Ano ang Bittensor (TAO)? Kapag Nagtagpo ang AI at Blockchain

Noong Nobyembre 2022, naabot ng ChatGPT ang 100 milyong user nang mas mabilis kaysa sa kahit anong produkto sa kasaysayan. Halos biglaan, ang pinakamakapangyarihang artificial intelligence sa planeta ay nakaupo sa likod ng isang solong login screen, na hawak ng isang solong kumpanya, pinamamahalaan ng isang solong set ng panuntunan. Gusto mong gamitin ang pinakamagandang model? Makukuha mo ang isang API key, tanggapin mo ang usage policy, babayaran mo ang metered price — at ipagdasal mong hindi babaguhin ang terms, itataas ang rate, o tahimik na desisyunan na ang use case mo ay lumabag sa isang patakaran na hindi mo kailanman pumayagan.

Ito ang hugis ng modernong AI. Kaunting hyperscaler — mga kumpanya na may nine-figure na training budget at bodega ng GPU — kontrolado ang frontier. Sila ang nagdedesisyon kung ano ang puwedeng sabihin ng model, sino ang makakakuha ng access, at magkano ang gastos nito. Ang intelligence na lalong nagpapatakbo ng ekonomiya ay sarado, centralized, at inuupahan.

Ito ang parehong pattern na inimbento ng blockchain para sirain, na lang inilipat pataas sa stack. Sa pera, ang tanong ay “sino ang kontrolado ang ledger?” Sa intelligence, ang tanong ay “sino ang kontrolado ang model?” Sa dalawang kaso, ang tapat na sagot ay: isang kumpanya na kailangan mong pagkatiwalaan, na may kill switch na hindi mo makita.

Isa sa pinakaseryosong pagsubok na sagutin ang tanong na iyan sa ibang paraan ang Bittensor — na magtayo ng bukas, incentive-driven na market kung saan ang machine intelligence ay ginagawa ng global crowd, pina-iskor ng ekonomiya sa halip ng mga executive, at binabayaran sa isang token na tinatawag na TAO.

Alisin ang mga slogan at ang Bittensor ay isang decentralized Layer 1 blockchain na ginagawang bayad na kumpetisyon ang produksyon ng machine intelligence. Sa halip ng isang kumpanya na nagtatrain ng isang model sa likod ng sarado ang pinto, libo-libong independent na participant sa buong mundo ang nagpapatakbo ng sarili nilang mga model, nagsusubmit ng outputs, na-iskor ang mga output na iyon, at kumikita ng TAO nang proportional sa kagandahan ng kanilang gawa.

Itinatag ito ni Jacob Steeves — isang dating machine-learning engineer sa Brain team ng Google — at ni Ala Shaabana, isang machine-learning researcher, sa ilalim ng non-profit Opentensor Foundation. Bumalik ang proyekto sa humigit-kumulang 2019, dumaan sa ilang unang iteration ng network (“Kusanagi,” tapos “Nakamoto”), at ang kasalukuyang live network — codenamed Finney — ay naglunsad bilang mainnet noong Marso 20, 2023. Mahalaga ang lineage na iyan: gaya ng bawat crypto project, may totoong upgrade history ang Bittensor, at bihira sasabihin sa iyo ng marketing kung aling version talaga ang gagamitin mo.

Ang pinakamalinaw na paraan ng pag-iisip sa Bittensor ay bilang isang labor market para sa AI, hindi “ChatGPT sa blockchain.” Ang chain mismo ay hindi nagpapatakbo ng isang gigantikong model. Nagpapatakbo ito ng incentive system — ang mga panuntunan na nagdedesisyon kung sino ang mababayaran para sa paggawa ng kapaki-pakinabang na intelligence, at magkano.

