admin作者：0x小王同志、0x春天的桥、0x云鹤 来源：X，@0xInv1ctus
先把结论放在最前面：BITTENSER本质是AI memecoin，在本轮AI+crypto炒作中，由于具有⼀定的技术伪装，成为AI coin市值之王。叙事宏⼤⽽易于传播（AI+crypto，decentralized AI），项⽬逻辑故弄⽞虚但本质很naive，做⼀个套壳应⽤让⼤众看到效果，但不存在实际应⽤价值。
BITTENSER的整个项目充斥着资源浪费、逻辑漏洞、虚假数据，并且有着非常严重的抛售风险和抛售压力。
为了避免读者陷入阅读无聊的又臭又长的代码和技术文档的垃圾时间，编者将会先阐述为何我们指控BITTENSER项目充斥着资源浪费、逻辑漏洞、虚假数据，并且有着非常严重的抛售风险和抛售压力；之后以项目路线图作为补充。在结尾我们会附上两个BITTENSER子网的研究案例，以飨读者。
另：当您阅读到本篇文章时，StinkyInsect Labs所属对冲基金已经于均价402左右开设了关于TAO的空单。我们拭目以待！
StinkyInsect Labs是C Labs与AllinClub旗下的非独立子机构。我们独立运营了一只年化回报超过300%的对冲基金并定期发布沽空报告。本文是我们正式发布的第一篇沽空报告。
资源浪费：
Bittensor所谓创新性的解决⽅案，和其在社交媒体上不断被⼈吹捧的Yuma Consensus，让整个项⽬看上去有⾼深的技术，但实际这些理论和⽩⽪书都是⼀些术语和公式堆积出来的nonsense。
按照其说法，Bittensor旨在通过创建⼀个开放的 P2P 市场，让⼈们可以共享和使⽤机器学习模型，从⽽使构建⼈⼯智能驱动的⽤例的过程⺠主化。
Bittensor的愿景是宏⼤且抽象的，⽽实际提供的可⽤系统却是幼稚、毫⽆价值、甚⾄浪费资源的，既不能在任何层⾯促进AI技术的发展，也⽆法带来AI使⽤的⺠主化。
32个⼦⽹本质上就是32个类似Kaggle的竞赛平台，只不过奖励是$TAO代币。以Opentensor官⽅维护的⼦⽹1为例，这个所谓的能让更好的模型脱颖⽽出的⼦⽹在做什么呢？简单讲就是⽹络中验证者不断通过Wikipedia API, StackOverflow, mathgenerator等API⽣成主题，再将主题输⼊GPT⽣成 prompt，将prompt分发给⼦⽹中近1000个矿⼯，矿⼯收到prompt后调⽤GPT或其他LLM⽣成答案返回验证者，验证者得到答案后，与事先⽣成的参考答案（同样是⽤GPT⽣成的）做⽂本相似度对⽐，对矿⼯打分，矿⼯答案与参考答案相似度越⾼，获得的$TAO奖励越多。
这样的⼦⽹有何意义呢，⽆⾮是浪费了OpenAI或其他LLM提供商的算⼒，以及为API⽀付的费⽤。问题是随机调⽤的，⽐如从mathgenerator⽹站⽣成的⼀道中学数学题，并调⽤LLM组织语⾔⽣成的；矿⼯答案是外部LLM⽣成的，验证者参考答案也是调⽤LLM⽣成的，打分仅仅是⽐较⼀下⽂本相似度。这样的系统唯⼀的价值就是浪费资源，⾃娱⾃乐。
不光⼦⽹1如此，其他⼦⽹同样存在严重的⽆意义问题。
逻辑漏洞
按照Bittensor说法，其创造的竞争市场的关键是确保评估结果的公平性和客观性。为此，Bittensor提出了Yuma共识机制，旨在根据众多验证者提供的多样化评估来计算最终的评估结果。类似于拜占庭容错共识机制，只要⽹络中的⼤多数验证者是诚实的，最终就能做出正确的决定。假设诚实的验证者能够提供客观的评估，那么共识后的评估结果也将是公平客观的。
Yuma Consensus在系统中到底发挥了什么作⽤呢？答案是仅仅决定每个区块产⽣的$TAO在各⼦⽹中如何分配。每个⼦⽹中矿⼯、验证者的奖励如何分配是由⼦⽹所有者任意决定的，理论上⼦⽹所有者可以操控给任何⼦⽹参与者的奖励。
更可笑的是，虽然⽩⽪书⾥的Yuma Consensus原理⽆⽐复杂，实际计算⽅式却及其幼稚。
Bittensor宣称的创新性⼦⽹竞争机制不仅不能创造价值，且漏洞百出。官⽅似乎也没有避讳这⼀点，⼦⽹所有者可以每周向Opentensor Foundation提交请求表单，以调整其给各⼦⽹的权重打分。可如果打分是可以通过这样求情来操控的，那这个打分本⾝⼜有何意义，体现怎样的共识呢？
对Bittensor⽩⽪书和其宣称的原理的技术解读，可参考这篇⽂章：Deep Dive on Bittensor (TAO) | goodalexander，⽂章Whitepaper章节指出了Bittensor⽩⽪书前后⽭盾和不合逻辑之处。
