AIレイヤーを探る1：オンチェーンDeAIのための肥沃な土壌を見つける

特にRitual Chainは、モジュラーアーキテクチャによって複雑な計算を実行クライアントから切り離し、スタンドアロンのサイドカーとして実装します。これらのコンパイル済みモジュールは、AI推論、ゼロ知識証明生成、Trusted Execution Environment（TEE）操作などの複雑な計算タスクを効率的に処理することができます。

ネイティブスケジューリング

ネイティブスケジューリングは、時限トリガーとタスクの条件付き実行の必要性に対処します。従来のブロックチェーンは、タスク実行のトリガーを中央集権的なサードパーティサービス（キーパーなど）に依存することが多いですが、このモデルには中央集権化のリスクと高いコストが伴います。儀式チェーンブロック・プロデューサーは、保留中の呼び出しのマッピング・テーブルを維持し、新しいブロックを生成する際にこれらのタスクに優先順位をつける。Resonanceの動的なリソース割り当てメカニズムと組み合わせることで、Ritual Chainは計算集約的なタスクを効率的かつ確実に処理することができ、分散型AIアプリケーションに安定性を提供します。

技術革新

Ritualの中核的な技術革新は、オンチェーンAIアプリケーションに電力を供給するための性能、検証、スケーラビリティにおけるリーダーシップを保証します。

1.Resonance：リソース割り当ての最適化

Resonanceは、ブロックチェーン上のリソースの割り当てを最適化するバイラテラル・マーケットプレイスのメカニズムで、異種混合の複雑さに対処します。トランザクションの複雑性に対処する。ブロックチェーン取引が単純な送金からスマートコントラクト、AIの推論、その他の多様化へと進化するにつれ、既存の手数料メカニズム（EIP-1559など）ではユーザーの需要とノードのリソースを効率的に一致させることが難しくなっています。

Resonanceは、ブロックチェーンのリソースの割り当てを最適化し、異種取引の複雑性に対処する二者間マーケットプレイスメカニズムです。class=" list-paddingleft-2">

• ブローカーは、トランザクションとノード間の最適なマッチングを実現し、コンピューティングリソースの利用率を向上させるために、ユーザートランザクションのコスト意欲とノードのリソースコスト関数を分析する役割を担っています。

• Auctioneerは、公平性と透明性を確保するために、二者間オークションメカニズムを通じてトランザクションコストの配分を組織します。ノードはハードウェアの能力に基づいてトランザクションの種類を選択し、ユーザーは速度やコストなどの優先基準に基づいてトランザクションのリクエストを提出することができます。

このメカニズムは、ネットワークのリソース利用効率とユーザーエクスペリエンスを大幅に向上させるとともに、分散型オークションプロセスを通じてシステムの透明性と開放性をさらに高めます。

<

共鳴メカニズム：オークショニアは、ブローカーの分析に基づいてノードに適切なタスクを割り当てます

2Symphony: 検証効率の向上

一方、Symphonyは、複雑な計算タスクの処理と検証における従来のブロックチェーンの「繰り返し実行」モデルの非効率性を解決し、検証効率の向上に焦点を当てています。Symphonyは、EOVMT（Execute Once, Verify Many）モデルに基づいており、計算と検証プロセスを分離することで、繰り返し計算による性能低下を劇的に低減します。

計算タスクは指定されたノードによって一度だけ実行され、結果はネットワーク上にブロードキャストされ、検証ノードは計算を繰り返すことなく簡潔な証明を使用して結果の正しさを確認します。

Symphonyは、複雑なタスクが異なる認証ノードによって並列処理されるサブタスクに分解される分散認証をサポートしており、認証効率をさらに向上させ、プライバシーとセキュリティを保証します。

Symphonyは、Trusted Execution Environment (TEE)やZero Knowledge Proof (ZKP)のような認証システムと高い互換性を持ち、迅速なトランザクションの検証やプライバシーを重視した計算タスクを柔軟にサポートします。このアーキテクチャは、反復計算のパフォーマンス・オーバーヘッドを大幅に削減するだけでなく、検証プロセスの分散化と安全性を保証します。

