnya secara konsisten mengubah persaingan penambang menjadi komoditi digital yang diinginkan seseorang. Targon, Chutes, iota dan Data Universe menunjukkan mengapa satu templat “subnet AI” tunggal tidak mencukupi: mereka meminta peserta untuk membuktikan peranti keras, menyediakan aplikasi, memajukan latihan atau membekalkan data yang boleh disahkan.
Pembiayaan emisi yang memicu persaingan dan harga dTAO, tetapi isyarat yang berterusan muncul selepas ganjaran diperoleh. Output mestilah lulus ujian produk bebas, dan pengguna luar mesti mempunyai sebab untuk kembali. Membaca Bittensor dari tugas ke skor ke permintaan produk menghasilkan gambaran yang jauh lebih jelas berbanding bermula dengan papan pemimpin subnet.
Apa itu subnet Bittensor?
Subnet Bittensor ialah pasaran khusus di dalam Bittensor di mana penambang menghasilkan komoditi digital yang ditentukan dan validator menilai prestasi mereka. Tugas, kaedah penilaian, dan mekanisme insentif adalah khusus kepada subnet tersebut.
Apakah perbezaan antara TAO dan token subnet alpha?
TAO adalah aset rangkaian bersama. Token alpha milik satu kolam dTAO subrangkaian dan mencerminkan aktiviti pasaran sekitar subrangkaian tersebut. Harga alpha bergerak subrangkaian menyumbang kepada alokasi emisinya; ia tidak menetapkan pendapatan atau kualiti produk.
Adakah semua penambang Bittensor menjalankan model AI pada GPU?
Tidak. Keperluan peranti keras mengikuti tugas subnet. Targon, Chutes, dan iota bergantung pada kapasiti GPU untuk pengiraan atau latihan, manakala Data Universe memberi ganjaran untuk pengumpulan dan pengesahan data tanpa memerlukan GPU daripada penambangnya.
Adakah subrangkaian dengan emisi paling tinggi merupakan yang terbaik?
Tidak. Emission tinggi menunjukkan alokasi protokol yang kuat dan sokongan pasaran pada gambaran snap yang telah lewat. Penilaian penuh juga memerlukan kualiti output penambang, kepekatan validator, penggunaan luaran, likuiditi kolam, kos operasi, dan bukti bahawa pelanggan menghargai perkhidmatan tersebut.
Penafian:
Maklumat yang diberikan di AiCryptoCore.com adalah untuk tujuan pendidikan dan maklumat semata-mata dan tidak merupakan nasihat kewangan, pelaburan, atau perdagangan. Pelaburan mata wang kripto melibatkan risiko dan boleh menyebabkan kerugian kewangan. Sentiasa menjalankan penyelidikan sendiri dan berunding dengan penasihat kewangan yang berkelayakan sebelum membuat sebarang keputusan pelaburan.