Nahahati ang market ng Bittensor sa subnets — at bawat subnet ay talagang sariling specialized na AI competition na may sariling panuntunan. Puwedeng gantimpalaan ng isang subnet ang pinakamagandang text generation, ang isa pa ang pinakamagandang image synthesis, ang isa pa naman ang web scraping, price prediction, protein folding, o code completion. Sa huling bahagi ng 2025, mahigit 100 aktibong subnet na, mula sa 32 lang bago ang dTAO upgrade sa unang bahagi ng 2025. Bawat isa ay isang maliit na on-chain economy na may sariling scoreboard.

Sa loob ng bawat subnet, dalawang mahalagang papel:

• Miners ang nagpapatakbo ng totoong mga machine-learning model. Kinukuha nila ang task ng subnet, gumagawa ng outputs — isang paragraph, isang imahe, isang forecast, isang scraped dataset — at isinusumite ito. Nagkukumpitensya ang mga miner laban sa isa't isa; ang mas magandang output ang kumikita ng mas malaking share ng rewards ng subnet na iyon. Nagmumula ang kanilang edge sa hardware, data, at kalidad ng model.
• Validators ang mga hukom. Nagbigay sila ng mga task, nag-iskor ng kalidad ng mga output ng miners, at ang kanilang mga iskor ang nagdedesisyon kung sino ang mababayaran. Nag-stake ang mga validator ng TAO para makasali, na nangahulugang totoong pera ang taya nila — at puwedeng mabigyan ng parusa ang paglabag kung ipinatutupad ito ng mga panuntunan.

Pinananatiling nagkakasama ang scoring ng Yuma Consensus, ang mekanismo ng Bittensor na nagbabago ng subjective na opinyon ng maraming validator tungkol sa “magandang” AI output patungo sa isang napagkasunduang reward distribution. Mahalaga, nangyayari ito off-chain — walang pagkakahawig ang pagpayahom ng probabilistic na sagot ng AI sa pag-verify ng isang deterministic na Bitcoin transaction — at ang mga resulta lang ang isusulat sa chain. Ang paghihiwalay na iyan ang nagpapraktikal sa pagpapatakbo ng AI workloads sa isang blockchain.

Ang tapat na framing: isipin itong labor market, hindi oracle. Kung magaling ang trabaho ng mga validator, tumataas ang mga magandang model at dumadaloy ang rewards sa totoong kalidad. Kung tamad, nagkasabwatan, o gumagago ang mga score ng mga validator, puwedeng mabulok ang produkto kahit patuloy na nagsasaya ang chain na gumawa ng blocks. Ginagarantiya ng chain na tapat ang mga pagbayad — hindi na magandang lahat ang output ng model.

Ang TAO ay ang native token, at sadyang Bitcoin-inspired ang monetary design nito: isang hard cap na 21 milyong coin at isang halving schedule na kinakalahati ang bagong issuance sa paglipas ng panahon. Sa huling bahagi ng 2025, humigit-kumulang 10.8 milyong TAO ang nasa circulation.

Ang bagong TAO ay minted bilang emissions — mga block reward na binabayad sa mga miner at validator na gumagawa at humuhusga ng gawa sa buong subnets. Bago ang unang halving, nagbibigay ang network ng humigit-kumulang 7,200 TAO kada araw. Dumating ang unang halving na iyon noong Disyembre 12, 2025, na binawasan ang daily issuance sa humigit-kumulang 3,600 TAO; hinuhulog ang susunod na halving kapag naabot ng total issued supply ang 15.75 milyon, na babawasan ang issuance sa mga 1,800 TAO kada araw, at iba pa. Ang eksaktong cadence ay pinamamahalaan ng block height, hindi isang kalendaryo — palaging i-verify ang kasalukuyang schedule sa live docs sa halip na pagkatiwalaan ang isang rounded marketing number.