Symphonyは複雑なタスクを複数のサブタスクに分解し、異なる検証ノードによって並列処理されます

3.vTune：追跡可能なモデル検証

3.vTune：追跡可能なモデル検証

3.strong>

vTuneは、Ritualのモデル検証および出所追跡のためのツールで、モデルの性能にほとんど影響を与えず、干渉に対する耐性が高いため、オープンソースモデルの知的財産を保護し、公正な配布を促進するために特に役立ちます。

• 透かし技術：重み空間透かし、データ透かし、または関数空間透かしによってマーカーを埋め込みます。モデルが公開されていても、その帰属を検証することができる。特に、関数空間電子透かしは、モデルの重みにアクセスすることなく、モデルの出力を通して帰属を検証することができ、より強力なプライバシー保護と堅牢性を実現します。

• ゼロ知識証明：モデルの微調整中に隠しデータを導入し、モデル作成者の権利を保護しながら、モデルが改ざんされていないことを検証するために使用されます。

このツールは、分散型AIモデル市場に信頼できるソースの検証を提供するだけでなく、モデルのセキュリティと生態系の透明性を大幅に向上させます。

生態学的開発

Ritualは現在プライベートベータネットワークにあり、一般ユーザーが参加する機会は少ないです。開発者は公式のAltarとRealmのインセンティブプログラムに応募し、参加することができます。開発者はRitualのAIエコシステムに参加し、政府からフルスタックの技術的および財政的支援を受けるために、公式のAltarおよびRealm奨励プログラムに申請し、参加することができます。

Altarプログラムから多数のネイティブアプリが発表されています：

• Relic：機械学習ベースの自動マーケットメーカー（AAMM）（下記参照）。学習ベースの自動マーケットメーカー（AMM）は、Ritualのインフラを通じて流動性プールのパラメーターを動的に調整し、手数料と原資産プールを最適化します。

• Anima：LLMベースのオンチェーン取引自動化ツールに注力し、ユーザーにスムーズで自然なウェブ3

• Tithe：AI主導の融資プロトコルで、融資プールと信用スコアリングを動的に最適化することで、より幅広い種類の資産をサポート。

さらに、Ritualは分散型AIエコシステムを推進するために、いくつかの確立されたプロジェクトと深いパートナーシップを結んでいます。例えば、Arweaveとのパートナーシップは、モデル、データ、ゼロ知識証明のための分散型永続ストレージサポートを提供します。StarkWareとArbitrumとの統合を通じて、RitualはこれらのエコシステムにネイティブなオンチェーンAI機能を導入します。さらに、EigenLayerの再誓約メカニズムは、Ritualの証明市場にアクティブな検証サービスを追加し、ネットワークの分散化とセキュリティをさらに強化します。

課題と展望

Ritualの設計は、分散、インセンティブ、検証などの重要な側面に焦点を当てることで、分散型AIの中核的な問題を解決し、vTuneなどのツールによってモデルの検証可能性を実現しています。同時に、モデルの検証可能性はvTuneのようなツールを通じて達成され、モデルのオープンソースとインセンティブの矛盾を打破し、分散型モデル市場の構築に技術的なサポートを提供します。

Ritualは初期段階にあり、モデル推論に注力しており、その製品マトリックスはインフラからモデルマーケットプレイス、L2aaS、エージェントフレームワークへと拡大している。ブロックチェーンはまだプライベートベータ版であるため、Ritualの高度な技術設計ソリューションはまだ大規模に公に展開されておらず、継続的な注意が必要である。技術の向上が続き、エコシステムが豊かになるにつれて、Ritualが分散型AIインフラの重要な一部になることを期待しています。

