市场趋势转变，多个板块重新开始活跃。
除了聚光灯焦点下的比特币生态，AI 赛道作为今年来持续的热点，一直是妖币频出的舞台。
在被市场热炒的 FET、RNDR 和 OCEAN 等代币之外，一个名为 TAO 的代币在最近的 1 个月内拉升 3 倍，其背后的项目 Bittensor，却很少在华语市场中被深入的分析过。
而对岸的节奏，远比我们的反应更快。
价格爆拉，也让嗅觉灵敏的投资人们闻到了机会。周四 Bittensor 项目的社区公告宣布，知名加密 VC Pantera 和 Collab Currency 已经成为了 TAO 代币的持有者，并且会对项目的生态发展提供更多支持。
VC 们善于捕捉趋势的演变，更善于推动趋势的发展。
这个受到青睐且价格火速窜涨的 TAO，背后究竟有何过人之处？其叙事、产品和代币经济，有哪些显著区别于 AI 赛道主流项目的特点？
本期内容，我们将深入 Bittensor，对其赛道背景、项目目标、技术构成、代币估值等方面进行全面分析，为大家的判断和决策提供参考。
别急，先摸清 Cyrpto + AI 的投资逻辑
任何代币的上涨，都有基本的投资逻辑和行业大的叙事做支撑。在研究 TAO 之前，不妨先看一下整个 AI 行业的概况。
债券泡沫下的 AI 热潮
AI 概念的代币很热，但实际上没有 Crypto，也并不影响 AI 独立的热度。
来自 CB Insights 的数据显示，2023 年市场对生成式 AI 的兴趣显著增长，投资 AI 相关公司和项目的总融资额度暴涨至 140 亿美金；而去年，这个数字仅仅是 25 亿美金。
图片来源：CB INSIGHTS
因此，无论是 TAO、RNDR 或是 FET，背后的深层驱动力，也绝非一个表面的 ChatGPT 和英伟达那么简单。
行业大佬 Arthur Hayes 在最近的博客中，展现了一种可能或正在发生的局面 --- 由债券泡沫带来的 AI 集体资金热潮。
根据估算，以美国为首的全球大经济体，在未来 3 年中因财政赤字而必须展期和发行的政府债务总额预计会达到 33.58 万亿。
政府发行债券并承诺到期还本付息，如果债券利息较高，也就意味着资金都去买国债，造成私营部门（政府公共部门对应）的资本被吸收，必然会挤压社会中其他的投融资机会，例如其他企业融不到资，或者股市低迷。
因此，Arthur 认为，美国央行必然会要求印钞票，自己发钱来购买自己发行的债务，从而减少对私营部门的影响；而这将预期导致 2026 年世界的法定货币供应量大幅增加（甚至超过 COVID 时期）。
那么多出来的钱会流向哪里？
「钱将流向那些承诺在成熟时带来疯狂回报的新技术公司。每个法定流动性泡沫都有一种新形式的技术，来吸引投资者并吸引大量资本」。
90 年代有互联网泡沫，08 年金融危机后有网络广告和社交媒体；而这一次轮到 AI 了。
这或许也是为何今年生成式 AI 获得众多投资的深层次原因之一。GPT 的技术有目共睹，但在更大的视角下，它只是资本洪流中最为璀璨的明珠，背后资本集体涌入 AI 的趋势已经显现。
Crypto + AI，叙事方向划分
钱进来了，下一个问题是投什么。我们再进一步来细看 Crypto + AI 的投资逻辑。
老生常谈，AI 本质上是一种先进生产力，其快速发展依赖于三个核心要素：数据，算法，算力； 加密货币和区块链更多是生产关系，通过激励、协调和组织形式的改变来促进以上这三个要素的变化。
哪些代币能提升这 3 个要素，就有了热度结合的可能。
暂且不讨论可行性，至少在之前的项目中，我们密集的看到了 crypto + 数据，以及 cyrpto + 算力的 2 种叙事方向：
-Cyrpto + 数据： AI 需要海量数据来训练模型，区块链能够通过激励去调动数据提供者来贡献数据，或者利用去中心化的数据存储，来为更加民主化、分散化的数据训练需求铺路。
