Pornind de la „efectul de creare a bogăției” al pieței secundare, o scurtă analiză a competitivității de bază a lanțului public AI Bittensor

Autor: Minta

1/n (Actualizat continuu) Deschideți o postare pentru a înregistra ideile de al doilea nivel ale straturilor de Crypto & AI Web3 și AI Sector este similară cu Web2. Stratul de date/stratul de putere de calcul este cea mai scăzută infrastructură strat, strat de serviciu/ strat de agent și, în final, stratul de aplicație.

2/n Narațiune Din perspectivă narativă, cu cât gradul de standardizare/omogenizare al unei piese este mai scăzut, cu atât probabilitatea de a fi Alfa este mai mare. De exemplu, stratul de putere de calcul și GPU-ul sunt toate omogene, astfel încât proiectele de putere de calcul se concentrează în principal pe jocul rulant/GTM/derivatele activelor de putere de calcul etc. Cele mai puțin standardizate piste de subdiviziune sunt: ​​stratul model, stratul de date și stratul agent.

3/n Model Layer Stratul model este o pistă cu variabile foarte mari Apariția unui nou model poate schimba rapid structura pieței. De exemplu, GPT-4o de la OpenAI oferă posibilități nesfârșite pentru noi moduri de interacțiune om-calculator. Phi-3 lansat de Microsoft și OpenELM lansat de Apple pe Hugging Face au avansat rapid procesul de antrenament mobil. Dintr-o perspectivă secundară, variabile mari = șanse mari de non-consens = șanse mari de Alpha.

4/n Stratul de model O platformă de model bună are cel puțin următoarele caracteristici: 1. Componabilitate model: acceptă rotația mai multor modele mari, mai degrabă decât un singur model mare 2. Trebuie să înțeleagă/să fie compatibilă cu logica de afaceri a computerului; resurse 3. Calcul supervizat/punctarea modelului În rezumat, o platformă de model care acceptă apelul bibliotecii de modele hibride și API-ul de instrumente și este compatibilă cu resursele de calcul.

5/n Bittensor Case Stratul actual al modelului Top1 este, fără îndoială, Bittensor. Pentru a crea un strat de stimulare, ce a făcut exact Bittensor? O scurtă trecere în revistă a Timeline-ului Bittensor (statistici incomplete): 1. Înainte de 23 octombrie: comunitatea a fost precipitată în timpul rețelei de testare 2. Înregistrarea subrețelei a fost deschisă treptat în 23 octombrie: de la primul lot de 9 subrețele la 32 de subrețele; a început să se extindă treptat la 64 de subrețele în mai 2024;

6/n Bittensor Cazul 3. Ajustarea modelului de stimulare după ecologie: de la universalitatea stimulentelor la supraviețuirea celui mai apt prin stimulente, de exemplu: (1) Timpul de înjumătățire este avansat, iar prima înjumătățire este ajustată de la 25 de ani la 23 de ani (2) Ajustarea Tokenomics, raportul de distribuție a stimulentelor directe a sub-rețelei este complet determinat de piață, adăugând mai multe dimensiuni ale jocului

Cazul Bittensor 7/n Dintr-o perspectivă secundară, „efectul de creare a bogăției” creat cu succes de Bittensor este foarte critic. Câteva dintre momentele de cotitură ale Bittensor în luarea deciziilor au coincis cu o creștere a lichidității. Din septembrie până în noiembrie 2023, numărul de subrețele a fost extins continuu pentru a oferi un număr mare de comenzi de cumpărare în același timp, combinat cu mecanismul său special de gaj, a promovat rapid creșterea prețurilor jetonelor, atrăgând astfel mai multe proiecte pentru a se înregistra ca; subrețele, formând un ciclu benign. Prin urmare, veți descoperi că taxa de înregistrare a subrețelei este cel mai bun indicator al prețului $TAO, iar vârful de înregistrare în subrețea și vârful prețului apar întotdeauna unul după altul.

8/n Bittensor Case În momentul scrierii, situația de mizare a primilor 8 Bittensor este cea prezentată în figură. Rata totală de miză a primului 8 staker este de 61,2%, iar rata totală de staking a proiectului este de 84,61%. MC actual este de 2.5B și se estimează că MC poate ajunge la 10B+. Trebuie doar să preziceți situația de miză a jucătorilor mari pentru a finaliza predicția prețului.

9/n Produse concurente Bittensor Produsele concurente de același tip ca și Bittensor trebuie să rezolve problema barierelor mari la intrare de modele într-o perioadă scurtă de timp și, în același timp, face o treabă bună în managementul valorii de piață. Unele proiecte timpurii, cum ar fi

@communeaidotorg, @zero1_labs, @arbius_ai etc. fac lucruri similare Dacă ecosistemul lor se extinde rapid, poate fi un bun punct de intrare.

10/n Produsele concurente ale Bittensor iau Comuna ca exemplu. Acesta este proiectul antreprenorial al Builder-ului de bază ecologică a TAO: 1. Comuna are un prag mai mic și module de înregistrare Dev mai ușor. șters , luarea deciziilor se bazează pe un sistem de vot mai simplu, în general, nu există proiecte la nivelul doi care să poată concura cu Bittensor pe termen scurt;

11/n Candidatul de proiect valutar neemis pentru stratul model @Nimble_Network construiește un nivel global de orchestrare pentru a realiza operațiuni universale de inteligență artificială și acces la link complet @Gatling_X lansează EVM pentru a susține scenarii de calcul, din rețeaua de stimulente; , la conectarea dispozitivelor de calcul distribuite, găzduirea modelului, partajarea, inferența, optimizarea etc., la accesarea stratului API al modelului, precum și rezistența la cenzură și confidențialitatea.