宣称的实际应⽤案例只是空壳：
Bittensor和其⽀持者在Twitter上不断声称其已有实际应⽤案例，⽐如⽬前Emissions排名前三的两个⼦⽹，taoshi和Cortext。
实际调查发现，taoshi⽬前的应⽤包括Dale和Timeless，Dale声称是⼀个trading bot，可以根据 taoshi⼦⽹的trading signal进⾏交易，但正在开发阶段；Timeless运营了⼀个⼏百⼈的TG群，⾥⾯主要是交易讨论，宣称community从taoshi⼦⽹的trading signal⾥赚了钱。这两个空壳应⽤并不能证明 taoshi有任何实际价值。
另⼀边是被⼴泛引⽤为Bittensor应⽤案例的Corcel。Corcel声称调⽤Cortext的API，⽤⼾提问后，得到的回答由矿⼯产⽣。实际测试text prompting，询问模型其开发者是谁，得到的答案是“I am an AIlanguage model developed by OpenAI...I am not connected to the Bittensor network or any decentralized machine learning models”，可知其纯粹是直接调⽤OpenAI API做的套壳应⽤，跟⼦⽹中的矿⼯回答没有半⽑钱关系。
区块链的维护与数据真实性存疑：
⽬前⼦⽹中的权重打分，以及代币的产⽣、分配、质押等活动都记录在Subtensor链上。可是 Subtensor链的共识机制和节点维护激励机制却不详。⽬前唯⼀的链上数据源是taostats.io⽹站，声称由@mogmachine维护，与Opentensor Foundation没有关系。因此我们有理由对数据真实性表⽰怀疑。
代币被内部⼩团体⾼度控盘，来路不明，且随时有抛盘⻛险：
bittensor声称代币是fair launch的，但实际上$TAO代币从2021年就开始产⽣，没有⽂档或资料说明从 2021年1⽉3⽇到2023年10⽉2⽇⼦⽹上线这段时间内产⽣的代币通过什么规则分配，以及最终流向。
从⽬前结果看，前12位根⽹络验证者的质押量占全⽹络的79%。参议院12⼈中，除第12位未具名，以及第3位Foundry是⼀家知名矿场外，其余10位验证者Opentensor Foundation、τaosτaτs &Corcel、Bittensor Guru Podcast、TAO-Validator.com、RoundTable21、FirstTensor、Neural Inτerneτ、Datura、Love、Synapse业务和twitter上发声都是围绕bittensor，或⼲脆只有质押业务。有理由相信这些掌握价值$20B+的$TAO的验证者之间保持密切关系，构成内部⼩团体。
⽬前绝⼤部分流通代币都委托给了⼩团体质押，使他们成为⽹络中具有决定作⽤的验证者。尽管每个验证者都有上千个地址的委托，看起来像是有上千个$TAO代币持有者⾃愿委托⾃⼰的代币进⾏投票，但有理由怀疑这些匿名地址⼤多都是⼩团队⾃⾝掌握的。
更重要的是，bittensor的质押没有任何锁定期，随时取消质押，也就是说当前占总流通量85%的质押代币，随时可以进⼊抛售。
总结：BITTENSER是本机构成立后的第一张大字报。其丰富且深刻的呈现了一个WEB3AI项目是如何“成功”的。控制筹码、套皮AI、虚假信息和小圈子的圈地自萌在VC与游资的推波助澜下创造了百亿FDV数十亿MC的奇迹并成功上线BN，很难不让人揣测其上线BN的主要意义是为了出货。
其本质，一个波卡的子网-主网模式的L1+矿工拆分盘，与人人追捧的AI概念的相关性甚至不如WORLDCOIN。起码WORLDCOIN有奥特曼的投资，而TAO只有奥特曼的openai的API。
对此，本机构给予BITTENSER项目 强烈看空 评级，预计其价格将在短时间内（6个月）下降到100-150美金/个。
时来天地皆同力，运去英雄不自由。希望投出TAO这种垃圾项目的VC好好想想自己在市场里的角色。对于一个有充分背调和尽调、有代码审阅和生态数据复验能力的VC来说，都不该去投资这种套皮API项目。
亦或者，这只是VC做的恶之一罢了。
附：
子网案例研究二则
taoshi (subnet 8)
taoshi历史上应该叫time series prediction，没有任何实际应⽤价值。是3⽉rebrand成了交易平台，还推出了Tradewithdale, Timeless等应⽤。