Gensyn：分散型モデルトレーニングの中核問題を解決する

プロジェクトの概要

AIの進化が加速し、演算リソースが増加している今、Ritualは分散型AIインフラの重要な一部となっています。

AIの進化が加速し、演算リソースが不足している今、GensynはAIモデルトレーニングの根本的なパラダイムを再構築しようとしている。

コンピューティング・パワーが一握りのクラウド・コンピューティング大手によってほぼ独占されている従来のAIモデル・トレーニング・プロセスは、高いトレーニング・コストと低い透明性をもたらし、中小規模のチームや独立した研究者のイノベーションを妨げてきた。Gensynのビジョンは、MacBook、ゲームグレードのGPU、エッジデバイス、アイドルサーバーなど、基本的なコンピューティングパワーを持つ世界中の無数のデバイスにトレーニングタスクを「シンク」させ、ネットワークにアクセスしてタスクの実行に参加させることで、この「中央集権的独占」を打破することだ、報酬を得る。

Gensynは分散型AIコンピューティング・インフラを構築するために2020年に設立された。クローズドなクラウドプラットフォームや巨大なサーバークラスタに頼るのではなく、世界中の異種コンピュートノードにトレーニングタスクを投入し、信頼される必要のないインテリジェントな計算ネットワークを構築するのだ。

2023年、ジェンシンはそのビジョンをさらに拡大しようとしている。グローバルに接続され、オープンソースで、自律的で、ライセンスフリーのAIネットワークを構築し、基本的な計算能力を持つあらゆるデバイスがネットワークの一部になることができる。ネットワークの一部。基礎となるプロトコルはブロックチェーン・アーキテクチャに基づいており、インセンティブや検証メカニズムと組み合わせることができるだけではない。

創業以来、Gensynはa16z、CoinFund、Canonical、Protocol Labs、Distributed Globalなど17の組織から5,060万ドルの支援を受けている。中でも2023年6月にa16zが主導したシリーズAラウンドは広く注目され、分散型AI分野が主流のウェブ3VCの視野に入るきっかけとなった。

チームの中心メンバーも重要な経歴を持つ。共同創業者のベン・フィールディングはオックスフォード大学で理論計算機科学を学び、技術研究に深いバックグラウンドを持っている。もう一人の共同創業者であるハリー・グリーブは、分散型プロトコルのシステム設計や経済モデリングに長年携わってきた。もう一人の共同設立者であるハリー・グリーヴは、分散型プロトコルのシステム設計と経済モデリングに長い間携わっており、ジェンシンのアーキテクチャとインセンティブに確かな裏付けを与えている。

アーキテクチャの設計

分散型AIシステムの開発は現在、実行、検証、コミュニケーションという3つの中核的な技術的ボトルネックに直面しています。すなわち、実行、検証、コミュニケーションです。）これらのボトルネックは、大規模なモデル学習能力の解放を制限するだけでなく、グローバルな演算リソースの公正な統合と効率的な利用を制限します。体系的な研究に基づき、Gensynチームは上記の問題に対処するために、3つの代表的な革新的メカニズム（RL Swarm、Verification、SkipPipe）を提案しています。Gensynチームは体系的な研究に基づいて、これらの問題に対処するための3つの革新的なメカニズム - RL Swarm、Verde、SkipPipe - を提案し、分散型AIインフラストラクチャをコンセプトから現実のものにするためのソリューションパスを構築しました。

I.実行の課題：大規模なモデルを効率的に訓練するために、断片化されたデバイスをどのように連携させることができるか？

現在、大きな言語モデルのパフォーマンス向上は、「ヒープスケール」戦略に大きく依存しています。しかし、これは計算コストを大幅に押し上げる。非常に大規模なモデルの学習は、多くの場合、何千ものGPUノードに分割する必要があり、これらのノード間で高頻度のデータ通信と勾配同期を行う必要がある。分散シナリオでは、ノードは地理的に分散しており、ハードウェアは異種であり、状態のボラティリティが高いため、従来の中央集権的なスケジューリング戦略は困難です。

この課題に対処するため、Gensynはピアツーピアの強化学習ポストトレーニングシステムであるRL Swarmを提案しています。その核となるアイデアは、訓練プロセスを分散協調ゲームに変換することである。まず、ノードは独立して問題の推論を完了し、結果を公に共有する。次に、ノードは仲間の答えを評価し、論理性と戦略の妥当性の観点からフィードバックを提供する。最後に、ノードはグループの意見に基づいて自身の出力を修正し、よりロバストな答えを生成する。このメカニズムは個人の計算とグループの協調を効果的に統合し、数学的・論理的推論のような高い精度と検証可能性を必要とするタスクに特に適している。実験によると、RL Swarmは効率を向上させるだけでなく、参加しきい値を大幅に削減し、優れたスケーラビリティと耐障害性を持つ。