这种叙事下，受益的加密货币可以是去中心化存储类的基础设施，例如 Arthur 强烈安利的 Filecoin ;
-Crypto + 算力：AI 模型的实现需要强大的运算能力，大厂或部分计算资源提供商手上有这种能力，但仍可以考虑长尾市场，让分散在各地的计算资源（个人显卡/设备）等贡献算力，从而获得加密货币的激励。
这种叙事下，受益的加密货币例如 RNDR 和其他可以贡献算力的项目。
至于算法方面，则是另外一套逻辑。
-Crypto + 算法：不同与前两者的」资源密集型「，算法本身是个技术密集型的东西，也是各家 AI 公司持续迭代的秘方和壁垒，你很难通过加密货币的激励去从 0」创造「出一个更好的算法；贡献、协调、激励的逻辑在算法创建上行不通。
（注：某个 AI 模型是算法训练的结果，严格来说算法和模型之间存在先后关系。但以下描述中，笔者为了更方便理解，而混用了二者。）
但是，你可以通过激励，从已有的算法中去「筛选」出一个更好的算法，而不至于让所有人都用同一家的东西。类似预言机项目通过激励机制来鼓励竞争，挑选出更好的数据源一样。
这个细分叙事上的项目暂时没有特别突出的代表，而 Bittensor 就属于其中之一 --- 既直接不贡献数据，也不直接贡献算力，通过区块链网络和激励机制，来对不同的算法进行调度和筛选，从而让 AI 领域形成一个自由竞争、知识共享的算法（模型）市场。
秒懂 Bittensor 叙事 ： AI 乐高，让算法变得可组合
听起来有些复杂？
为了方便理解，可以先用一句话粗略概括 Bittensor：我们不生产算法，我们只是优质算法的搬运工。
为什么要搬运算法？看看当下 AI 领域的生态现状就能发现问题。
AI 赛道的玩家们，目前每家的算法和模型都是孤立的。由于商业竞争，你不可能让两家的算法相互学习来共同进步；这也意味着从 AI 供给端来看，竞争是零和的 ：一家的 AI 赢得了市场，其他家就会出局。
对竞争赢家来说，这当然没啥问题。
但 Bittensor 认为这对 整个 AI 的进步和算法创新效率都不利。互相孤立的模型、只选赢家的 AI 服务，意味着一旦有人想开发新的模型，可能必须从头开始；
假设模型 A 精通西班牙语，模型 B 精通写代码，当一位用户需要让 AI 解释一下带西班牙语注释的代码时，显然两个算法合力输出效果最好，但目前环境下做不到；
此外，由于第三方应用集成需要 AI 模型所有者的许可，有限的功能也意味着有限的价值，整个 AI 领域的合力实际上没有得到释放。
因此，Bittensor 这个项目的大目标是，让不同 AI 的算法和模型能够互相协作、学习和组合，从而形成更强大的模型，更好的为开发者和用户服务。
这种思路和配方，我们其实在几年前的 DeFi Summer 中见过---金融乐高。
稳定币、借贷、流动性挖矿等金融组件全都是开源和无许可的，需求方可以将其任意进行组合，就像乐高积木那样，从而形成新的产品和服务。
同样，擅长图像处理、文字处理或音频处理的 AI 算法模型可以进行组合，为不同的任务服务，形成 AI 乐高。
所以，对 Bittensor 来说，项目本身既不会自己来计算，也不会自己提供数据在链上做机器学习，而是调动其他所有的链下 AI 模型，共同协作。
理论上看，借助拼 AI 乐高积木的方式，Bittensor 可以比孤立的模型更快、更高效地扩展其 AI 功能。
但至于现实中 AI 模型的提供方是否买账，如何做商业拓展，能不能落地，仍有待进一步观察。
基于挖矿和激励，实现 AI 模型的「预言机」
让不同的 AI 相互协作，这个目标很大，但如何才能实现？
Bittensor 给出的回答是建立一个区块链网络，通过挖矿激励的方式进行协调和运转。