⼦⽹8 TAOSHI运营了⼀个⾃营交易⽹络（Proprietary Trading Network）。PTN接收来⾃量化和深度学习机器学习交易系统的信号，以提供跨各种资产类别的世界上最完整的交易信号。有了这个系统，只有世界上最好的交易者和基于深度学习/量化的交易系统才能竞争。
• 矿⼯的注册、挖矿与评分：
◦ 矿⼯注册费⽤为5TAO。
◦ 矿⼯需要在开盘时间实时提交LONG/SHORT/FLAT交易信号，以及杠杆倍数。可选的交易对包括外汇（如EUR/CHF, EUR/USD, GBP/USD）、加密货币（如BTC/USD, ETH/USD）、指数（如 SPX, DJI）等。
◦ 在任何时刻矿⼯只能有⼀个交易对头⼨。◦ 矿⼯在过去30天内⾄少close10个头⼨，才能参与评分。
◦ 矿⼯评分标准：根据组合omega ratio和总回报。详⻅https://github.com/taoshidev/proprietary-trading-network/tree/main/vali_objects/scoring
• 矿⼯的淘汰标准：
◦ 1、达到当⽇最⼤回撤限制。在任意交易⽇收盘时，若矿⼯当⽇最⼤回撤达到5%（相⽐daily high），矿⼯将被淘汰。
◦ 2、达到全时段最⼤回撤限制。若任意时点，矿⼯达到10%回撤（相⽐all time high），矿⼯将被淘汰。
◦ 3、剽窃。若系统检测到矿⼯提交的交易剽窃其他矿⼯，该矿⼯将被淘汰。
◦ 矿⼯注册后有9天保护期。矿⼯淘汰后注册费⽤不予返还。
• 验证者任务：
◦ 验证者需要维护每个矿⼯的组合、头⼨、净值，并在矿⼯达到最⼤回撤限制时将其淘汰。
竞赛本⾝的设置是可笑的。不是策略，只能说是交易⽐赛。有效的策略需要经过回测。此外，根本不需要引⼊矿⼯、验证者的概念或任何区块链技术。
Taoshi dashboard可以查看收益率最⾼的miner地址，以及所有过往交易。https://dashboard.taoshi.io/
写作时点（UTC 2024-04-21 08:56），30⽇回报最⾼的地址，30⽇回报率为19.476%，拆解来看，其中⼤部分为⼀次交易贡献。该地址在2024-04-17 05:59:20，EUR/GBP价格为$0.85345时，以175倍杠杆做空，并在98秒后，2024-04-17 06:00:58，价格为$0.85276时平仓（剩0.01倍杠杆在15:01:34平 掉），可计算出这笔交易收益为14.1%，考虑到交易费⽤后为12.75%。
实际应⽤:
Dale：https://twitter.com/tradewithdale。trading bot，宣称可以根据taoshi⼦⽹的trading signal进⾏交易。twitter表⽰正在开发。
Timeless：https://twitter.com/Timeless_io。运营了⼀个⼏百⼈的TG群，⾥⾯主要是交易讨论。宣称community从taoshi⼦⽹的trading signal⾥赚了钱。
Cortext (subnet 18)
官⽅github repo readme并没有讲任何⼦⽹中如何挖矿、验证和激励机制的问题，以下由源代码分析得到。
• 验证者问题⽣成：
◦ ⽂字和图像各有1000+给定主题，验证者随机选定主题套⽤进问题模板中，调⽤openai GPT4- turbo⽣成给矿⼯的prompt。https://github.com/corcel-api/cortex.t/blob/main/validators/text_validator.py
◦ 问题模板在github.com/corcel-api/cortex.t/blob/main/cortext/utils.py
◦ 给定主题在https://github.com/corcel-api/cortex.t/blob/main/cortext/__init__.py
• 验证者参考答案⽣成
◦ text promting调⽤GPT4⽣成参考答案；image generation调⽤DALL-E模型⽣成图像
• 矿⼯答案⽣成
◦ 矿⼯收到prompt后，可以选择anthropic.claude-v2:1 Anthropic, gemini-pro, claude-3-opus等模型答题。https://github.com/corcel-api/cortex.t/blob/main/miner/miner.py