RLスワームの「共有-批評-決定」の3段階強化学習トレーニングシステム

II.検証の課題：どのように検証するか？検証の課題：信頼できないプロバイダーの計算結果が正しいかどうかを検証するには？

分散型トレーニングネットワークでは、「誰でも演算を提供できる」ことは強みであると同時にリスクでもあります。問題は、信頼を必要とせずに、これらの計算が本物で有効であることをどのように検証するかということです。

再計算やホワイトリスト監査といった伝統的なアプローチには明らかな限界があります。前者は非常にコストがかかり、スケーラブルではありません。ニューラルネットワークの訓練と検証シナリオのための軽量の調停プロトコルです。

Verdeの背後にある重要な考え方は、「最小限の信頼できる裁定」です。検証者がプロバイダーのトレーニング結果が不正確であると疑った場合、裁定契約は、トレーニングプロセス全体を再生することなく、計算グラフで最初に論争となった演算ノードを単に再計算します。これにより、検証の負担が大幅に軽減される一方で、少なくとも一方の当事者が正直である場合には、結果の正しさが保証される。異なるハードウェア間での浮動小数点数の非決定性に対処するため、Verdeは再現可能な演算子のライブラリも開発しました。この演算子は、行列の乗算などの一般的な数学演算の実行順序を統一し、デバイス間でビットレベルの一貫した出力を実現します。この技術は、分散トレーニングのセキュリティとエンジニアリングの実現可能性を大幅に向上させ、現在の非信頼検証システムにおける重要なブレークスルーとなります。

メカニズム全体は、トレーナーが重要な中間状態（すなわち、チェックポイント）を記録することに基づいており、複数の検証者がランダムに割り当てられて、これらのトレーニングステップを再現し、出力の一貫性を判断します。検証者の再計算結果が訓練者の結果と乖離した場合、モデル全体を無闇に再実行するのではなく、システムはネットワーク調停メカニズムを用いて、両者が最初に乖離した計算グラフ内の演算を特定し、比較のためにその演算のみを再実行することで、非常に低いオーバーヘッドで紛争裁定を実現する。このようにして、Verdeは訓練ノードを信頼することなく訓練プロセスの完全性を保証し、効率性とスケーラビリティのバランスをとることで、分散AI訓練環境に適した検証フレームワークとなっています。

ベイダーのワークフロー

3つの通信課題：ノード間の高頻度同期によるネットワークボトルネックをいかに減らすか？

従来の分散トレーニングでは、モデルは全体が複製されるか、レイヤーごとに分割されます（パイプライン並列）。特にパイプライン並列では、マイクロバッチがモデルの各レイヤーを厳密な順序で通過する必要があるため、ノードが遅延するたびにトレーニングプロセス全体がブロックされてしまいます。

Gensynは、スキップ実行とダイナミック・パス・スケジューリングをサポートする耐障害性の高いパイプライン・トレーニング・システムであるSkipPipeを提案することで、この問題に対処しています。 SkipPipeは「スキップ比率」メカニズムを導入しており、特定のノードが過負荷の場合に特定のマイクロバッチをスキップすることができます。SkipPipeは、特定のノードの負荷が高すぎる場合に、データの特定のマイクロバッチがモデル層の一部をスキップできるようにする「スキップ率」メカニズムを導入しています。実験によると、SkipPipeは、地理的に分散し、ハードウェアが変化し、帯域幅が制限されたネットワーク環境において、トレーニング時間を最大55%短縮することができ、50%のノード故障率が発生した場合でもわずか7%の損失を維持し、極めて高い回復力と適応性を実証しています。

参加

2025年3月31日に稼動するGensynの公開テストネットワークは、その技術ロードマップ（フェーズ0）の初期段階にあり、機能は以下の点に集中しています。Gensynの最初のアプリケーションシナリオであるRL Swarmの展開と検証は、強化学習モデルの協調学習を中心に設計されている。各参加ノードは、その振る舞いをオンチェーンIDにバインドし、貢献プロセスは完全に文書化され、その後のインセンティブ配分と信頼されたコンピューティングモデルの検証基盤となります。