Bittensor 在内核上采用的是 Polkadot 的平行链（应用链）设计，相当于自己有一条链来专门处理 AI 模型的协作，并且有自己的代币 $TAO 来做激励。
要搞清楚这条链的运行模式，至少需要摸清楚 3 个问题：
第一，这链上都有些什么角色？
第二，这些角色在干什么？彼此有什么联系？
第三，代币激励这些角色的哪些行为？
链上角色和职能：
矿工：可以理解为全世界各种 AI 算法和模型的提供方，它们托管 AI 模型并将其提供给 Bittensor 网络；不同类型的模型组成了不同的子网，比如专攻图片或声音的模型
验证者：Bittensor 网络内的评估者。评估 AI 模型的质量和有效性，根据特定任务的性能对 AI 模型进行排名，帮助消费者找到最佳解决方案。
（注：目前的验证者，看起来都是项目方自己旗下机构，可能有点不够去中心化。但随着网络的发展，可能会吸收其他组织进来充当验证者）
提名人：将代币委托给特定验证者来表示支持，也可以换不同的验证者来委托。有点像 DeFi 中你将自己的代币质押给 Lido 获取收益。
用户：Bittensor 提供的 AI 模型最终使用方。可以是个人，也可以是谋求 AI 模型来做应用的开发者们。
角色之间的联系：
用户需要更好的 AI 模型，验证者负责按照不同的用途筛选更好的 AI 模型，矿工提供自己的 AI 模型，提名人选择支持不同的验证者。
说白了是一个开放的 AI 供需链条 ： 有人提供不同模型，有人评价不同模型，有人使用最好的模型所提供的结果。
上面这张图提供了一个简单的说明：用户输入自己的需求，验证者将需求路由给 Bittensor 网络中的矿工们；矿工们输出答案，验证者再来评估答案的质量，最终返回给用户。
TAO 代币在激励什么？
对验证者：对 A I 模型的筛选和评估越准确和一致，获得的奖励就越多。显然，要成为验证者，当然需要质押一定数量的 TAO 代币
对矿工：响应用户需求提供自己的模型，根据贡献获得 TAO 代币
对提名人：将自己的 TAO 委托给验证者，类似流动性质押奖励
对用户：支付 TAO 代币开启任务，等于消费
理想情况下，这个网络中的不同 AI 模型会进行协作，并且不同的任务大概率不同模型的表现会不同；由于这些任务链上可查网络节点可见，模型之间实际上确实可以相互学习，以根据任务做不同的调整。
一个更好的类比方式是：Bittensor 有点像 AI 的「预言机」。DeFi 里的预言机在给有需求的应用「喂最好的价格」，Bittensor 在给有 AI 需求的用户「喂最好的模型」。
至于如何参与到这个网络中做验证者和矿工，由于涉及技术代码和开发界面，在此不做描述。有兴趣的读者可以访问此处查看官方文档。
$TAO 代币：如何估值最合适？
代币经济模型
根据官方文档显示，Bittensor 于 2021 年「公平启动」（没有预挖代币），代币就叫做 TAO。
TAO 的供应量为 21,000,000（致敬了 BTC），并同样有一个 4 年的减半周期，每 1050 万个区块，每个区块的奖励减半。一共将发生 64 次减半事件，最近的一个减半周期发生在 25 年 8 月。
有点科幻的是，按这个减半周期，要 256 年这些代币才能完全被挖出来。
目前每 12 秒，就会向网络中发送一个 TAO。粗略计算，一天会有 7200 个 TAO 产出，矿工和验证者各拿一半。
TAO 的公平启动，意味着没有任何 VC 轮、私募轮、ICO/IEO/IDO、基金会预留等等常见套路，可以理解为纯粹的矿币。
每挖一轮奖励，TAO 都会在验证者和矿工之间分配。
但是，在 Bittensor 的官网上，我们也看到了 DCG、GSR、Polychain 和 Firstmask 等知名资方和做市商。
一种合理的推测是，由于目前该网络中的验证者多半都与 Bittensor 官方的机构关联，意味着挖出来的币可以归到自己的手上，然后再分发给做市商来做市；