Saan nagmumula ang demand? Sa teorya, mula sa hinaharap na halaga ng AI work na ginawa ng network — mga negosyo na nagbabayad para makapasok sa decentralized intelligence, mga staker na naghahanap ng emissions, mga speculator na tumataya sa buong thesis. Sa praktika, malaki sa demand ngayon ay speculative pa rin: isang taya sa direksyon ng decentralized AI, hindi isang claim sa napatunayang cash flow. Ituring ang mga claim ng “yield” ng TAO na may parehong pagdududa na ilalagay mo sa kahit anong emissions-funded na token — hindi pareho ang bagong-print na rewards sa totoong revenue.

Ang pinakamahalagang pagbabago sa kasaysayan ng Bittensor ay ang Dynamic TAO (dTAO) upgrade, na nag-live noong Pebrero 13, 2025. Para maintindihan kung bakit mahalaga ito, kailangan mo unang maintindihan kung ano ang pinalitan nito.

Bago ang dTAO, isang maliit na grupo ng humigit-kumulang 64 na “root” validator ang epektibong nagdedesisyon kung paano nahati ang emissions ng network sa buong subnets. Malaking kapangyarihan iyan sa kaunting kamay — at nagdulot ito ng eksaktong mga problemang aasahan mo mula sa kahit anong maliit na komite na kumokontrol sa isang money printer: apatiya, pabor sa iba, at panganib ng pagsabwatan. Ang buong punto ng decentralization ay tahimik na pinaikli sa itaas.

Binunot ito ng dTAO at pinalitan ng isang market. Ngayon, bawat subnet ay may sariling alpha token at sariling automated liquidity pool na pumapares ng alpha token na iyon laban sa TAO. Kapag gusto mong suportahan ang isang subnet, nag-stake ka ng TAO sa pool nito at nakukuha mo ang alpha token ng subnet bilang kapalit. Sa bawat block, binabasa ng protocol ang relative na presyo ng mga alpha token na ito at inilaan ang bagong-minted na TAO sa mga subnet na binabayaran ng market. Kumikita ng mas malaking share ng emissions ang mga subnet na may mataas na demand; mas kaunti ang mga napapabayaan.

Dramatiko ang epekto: sumabog ang bilang ng subnet mula 32 bago ang upgrade patungo sa mahigit 100 sa loob ng ilang buwan, habang dinadagsa ng mga builder ang paglunsad ng sariling on-chain AI startup at ang pagkumpitensya para sa market-allocated na emissions. Pero kasing-mahalaga ang tapat na caveat — speculative na micro-asset ang mga alpha token. Puwede silang manipis, volatile, at itinutulak ng hype kagaya ng utility. Isang feature ang “ang market ang magdedesisyon,” pero patuloy na nagkakamali ang mga market sa presyo, lalo na sa mga maaga.

Ang pangunahing taya ng Bittensor ay philosophical: na madidiskubre ng bukas na kumpetisyon ang kapaki-pakinabang na intelligence na napalampas ng mga sarado na lab. Nagpapalabas ang mga centralized provider ng ilang frontier models na nabalot sa usage policies at price lists. Ang taya ng Bittensor ay isang bunton ng mas maliit, specialized, at hayagang gantimpalaan na mga model ang puwedeng mas mura at mas magaling para sa specific na mga task — kahit walang solong tumugma sa lawak ng isang frontier model.

Nagpapatong ang tapat na kritisismo sa dalawang direksyon. Nangailangan ng nine-figure na gastos at malawak na compute ang totoong pagtrain ng isang frontier model; puwedeng hindi lang basta maipareplika ng decentralized na insentibo ang GPT-class na general capability. Ang tapat na tugon ay hindi lahat ng task ay nangangailangan ng trillion-parameter na monolith — marami ang totoong trabaho ay makitid na scraping, scoring, forecasting, o classification, eksaktong klaseng bagay na kayang gawin nang maayos at mura ng isang focused na subnet.

