深度解析:子网代币dTAO将对Bittensor币价产生何种影响?

转载
46 天前
7717
BlockBooster

文章转载来源: BlockBooster

作者:Kevin, Caiya researcher from BlockBooster

近期,Grayscale 的研究部门 Grayscale Research 发布了一份新名单,列出了今年Q4季度最具潜力的 20 种代币。该名单考虑了各种因素,例如潜在催化剂、网络采用和风险因素。总共有六种新的数字资产被添加到名单中: Sui (SUI)、Optimism (OP)、Helium (HNT)、Bittensor (TAO)、UMA Protocol (UMA)和Celo (CELO)。其中Bittensor被认为是一个杰出的 AI 项目,旨在将 AI 与区块链相结合,以增强人工智能的去中心化。

(Source: Grayscale)

9 月 28 日,TAO 基金会发文称,新子网即将推出,为 GPU 租赁平台 Fish,为验证者和用户提供可扩展的计算资源,可使用 TAO 代币进行付款。截至发稿时,$TAO 的价格稳定在500美元左右。

(Source: Twitter)

(Source: CoinMarketCap)

除了 Grayscale Research 的代币潜力名单以及 TAO 基金会的公告和市场表现外,Bittensor 未来还有哪些值得期待的发展?接下来,我们将深入探讨即将推出的子网代币 dTAO 的运作机制,并分析其对 $TAO 价格的潜在影响。

dTAO指的是子网代币,每个子网都有自己的dTAO,代币释放和比特币、TAO保持一致。dTAO上线后,代币将与TAO配对,形成Bittensor网络中的流动性池。随着dTAO的实施,Bittensor将逐步取消子网上限,赋予网络更大的灵活性。

TAO持有者现在可以通过在不同的池中质押TAO来获得dTAO代币。尽管这一过程被称为“质押”,实际上它更像是Swap。dTAO的共识机制、代币经济学和释放速度与TAO类似。每个子网都有自己的dTAO释放,而子网验证者需要购买/质押dTAO才能参与共识并获得奖励。

随着某个子网的市场关注度增加,更多的TAO可能会质押在该子网的池中,从而增加其每日TAO释放在该池的权重。这一动态释放机制影响了每个子网的流动性和dTAO价格。权重大小由TAO与dTAO的比率决定,反映了用户对子网的需求高低。Bittensor根据dTAO的价格动态调整每日TAO释放权重。

为何引入dTAO?

目前的TAO子网面临几个挑战,尤其是在根验证者架构设计方面。根验证者的表现未达到Bittensor基金会的期望。尽管有32个子网,但彼此间的竞争并未如预期那样加剧。子网本应提供高质量的输出,指导矿工并开发有实际用例的AI模型,但许多子网并未达到预期目标。

当前子网的主要问题包括:

  1. 资源重叠与冗余:多个子网专注于相似任务,如文本到图像生成、文本提示和价格预测,导致资源冗余。
  2. 缺乏实际用例的子网:某些子网(如价格预测、体育胜负预测子网)尚未证明其在实际生活中的实用性。
  3. “劣币驱逐良币”:优质子网如果缺乏足够的资金支持,可能难以获得发展空间。由于只有七天的保护期,未能积累足够根验证者支持的子网可能会过早被淘汰。

其他问题还包括根验证者评估的主观性、质押决策中的偏袒现象,以及由少数根验证者控制大部分TAO每日释放权重所造成的权力失衡。

dTAO对Bittensor的影响

dTAO的引入旨在通过去中心化子网评估和激励竞争来解决这些系统性问题。通过将权力从根验证者转移到更广泛的TAO持有者社区,Bittensor引入了一个市场驱动的定价系统,TAO持有者可以通过质押其代币来“投票”支持他们看好的子网。

dTAO系统的主要优势包括:

  • 去中心化的子网评估:不再依赖少数验证者,dTAO池的动态定价将决定TAO发行量的分配。TAO持有者可以通过质押TAO来支持他们相信的子网。
  • 增加子网容量:取消子网上限使得网络有可能扩展到超过1000个子网,促进生态系统中的竞争与创新。
  • 鼓励早期参与:能够激励用户关注新子网,激励整个生态去评价新子网。因为较早迁移到新子网的验证者可能会获得更高的奖励。早期迁移到新子网意味着以较低的价格购买该子网的动态 TAO,增加了未来获得更多 TAO 的可能性。
  • 推动矿工和验证者关注高质量子网:进一步刺激矿工,验证者去寻找高质量新子网。矿工的模型放在链下,验证者的验证也在链下,bittensor网络仅根据验证者的评价去给矿工奖励。因此,对于不同类型抑或是所有类型的ai应用,只要符合矿工-验证者架构的应用,bittensor都可以正确评估。bittensor对ai应用拥有极高的包容性,让每个阶段的参与方都可以获得激励,并以此反哺bittensor的价值。

