Singkatnya;

• Bittensor, melalui dTAO, mengubah distribusi imbalan subnet dari rasio tetap menjadi yang ditentukan oleh bobot staking, dengan 50% disuntikkan ke dalam kolam likuiditas, bertujuan untuk mendorong pengembangan subnet berkualitas tinggi melalui evaluasi terdesentralisasi.
• Pada tahap awal, volatilitas tinggi, perangkap APY, dan seleksi yang merugikan bersamaan, membutuhkan keseimbangan antara penyaringan kualitas penambang, ambang batas pengenalan pengguna, dan ketidakcocokan antusiasme pasar.
• Di antara 10 subnet teratas saat ini, hanya satu yang membutuhkan penambang untuk mengirimkan model open-source, sementara yang lain umumnya mengalami masalah seperti tim anonim dan kurangnya penancapan produk, mengungkapkan bottleneck dalam infrastruktur AI Web3.
• Validasi akhir bergantung pada loop umpan balik positif antara harga TAO dan nilai praktis subnet. Jika ini gagal, ini dapat menyebabkan pergeseran kontinu jalur AI Web3 menuju arah yang lebih ringan.

Latar Belakang Tinjauan

Pengenalan dTAO Merubah Aturan Distribusi TAO Harian di Bittensor:

Aturan sebelumnya: Hadiah subnet dialokasikan dalam proporsi tetap—41% untuk validator, 41% untuk penambang, dan 18% untuk pemilik subnet. Jumlah rilis TAO untuk subnet ditentukan oleh suara validator.

Aturan pos-dTAO: Sekarang, 50% dari token dTAO yang baru diterbitkan akan ditambahkan ke kolam likuiditas, dan 50% sisanya akan didistribusikan di antara validator, penambang, dan pemilik subnet berdasarkan keputusan peserta subnet. Jumlah rilis TAO untuk subnet ditentukan oleh bobot staking dari subnet.

Tujuan Desain dTAO:

Tujuan utama dTAO adalah untuk mempromosikan pengembangan subnets dengan potensi pendapatan nyata, merangsang lahirnya aplikasi kasus penggunaan nyata, dan memastikan aplikasi-aplikasi ini dievaluasi dengan benar.

Evaluasi Subnet Terdesentralisasi: Tidak lagi bergantung pada beberapa validator, harga dinamis dari kolam dTAO akan menentukan distribusi penerbitan TAO. Pemegang TAO dapat mendukung subnet yang mereka percayai dengan melakukan staking TAO.

Meningkatkan Kapasitas Subnet: Menghapus batasan subnet untuk mendorong persaingan dan inovasi dalam ekosistem.

Mendorong Partisipasi Awal: Hal ini dapat memotivasi pengguna untuk fokus pada subnet baru, mendorong seluruh ekosistem untuk mengevaluasi subnet baru. Validator yang bermigrasi ke subnet baru lebih awal mungkin akan menerima imbalan yang lebih tinggi. Migrasi awal ke subnet baru berarti membeli dTAO dengan harga lebih rendah, meningkatkan potensi untuk mendapatkan lebih banyak TAO di masa depan.

Mendorong Penambang dan Validator untuk Fokus pada Subnet Berkualitas Tinggi: Lebih menggiatkan penambang dan validator untuk mencari subnet baru berkualitas tinggi. Model penambang berada di luar rantai, dan validasi validator juga berada di luar rantai. Jaringan Bittensor memberi imbalan kepada penambang berdasarkan evaluasi validator semata. Oleh karena itu, untuk berbagai jenis, atau bahkan semua jenis aplikasi AI, selama sesuai dengan arsitektur penambang-validator, Bittensor dapat mengevaluasinya dengan akurat. Bittensor memiliki tingkat inklusivitas yang tinggi untuk aplikasi AI, memastikan bahwa setiap peserta di setiap tahap dapat menerima insentif, sehingga memberikan kontribusi kembali pada nilai Bittensor.

Analisis dari Tiga Skenario yang Mempengaruhi Trend Harga dTAO

Ulasan tentang Mekanisme Dasar

Rilis tetap harian TAO dan jumlah setara dTAO yang dimasukkan ke dalam kolam likuiditas menciptakan parameter kolam likuiditas baru (nilai k). Dari jumlah tersebut, 50% dTAO masuk ke dalam kolam likuiditas, sementara 50% sisanya didistribusikan berdasarkan bobot di antara pemilik subnet, validator, dan penambang. Subnet dengan bobot yang lebih tinggi menerima proporsi alokasi TAO yang lebih besar.