• 矿⼯答案打分
◦ ⽐较response与参考答案相似度。
◦ 对于text prompting，相似度⽐较算法为TF-IDF，向量化后计算cosine_similarity，同时 response相⽐参考答案过⻓或过短有惩罚；
◦ 对于image generation，相似度⽐较算法为感知哈希算法（perceptual image hash）将图⽚映射为⼀个哈希字符串，⽐较两个图⽚之间的相似度就可以通过判断两个哈希字符串之间不⼀致的位置有多少，仍然转换为cosine_similarity函数计算。https://github.com/corcel-api/cortex.t/blob/main/cortext/reward.py
实际应⽤：
• Corcel。可以完成Text Prompting, Image Generation任务。声称调⽤Cortext的API，⽤⼾提问后，得到的回答由矿⼯产⽣。https://corcel.io/
• 实际测试text prompting，询问模型开发者，得到的答案是“I am an AI language model developed by OpenAI...I am not connected to the Bittensor network or any decentralized machine learning models”
发展历程：
本部分source主要来⾃：https://taostats.io/tokenomics/；https://messari.io/project/bittensor/profile
2019年：Bittensor由两位⼈⼯智能研究者Jacob Steeves和Ala Shaabana（以及⼀个匿名的⽩⽪书作者Yuma Rao）创⽴。2021年1⽉3⽇：“Kusanagi”发布，标志着⽹络的激活，允许矿⼯和验证者开始获得第⼀批$TAO奖励。
2021年5⽉中旬：Opentensor Foundation暂停了Kusanagi，以处理⼀些早期共识问题。
2021年11⽉2⽇：“Kusanagi”分叉为“Nakamoto”。此前Kusanagi⽣成的546,113 TAO被迁移到 Nakamoto上。
2023年1⽉10⽇：Finney测试⽹发布，测试delegated staking和⼦⽹功能。
2023年1⽉13⽇：拍卖中成功获得了⼀条Polkadot平⾏链插槽。然⽽，由于对Polkadot开发速度有关的担忧，随后决定使⽤⾃⼰基于Substrate构建的独⽴L1区块链，⽽不是依赖于Polkadot。https://www.theblockbeats.info/en/flash/123619
2023年3⽉20⽇：Finney主⽹发布。2023年3⽉28⽇：Opentensor Foundation发布Chattensor，在Bittensor上建⽴的LLM。
2023年7⽉24⽇：Opentensor Foundation发布Bittensor Language Model（BTLM）。 作为“30 亿参数语⾔模型”，BTLM 旨在与移动设备兼容，与 OpenAI 的 GPT-3 和 Meta 的 LLaMA 等流⾏的 70 亿和 100 亿参数模型相⽐，所需的内存要少得多。https://opentensor.medium.com/introducing-bittensor-language-model-a-state-of-the-art-3b-parameter-model-for-mobile-and-edge- 2fe916fb81b0
2023年10⽉2⽇：Revelotion升级，⼦⽹正式上线，允许⽤⼾创建⼦⽹，为特定类型的机器学习任务创建激励机制，例如⽣成图像、创作⾳乐或互联⽹内容抓取。
2024年12⽉14⽇：Messari研究员Sami Kassab发布Bittensor研报https://twitter.com/Old_Samster/status/1734977722424938993，此后不断bullish on $TAO。
2024年1⽉10⽇：Opentensor Foundation提出BIT001提案（First Bitttensor Improvement Template），提出dynamic TAO代币激励机制。
评论列表
发表评论