推动可持续用例

dTAO的主要目标之一是促进具有实际收入潜力的子网发展,刺激真实用例应用的诞生,并让这类应用被正确评价。

什么是真实用例的应用?不通过Ponzi产生收益的应用。 反过来想想,如果子网不产生收益,那么子网验证者会越来越少,因为他们不会在新子网阶段去买入不产生收益的子网代币(子网验证者需要买入dtao,而非质押tao,去验证子网矿工)。验证者在此过程中起着至关重要的作用,通过推动具备可持续商业模式的子网的dTAO价格。因此,验证者是子网币价产生正向螺旋的起点,而收益则是基石。如果验证者越来越少,即没有人去买入子网代币,那么矿工获得收益会成为单向抛压,让子网陷入死亡循环。子网获得每日释放越少,矿工和验证者就会越少,直到归零。 而ponzi设计对新子网来说,在冷启动时,对散户的吸引力是有限的,因为子网代币的释放机制,子网项目方无法完成资产错配或者用分红的方式来吸引用户,只能用有护城河的产品去吸引用户质押,验证者和矿工。

dTAO带来的代币经济学和发行变化

dTAO的引入重塑Bittensor每日释放的规则:

  • 此前的规则:子网奖励按固定比例分配——41%给验证者,41%给矿工,18%给子网所有者。
  • dTAO后的规则:现在,50%的新发行dTAO代币将被添加到流动性池中,其余50%根据子网参与者的决策,在验证者、矿工和子网所有者之间分配。

通过去中心化的TAO发行机制,dTAO为系统引入了更多的波动性。dTAO池的价格将根据市场需求波动,这可能带来更高的回报,但也伴随更大的风险。

长期展望

dTAO代表了Web3行业中AI基础设施与应用结合的最佳实践。在过去的六个月中,市场表现和讨论表明基础设施已经达到饱和。目前市值排名前列的AI平台几乎全部是基础设施类,同质化严重,未来六个月可能难以持续吸引市场注意。

另一方面,AI应用面临着收入和市值之间的矛盾。如果某个应用独立发行代币,长期的稳定增长很难实现。由于区块链的固有特性,Web3中的AI应用无法达到Web2中成熟应用的性能水平。结果,大多数此类应用缺乏差异化,没有防御性竞争优势,用户转化率和留存率较低,难以实现可持续的高收益。这也导致它们的代币价格难以达到同类基础设施平台的估值水平,形成恶性循环。

dTAO为这一问题提供了解决方案。Bittensor平台已经建立了经过验证的成熟体系,矿工、验证者和共识机制都在正确的方向上发展。它是Web3中最为去中心化且最成熟的AI基础设施,具备支持大规模应用涌现的潜力。当应用选择在Bittensor上作为子网运行时,它们可以借助该成熟网络的支持,度过早期阶段并专注于产品创新。dTAO的发行机制确保子网必须不断更新并吸引用户才能获得更多权重,同时规避了“RUG”以及团队手中筹码过于集中的风险。

dTAO的早期阶段预计相对稳定,由于每日发行机制,早期投资者的风险较小。dTAO的长期成功将取决于子网在Bittensor生态系统中产生实际价值和收入的能力。

dTAO引入后,子网可通过两种方式产生收益:1)吸引用户为产品付费;2)提升市值从而推高代币价格。无论哪种方式,都会对Bittensor的整体市值产生积极影响。发行机制还确保,如果团队想通过卖币获利,他们必须像普通用户一样从池中购买代币,这是当前环境下最为公平的启动机制。

这一设计消除了大多数Web3应用项目面临的许多风险,如市场驱动的价格波动和系统性不稳定,以及大型持有者或“鲸鱼”通过突然行动显著影响价格、进而破坏生态系统的可能性。

此外,这种发行模式减少了短期抛售的风险,因为流动性注入是渐进的。子网必须在一段时间内积累流动性并保持稳定价格,而这一过程本质上依赖于子网所提供产品的质量。

最近TAO价格受dTAO即将上线和AI叙事再起的刺激而上涨明显,一方面庄家在过去几个月充分吸筹,现在已经到了启动币价的时刻,另一方面也可以看出是子网或者潜在子网在抢筹,而这些筹码中的大部分不会在短期内被投入市场,子网的金库被用来提升TAO的价值。因此当dTAO上线时,可能出现团队或者VC的筹码派发,导致价格波动。

但只要AI和web3结合困难的客观壁垒没有被打破之前,dTAO是AI基础设施与应用结合的最佳实现。

 

免责声明:**本文/博客仅供参考,代表作者的个人观点,并不代表BlockBooster的立场。本文无意提供:(i) 投资建议或投资推荐;(ii) 购买、出售或持有数字资产的要约或招揽;或 (iii) 财务、会计、法律或税务建议。持有数字资产,包括稳定币和NFT,风险极高,价格波动较大,甚至可能变得一文不值。您应根据自身的财务状况,仔细考虑交易或持有数字资产是否适合您。如有具体情况方面的问题,请咨询您的法律、税务或投资顾问。本文中提供的信息(包括市场数据和统计信息,若有)仅供一般参考。在编写这些数据和图表时已尽合理注意,但对其中所表达的任何事实性错误或遗漏概不负责。