Skenario 1: Siklus Positif Pertumbuhan Staking

Karena jumlah TAO yang didelegasikan ke validator terus meningkat, bobot subnet meningkat, dan proporsi imbalan penambang juga membesar. Motivasi validator untuk membeli token subnet dalam jumlah besar dapat dibagi menjadi dua kategori:

1. Perilaku Arbitrase Jangka Pendek

Pemilik subnet, sebagai validator, meningkatkan harga token dengan melakukan staking TAO (melanjutkan model rilis lama). Namun, mekanisme dTAO melemahkan kepastian dari strategi ini:

• Ketika proporsi pengguna staking irasional lebih tinggi daripada pengguna yang berfokus pada kualitas, arbitrase jangka pendek dapat dipertahankan.
• Sebaliknya, ini akan menyebabkan depresiasi cepat dari token yang terakumulasi awal, dan dikombinasikan dengan mekanisme pelepasan yang merata yang membatasi akuisisi token, subnet berkualitas tinggi pada akhirnya mungkin akan menghapusnya dalam jangka panjang.

2. Logika Pemindahan Nilai

Subnet dengan kasus penggunaan nyata menarik pengguna melalui pendapatan aktual, di mana staker mendapatkan imbalan dTAO yang ditambahkan serta pengembalian staking tambahan, membentuk lingkaran pertumbuhan yang berkelanjutan.

Skenario 2: Dilema Stagnasi Pertumbuhan Relatif

Ketika staking subnet terus tumbuh namun tertinggal dari proyek-proyek teratas, kapitalisasi pasar secara stabil meningkat namun gagal memaksimalkan pengembalian. Pada titik ini, hal berikut harus dipertimbangkan dengan cermat:

• Kualitas Penambang Menentukan Batas Atas: TAO, sebagai platform insentif model sumber terbuka (bukan platform pelatihan), mendapatkan nilainya dari output dan aplikasi model-model berkualitas tinggi. Arah strategis yang dipilih oleh pemilik sub-jaringan, bersama dengan kualitas model-model yang dikirimkan oleh penambang, membentuk langit-langit pengembangan.
• Pemetaan Kemampuan Tim: Para penambang teratas sering berasal dari tim pengembangan subnet, dan kualitas penambang pada dasarnya mencerminkan kekuatan teknis tim.

Skenario 3: Spiral Kematian Kerugian Staking

Ketika staking subnet menurun, itu dapat dengan mudah memicu siklus yang berbahaya (penurunan staking → pengembalian menurun → aliran keluar lebih lanjut). Pemicu khusus termasuk:

1. Penghapusan Kompetitif: Meskipun sub-jaringan memiliki nilai praktis, kualitas produknya tertinggal, dan bobotnya menurun, menyebabkan penghapusan. Ini adalah kondisi ideal untuk pengembangan ekosistem yang sehat, tetapi belum ada tanda-tanda nilai TAO menjadi jelas sebagai "sekop inkubator aplikasi Web3".
2. Efek Keruntuhan Harapan: Pandangan pasar yang bearish terhadap masa depan subnet mengarah pada penarikan staking spekulatif. Saat penerbitan harian mulai menurun, penambang non inti mempercepat keluar mereka, akhirnya membentuk tren penurunan yang tidak dapat dibalikkan.

Potensi Risiko dan Strategi Investasi

• Jendela Volatilitas Tinggi: Jumlah rilis dTAO besar awal tetapi penerbitan harian konstan dapat menyebabkan fluktuasi harga tajam dalam beberapa minggu pertama. Selama periode ini, staking di jaringan root menjadi strategi mitigasi risiko, menyediakan pengembalian dasar yang stabil.
• Perangkap APY: Godaan jangka pendek dari APY tinggi mungkin mengalahkan risiko jangka panjang dari likuiditas yang tidak mencukupi dan kurangnya daya saing subnet.
• Mekanisme Permainan Bobot: Bobot validator ditentukan bersama oleh nilai dTAO subnet dan root network TAO staking (model bobot komposit). Dalam 100 hari pertama setelah peluncuran subnet, root network staking masih memegang keunggulan hasil yang deterministik.

• Karakteristik perdagangan mirip meme: Pada tahap saat ini, perilaku staking subnet berbagi atribut risiko spekulatif yang mirip dengan Memecoins.

Investasi Nilai dan Ketidakcocokan Pasar

• Paradox Konstruksi Ekologis: Mekanisme dTAO bertujuan untuk membudayakan sub-jaringan praktis, namun karakteristik investasi nilai mengarah ke:
• Biaya Pendidikan Pasar Tinggi: Evaluasi terus-menerus tentang kualitas penambang, skenario aplikasi, latar belakang tim, dan model keuntungan menciptakan hambatan kognitif bagi investor non-profesional AI.
• Konversi Populeritas yang Tertinggal: Berbeda jauh dengan token Agen, token subnet belum membentuk konsensus pasar dengan skala yang setara.

Risiko Sistemik dari Staking yang Tidak Rasional

• Pengulangan Dilema Sejarah: Jika pengguna terus membabi buta mengikuti indikator volume rilis, itu akan mengarah ke:
• Penyewaan Validator: Pengulangan masalah dengan pemungutan suara sendiri di subnet di bawah mekanisme lama.
• Kegagalan Pembaruan Mekanisme: Melanggar desain asli fungsi penyaringan kualitas dTAO.
• Persyaratan Hambatan Kognitif: Investor perlu memiliki kemampuan untuk mengevaluasi kualitas subnet, namun kedewasaan pasar saat ini dan persyaratan mekanisme tidak sejalan.