Gensynのノードランキング

初期テスト段階でのハードウェアのしきい値は、比較的ユーザーフレンドリーです：MacユーザーはMシリーズチップで実行できますが、Windowsユーザーは3090や4090などの高性能GPUを推奨します。Windowsユーザーは、3090や4090のような高性能GPUと、ローカルのSwarmノードを展開するために16GB以上のRAMを持つことが推奨されます。

システムが稼動した後、電子メールアドレス（Gmailが推奨）へのウェブログインによって認証プロセスが完了し、HuggingFaceのAccess Tokenをバインドして、より充実したモデル機能を有効にするかどうかを選択できます。

課題と展望

現時点でGensynプロジェクトにとって最大の不確定要素は、そのテストネットワークがまだ約束された技術スタックを完全にカバーしておらず、VerdeやSkipPipeなどの主要モジュールがまだ統合されていない状態であることです。VerdeやSkipPipeのような主要モジュールはまだ統合されていない状態であり、アーキテクチャが軌道に乗るのは少し先のことになる。公式の説明では、テストネットワークは段階的に進行し、各段階で新しいプロトコル機能を開放し、インフラの安定性とスケーラビリティの検証を優先するという。最初の段階であるRL Swarmを出発点とし、将来的には事前訓練、推論、その他のコア・シナリオへと徐々に拡大し、最終的には実際の経済取引の展開をサポートするメイン・ネットワークへと移行する。

テストネットワークは当初、比較的保守的なペースで開始されましたが、わずか1カ月後に、より大規模なモデルや複雑な数学的タスクをサポートする新しいスワームのテストタスクを開始したことは興味深いことです。これは、開発のペースに関する質問に対する回答でもあり、チームがいかに効率的にローカライズされたモジュールを実行しているかを示すものでもある。

しかし、問題があります。新バージョンのタスクはハードウェアの敷居が非常に高く、A100、H100などのトップクラスのGPU（80GBのRAM付き）を含む推奨構成となっており、中小規模のノードでは事実上達成不可能で、Gensynが強調する「オープンアクセスと分散型トレーニング」との緊張関係を生み出しています。これは、「オープンアクセスと分散型トレーニング」を強調するジェンシンの姿勢とも緊張関係にある。コンピューティングパワーの中央集権化の流れは、効果的に誘導されなければ、ネットワークの公平性と分散型ガバナンスの持続可能性に影響を与えるかもしれない。

次に、VerdeとSkipPipeをうまく統合できれば、プロトコルの完全性とコラボレーションの効率性を向上させることができる。しかし、Gensynがパフォーマンスと分散化の真のバランスを見つけることができるかどうかは、テストネットワークによってより長い期間と広い文脈でテストされる必要がある。今現在、それは可能性の最初の兆候を示しており、初期段階のインフラプロジェクトに最も当てはまる課題を明らかにしている。

Bittensor：分散型AIネットワークの革新と開発

プロジェクトの概要

Bittensorは、ブロックチェーンの力を組み合わせたインフラプロジェクトです。Bittensorはブロックチェーンと人工知能を組み合わせた先駆的なプロジェクトで、「機械知能のための市場経済」を構築するためにJacob SteevesとAla Shaabanaによって2019年に設立された。創設者は2人とも人工知能と分散システムに深いバックグラウンドを持っている。プロジェクトのホワイトペーパーの署名者であるユマ・ラオは、暗号とコンセンサス・アルゴリズムに関する専門的な視点をプロジェクトに注入し、チームの中核的な技術顧問とみなされている。

このプロジェクトは、ブロックチェーン・プロトコルを通じてグローバルな演算リソースを統合することで、常に自己最適化される分散型ニューラルネットワーク・エコシステムを構築することを目指している。このビジョンは、計算、データ、ストレージ、モデルなどのデジタル資産をインテリジェントな価値の流れに変換し、新しい経済形態を構築し、AI開発の配当の公正な分配を保証する。Bittensorは、OpenAIのような中央集権的なプラットフォームとは異なり、3つのコアバリューの柱を確立しています。