同时这些大机构也可以进来充当验证节点甚至是矿工，进行 TAO 的挖矿。
我们也在文章开头提到，Pantera 等加密 VC 最近也成为了 TAO 的持有者。因此，Bittensor 本身是公平启动的，但不意味着完全没有 VC 介入；
但在这轮行情的新周期中，「VC 卖给二级」的发币模式已经不受待见，TAO 的这种「先公平，再吸引资本介入」的模式，客观来说已经尽量做到了公平。
市场表现及估值
单从 TAO 的市场表现来看，代币价格从今年的最低谷到现在，已经有 5 倍以上的涨幅；
但问题在于，其他 AI 项目的涨幅也不错。例如 RNDR 从年初至今也差不多有 5 倍涨幅。
所以仅凭绝对涨幅来分析代币价值并没有太大作用。
那么和其他热门的 AI 项目比，TAO 的市值目前仅次于 RNDR，但由于 4 年减半的长期释放机制存在，市值与完全稀释价值的比率反而是几个项目中最低的，也意味着 TAO 的总体流通量目前来看相对较低，但单价较高。
低流通量某些情况下意味着盘子小更容易拉升，另外在假设价格不变的情况下（时价 $160)，每天 7200 个 TAO 全部挖出卖掉，整个市场的卖压为 115 万美金左右，以现有市场热度和交易量（TAO 日交易量 500 万美金）来看，消化卖压并不成问题。
如果跳出 TAO 自己来看，代币的估值实际上要和已有的，业务近似的项目相比才有意义。
在前文已经阐述过，Bittensor 的方向是 crypto + 算法/模型，严格意义上并不能直接跟 RNDR 等提供基础算力的项目进行对比。
从下面 Nansen 的这份 AI 赛道研究报告看，Bittensor 的业务应该算在「Model Traning」（模型训练）赛道，同类竞争者有 Gensyn 和 Together，前者还得到了 a16z 的支持。
但两个项目目前均没有公开的代币，因此将 TAO 与这两个项目的市值做对比也行不通。
Omnichain Capital 的联创 David Attermann，曾在今年 5 月的博客中给出了一个更为激进的方法 --- 直接将 Bittensor 与 OpenAI 进行对标。
有趣的是，David 在发文时特意提示自己并没有持仓 TAO，以证明其分析是客观的。
由于核心业务都是模型的训练并给用户使用，一个是闭源公司，另一个是协调全球 AI 模型，二者殊途同归都是让用户更好的使用 AI。
考虑到 OpenAI 之前从 Microsoft 获得了 $29B（接近 300 亿美金）的私募市场估值，而今天 TAO 的 FDV 在 36 亿美金左右，这样算 TAO 仍有 8 倍左右的估值上行空间。
笔者并不完全赞同这种估值对比方法，Web3 和 Web2 项目的基本面、成长节奏和市场关注点都不同，单以估值论 8 倍的空间可能仅供参考，更多的还要看 TAO 自身的利好和资金热度的影响。
结论
综上所述，TAO/ Bittensor 在我们熟知的 AI 主题的加密项目之外，提供了另一种可能的叙事，即自己不涉及生产力的环节（计算资源和数据），纯粹靠生产关系的调动来让 AI 模型之间协作、竞争和调优。
这种叙事本身确实有一定吸引力，但 AI 模型的对接、验证节点的中心化、模型好坏的评判等关键因素，并不是一纸白皮书可以轻松解决的 --- AI 本身很单纯，但商业博弈则不是，如何说服更多人有代币奖励就参与这个网络，说服技术公司与其他 AI 模型进行协作，仍是见仁见智的事情。
而在基本面之外，代币的涨幅已经说明市场对 AI 赛道的概念集体买账，考虑到 Bittensor 在细分赛道下找不到一个类似规模的对手，TAO 则有可能在 AI 赛道集体狂欢中迎来更多利好，但由于缺乏合适的估值对标，是否值得长持仍旧要打个问号。
密切关注项目消息的更新和交易量的突变，可能才是更为实际的选择。