Teori Permainan Dilema Waktu Investasi

• Jendela Masuk Optimal: Jendela investasi sebaiknya diundur beberapa bulan setelah subnet diluncurkan (saat kemampuan tim dan potensi jaringan menjadi terlihat), namun hal ini menghadapi:

1. Resiko Penurunan Perhatian Pasar
2. Pengecilan Likuiditas karena Spekulator Awal Keluar

• Tanda Keberhasilan Validasi Ganda:

1. Harga TAO dan nilai praktis subnet membentuk umpan balik positif.
2. Validator memilih untuk menyimpan TAO untuk keuntungan yang berkelanjutan daripada menjual.

Risiko Kerugian Kualitas Penambang

• Dilema Seleksi Advers
• Kekurangan Mekanisme Penyaringan Kualitas: Model-model saat ini tidak dapat secara efektif membedakan kualitas kontribusi penambang.
• Lingkungan Insentif Tidak Seimbang: Perilaku arbitrase penambang berkualitas rendah mendorong ruang kelangsungan hidup untuk pengembang berkualitas tinggi.
• Bottleneck Konstruksi Ekologis: Lingkungan inkubasi model open-source masih belum matang, mungkin jatuh ke dalam dilema "uang buruk mengalahkan uang baik".

Dilema Triple dalam Berinvestasi di Subnet dTAO

Dilema Inti:

• Dapatkah subnet menarik sumber daya penambang berkualitas tinggi?
• Apakah sistem evaluasi pengguna memiliki efektivitas?

Dilema Sekunder:

• Apakah subnets memiliki skenario aplikasi bisnis yang nyata?

Titik Risiko Potensial:

• Transparansi informasi tim pengembangan
• Rasionalitas desain model keuntungan
• Kemampuan eksekusi pasar
• Kemungkinan intervensi modal eksternal
• Desain mekanisme penerbitan token

Pengamatan dan Harapan

Meskipun model open-source adalah arah utama evolusi teknologi, mereka mungkin menghadapi tantangan dalam menembus bottlenecks pengembangan di bidang terdesentralisasi.

Saat ini, sebagai pemimpin industri, ekosistem subnet dTAO Bittensor masih memiliki cacat kualitas yang signifikan. Dari analisis sepuluh subnet teratas berdasarkan jumlah rilis imbalan TAO, jelas bahwa hanya satu subnet di TOP10 memerlukan penambang untuk mengirimkan model open-source, sementara yang lain memiliki korelasi yang lemah antara penambang dan pengembangan model.

Pelatihan model open-source memiliki hambatan teknis yang tinggi, yang merupakan tantangan signifikan bagi pengembang Web3. Untuk mempertahankan jumlah penambang yang mencukupi, sebagian besar subnets secara aktif menurunkan persyaratan teknis masuk dan menghindari tuntutan model open-source untuk memastikan pasokan kolam insentif token.

Bahkan subnet tanpa model sumber terbuka yang wajib tetap menghadapi kekhawatiran kualitas ekosistem.

Masalah-masalah berikut umumnya ditemukan di subnet TOP10:

Kekurangan produk yang dapat diverifikasi dan diterapkan

• Proporsi tim pengembang anonim yang berlebihan
• Token dTAO kurang memiliki pengait efektif ke nilai produk
• Model pendapatan yang tidak meyakinkan di pasar
• Filosofi desain mendasar dTAO adalah progresif, tetapi infrastruktur Web3 saat ini tidak mencukupi untuk mendukung konstruksi ekosistem ideal. Ketidaksesuaian antara ideal dan realitas ini dapat mengakibatkan dua hasil yang mungkin:
• Sistem valuasi dari subnets dTAO mungkin perlu diturunkan.
• Jika model platform sumber terbuka Bittensor gagal dalam validasi, sektor AI Web3 mungkin beralih ke arah yang lebih ringan seperti aplikasi Agen dan pengembangan middleware.

Disclaimer：

1. Artikel ini direproduksi dari [GateTechFlow], hak cipta dimiliki oleh penulis asli [BlockBooster]], jika Anda memiliki keberatan terhadap penggandaan, silakan hubungiGate Belajartim, tim akan menanganinya secepat mungkin sesuai dengan prosedur yang relevan.
2. Penafian: Pandangan dan pendapat yang diungkapkan dalam artikel ini hanya mewakili pandangan pribadi penulis dan tidak merupakan saran investasi apa pun.
3. Versi bahasa lain dari artikel diterjemahkan oleh tim Gate Learn, tidak disebutkan di Gate.io, artikel yang diterjemahkan tidak boleh direproduksi, didistribusikan, atau diplagiat.