投資レイアウトの面では、Polychain Capitalは2019年からBittensorをインキュベートしており、現在約2億ドル相当のTAOトークンを保有している、Dao5は約5000万ドル相当のTAOを保有している。Dao5は約5,000万ドル相当のTAOを保有しており、Bittensorエコシステムの初期からの支援者でもある。2024、Pantera Capital、Collab Currencyは戦略的投資を通じてさらに出資比率を高めている。同年8月、Grayscale GroupはTAOをDecentralised AI Fundに組み入れ、機関投資家がプロジェクトの価値と長期的楽観主義を高く評価していることを示した。

設計アーキテクチャと運用メカニズム

ネットワークアーキテクチャ

Bittensorは3つのコンポーネントからなるネットワーク上に構築されています。

• ブロックチェーン層: Substrateフレームワークに基づいて、この層はネットワークの信頼基盤として機能し、以下を担当します。状態の変化とトークンの発行を記録する。システムは12秒ごとに新しいブロックを生成し、ルールに従ってTAOトークンを発行し、ネットワークのコンセンサスとインセンティブの分配を保証する。

• Neuron：ネットワークのコンピューティングノードとして、Neuronは様々なAIモデルを実行し、インテリジェントなサービスを提供します。各ノードは、よく設計された設定ファイルを通じてサービスの種類とインターフェースの仕様を明示的に宣言し、モジュール性とプラグアンドプレイ機能を実現しています。

• シナプス：ネットワークの通信ブリッジで、ノード間の接続の重みを動的に最適化し、効率的な情報転送を保証するニューラルネットワークのような構造を形成します。シナプスには経済モデルも組み込まれており、ニューロン間の相互作用やサービスの呼び出しにはTAOトークンの支払いが必要となり、価値の流れの閉ループを形成します。

• メタグラフ：システムのグローバルな知識グラフとして、各ノードの貢献度を継続的に監視・評価し、ネットワーク全体にインテリジェントなガイダンスを提供します。メタグラフは精密な計算によってシナプスの重みを決定し、その結果、リソースの割り当て、報酬のメカニズム、ネットワーク内のノードの影響力に影響を与える。

Bittensor's Web Framework

Yuma Consensus Mechanism

ネットワークは、72分ごとに報酬を分配するために、独自のYumaコンセンサスアルゴリズムを使用しています。

• 手動採点：採掘者が採掘者の出力品質を主観的に評価

• フィッシャーの報酬ラウンドフィッシャー情報マトリックス：ネットワーク全体に対するノードの貢献を客観的に定量化します

このハイブリッドな「主観的＋客観的」メカニズムにより、専門家の判断とアルゴリズムの公平性のバランスを効果的にとることができます。

サブネットのアーキテクチャとdTAOのアップグレード

各サブネットは、テキスト生成、画像認識など、特定のAIサービス分野に焦点を当て、独立して稼働します。2025年2月、Bittensorは画期的なdTAO（Dynamic TAO）アップグレードを完了した。これは、各サブネットを独立した経済単位に変換し、市場の需要シグナルを通じてリソース割り当てをインテリジェントに調整するシステムである。

• 動作原理：参加者は、各サブネットワークによって発行されたアルファトークンを取得するためにTAOを誓約する。これらのトークンは、特定のサブネットワークに対する市場の認識と支持を表します

• リソース割り当てロジック：アルファトークンの市場価格はサブネットワークに対する需要の強さの重要な指標であり、アルファトークンの価格は初期状態ではすべてのサブネットワークで同じであり、各流動性プールには1つのTAOと1つのアルファトークンのみが存在します。各流動性プールには1つのTAOと1つのAlphaトークンしかありません。取引活動が活発になり、流動性が注入されると、アルファ・トークンの価格は動的に調整され、TAOはサブネットのトークン価格の比率に応じてインテリジェントに割り当てられます。src="https://img.foresightnews.pro/202506/842-1749459045234?x-oss-process=style/scale70">

  Bittensor Subnet Token Emission Allocation

  dTAOのアップグレードは、生態系の活力と資源効率を劇的に向上させ、サブネットトークン市場は、時価総額5億ドルという力強い成長の勢いを見せています。

  

  

  Bittensor subnet alpha token value

  Ecological Progress and Application Cases

  <主なネットワーク開発の歴史

  Bittensorネットワークは3つの重要な開発段階を経てきました。align: left;">2021年1月: メインネットワークが正式に開始され、インフラが構築されました

• 2023年10月: 「Revolution」アップグレードにより、サブネットワークアーキテクチャが導入され、機能のモジュール化が可能になりました

• Bittensorネットワークは3つの重要な開発段階を経てきました。style="text-align: "left;">2025年2月：dTAOアップグレードの完了と市場主導型リソース配分メカニズムの確立

サブネットワークエコシステムの爆発的成長：2025年6月現在、119の専門的なサブネットワークがあり、年内に200を超えると予想されています。年以内に200を超える可能性もある。

<

Bittensorのサブネット数

エコプロジェクトは多様で、AIエージェント（Tatsuなど）、予測市場（Bettensorなど）、DeFiプロトコル（TaoFiなど）などの最先端プロジェクトを幅広くカバーしている。TaoFi)などの最先端分野で、AIと金融の深い融合のための革新的なエコシステムを構成しています。

代表的なサブネット・エコプロジェクト

• TAOCAT：TAOCATはBittensorエコシステムのネイティブAIエージェントで、ユーザーにデータ駆動型の意思決定ツールを提供するためにサブネット上に直接構築されています。Subnet 19のビッグ言語モデル、Subnet 42のリアルタイムデータ、Subnet 59のエージェントアリーナを活用し、市場インサイトと意思決定サポートを提供。DWF Labsの2,000万ドルのAIエージェント・ファンドへの投資を受け、バイナンス・アルファで稼動。

• OpenKaito：暗号業界向けの分散型検索エンジンを構築するため、KaitoチームによってBittensorで立ち上げられたサブネット。5億のウェブリソースをインデックス化し、大量のデータを処理する分散型AIの強力な能力を実証している。従来の検索エンジンと比較して、その核となる利点は、商業的利益からの干渉を減らし、より透明で中立的なデータ処理サービスを提供し、Web3時代の情報アクセスの新しいパラダイムを提供することである。

• Tensorplex Dojo: Tensorplex Labsが開発した52のサブネットワークで、分散型プラットフォームを通じて人間が生成した高品質なデータセットをクラウドソーシングし、ユーザーがデータ注釈のためにTAOトークンを獲得することを奨励しています。YZi Labs（旧Binance Labs）がTensorplex Labsへの投資を発表し、DojoとBackprop Financeの開発をサポート。

• CreatorBid：サブネット6上で稼働するCreatorBidは、AIとブロックチェーンを組み合わせたオーサリングプラットフォームで、Olasやio.netなどのGPUネットワークと統合し、コンテンツクリエイターやAIモデル開発をサポートする。

テクノロジーと業界のコラボレーション

Bittensorは、領域を超えたコラボレーションにおいて画期的な進歩を遂げました：

ハギング・フェイスとの深いモデル統合チャネルを確立し、チェーンにおける50の主流AIモデルのシームレスな展開を可能にしました。align: left;">2024年、高性能AIチップメーカーのセレブラスとBTLM-3Bモデルを共同リリースし、累計ダウンロード数が16万件を突破

2025年3月、DeFi大手のアーヴェと戦略的提携を締結し、rsTAOの高品質レンディングプラットフォームとしての可能性を追求。

参加方法

Bittensorは多様なエコ参加経路を設計し、完全な価値創造・流通システムを形成しています。

Bittensorは多様なエコ参加経路を設計し、完全な価値創造・流通システムを形成しています。創造と分配のシステム:

• マイニング: マイナーノードを配置して高品質のデジタル商品（AIモデリングサービスなど）を生産し、貢献の質に基づいてTAO報酬を得る

• Bittensorは複数の生態学的参加経路を設計し、完全な価値創造と分配のシステムを形成しています。style="text-align: left;">検証: 検証ノードを運営してマイナーの作業を評価し、ネットワークの品質基準を維持し、TAOインセンティブを得る

• 誓約: 高品質の検証ノードをサポートするためにTAOを保有し、誓約し、検証者のパフォーマンスに基づいて受動的収入を得る

• 誓約: 高品質の検証ノードをサポートするためにTAOを保有し、誓約し、検証者のパフォーマンスに基づいて受動的収入を得る

• 開発: Bittensor SDKとCLIツールを使用して、革新的なアプリ、ユーティリティ、または新しいサブネットを構築し、エコシステムに積極的に参加します

• BittensorSDKとCLIツールを使用して、革新的なアプリ、ユーティリティ、または新しいサブネットを構築できます。left;">Use Services: ユーザーフレンドリーなクライアントアプリケーションインターフェースを介して、テキスト生成や画像認識など、ネットワークが提供するAIサービスを使用します

• Trade: サブネットワークにアセットされたトークンのマーケットプレイスに参加し、潜在的な価値成長の機会を獲得します

参加者へのサブネット・アルファ・トークンの配布

課題と展望

Bittensorは、最先端技術の探索者としての優れた可能性にもかかわらず、大きな成功を収めています。の潜在的な可能性はあるものの、最先端技術の探求者としてはまだ多次元的な課題に直面している。技術レベルでは、分散型AIネットワークが直面するセキュリティ脅威（モデルの盗用や反撃など）は、集中型システムが直面する脅威よりも複雑であるため、プライバシー計算とセキュリティ保護スキームの最適化を継続する必要がある。経済モデルでは、早い段階でインフレ圧力があり、サブネットワーク型トークン市場のボラティリティが高いため、投機的バブルの可能性に注意する必要がある。規制環境では、SECはTAOをユーティリティトークンに分類しているが、世界各地域間の規制枠組みの違いは、依然としてエコシステムの拡大を制限する可能性がある。規制環境については、SECはTAOをユーティリティ・トークンに分類したものの、世界各地の規制枠組みの違いは、依然として生態系の拡大を制限する可能性がある。同時に、十分なリソースを持つ中央集権型AIプラットフォームとの激しい競争に直面する中、分散型ソリューションは、ユーザーエクスペリエンスと費用対効果の面で長期的な競争優位性を証明する必要がある。

2025年の半減サイクルが近づくにつれ、Bittensorは4つの戦略的方向性に重点を置くことになる。サブネットワークの専門化をさらに深め、垂直アプリケーションのサービス品質とパフォーマンスを向上させること、DeFiエコシステムとの深い統合を加速し、新たに導入されたEVM互換性によってスマートコントラクトアプリケーションの境界を拡大すること、dTAOメカニズムによってスマートコントラクトアプリケーションの範囲を拡大することだ。dTAOメカニズムは、今後100日以内にネットワーク・ガバナンスのウェイトをTAOからAlphaトークンにスムーズに移行し、ガバナンスの分散化プロセスを促進する。一方、他の主流パブリック・チェーンとの相互運用性を積極的に拡大し、生態学的境界とアプリケーション・シナリオを拡大する。これらの相乗的な戦略的イニシアチブは、「マシン・インテリジェンス・マーケット・エコノミー」という壮大なビジョンに向けて、共同でBittensorを推進していく。

0G：ストレージベースのモジュール式AIエコシステム

プロジェクトの概要

0Gは、AIアプリケーション用に設計されたモジュール式のレイヤー1エコシステムです。0Gは、AIアプリケーションのために特別に設計されたモジュール式のレイヤー1パブリック・チェーンであり、データ集約的で高コンピューティング需要のシナリオに効率的で信頼性の高い分散型インフラを提供することを目的としている。モジュール式アーキテクチャにより、0Gはコンセンサス、ストレージ、計算、データ可用性などのコア機能の独立した最適化を実現し、大規模なAI推論およびトレーニングタスクを効率的に処理するための動的スケーリングをサポートします。

創業チームを率いるのは、マイケル・ハインリッヒ（最高経営責任者、以前は