Uneven ang aktwal na naiship, at dapat mong asahan iyon. Nagpapalit ang menu ng subnets kada quarter. Kinukuha ng mga subnet ng text at image ang mga headline, habang tahimik na gumagawa ng totoong trabaho ang mas hindi glamorous na scraping at numeric-prediction subnets. Talagang kapaki-pakinabang ang ilan sa mga output; teatro ang ilan na dinamitan para sa isang leaderboard. Due diligence ang buong laro dito: basahin ang validator dashboards, suriin ang open-source miner repositories kung saan ito umiiral, at pagdudahan ang kahit anong anonymous na leaderboard na tumatanggi maglathala ng scoring methodology nito.

Totoong ambisyosong eksperimento ang Bittensor, hindi isang tapos na produkto — at kabilang sa tapat na edukasyon ang malinaw na pagbanggit ng mga trade-off.

• Hindi ginagarantiya ng chain ang kalidad. Tapat na sina-settle ng blockchain ang mga pagbayad; hindi nito sinertipiko na magaling ang model ng kahit anong miner. Kung mahina o na-capture ang mga validator ng isang subnet, puwedeng dumaloy ang rewards sa mediocre o ginagong outputs habang tuloy-tuloy na tumatakbo ang chain. Pagtiwalaan ang consensus sa mga pagbayad, hindi sa intelligence.
• Ang incentive gaming ang pangunahing panganib. Kung saan may scoreboard at pera, nag-optimize ang mga tao para sa score, hindi sa layunin. Puwedeng mag-overfit ang mga miner sa specific test ng isang validator; puwedeng magsabwatan o mag-free-ride ang mga validator. Binawasan ng dTAO ang root-validator centralization, pero nagdala ito ng bagong attack surface: mga alpha-token market na puwedeng manipulahin, lalo na kapag manipis.
• Mas higit ang speculation kaysa sa napatunayang utility — sa ngayon. Nagtrade ang TAO at ang mga alpha token batay sa isang thesis tungkol sa hinaharap ng decentralized AI, hindi sa established na cash flow. Ginagawa itong napakavolatile at correlated sa parehong AI-hype cycles at ang mas malawak na crypto market, madalas sa parehong pagkakataon.
• Complexity at churn. Naglulunsad, nabubulok, at nawawala ang mga subnet. Naa-amend ang tokenomics. Ang mental model na akurado anim na buwan na ang nakalipas ay puwedeng luma na ngayon. Isa itong mabilis na gumagalaw na research project na nagsuot ng damit ng isang market — convenient tradehin, mahirap ganap na diligencin.
• Kaya ba talagang maabot ang frontier? Ang pinakamalaking bukas na tanong ay kung kaya ba ng decentralized na insentibo na gumawa ng totoong frontier-class na intelligence, o kung structurally limited sila sa mas makitid, mas murang mga task. Hindi ito napatunayan. Sinuman ang nagsasabi sa iyo ng sagot nang may katiyakan ay nagbebenta ng isang bagay.

Kung gusto mo ng exposure sa decentralized-AI thesis, ang TAO ang pinaka-liquid na paraan para ipahayag ito — at sa GaiaEx puwede mo itong tradehin sa paraan kung paano mo dapat tradehin ang kahit anong volatile na asset: na may buong custody ng iyong sariling mga key.

Non-custodial ang GaiaEx sa disenyo. Gamit ang MPC wallet security, hinahati ang private key mo sa encrypted na shards sa buong independent parties, kaya walang solong server o tao na kailanman may hawak ng buong key — at walang solong seed phrase na mawawala sa iyo. Nananatili sa iyo ang kontrol sa pondo mo habang nagtrade ka ng isang asset na puwedeng biglang gumalaw sa AI news at Bitcoin correlation sa parehong hapon. Naexecute ang mga trade sa Hyperliquid L1 na may sub-second finality, kaya hindi ka kailanman naiipit sa isang multi-day settlement window habang isang mabilis na gumagalaw na narrative ay binabago ang presyo ng token sa ilalim mo.

Ilang punto ng disiplina na specific sa TAO bago mo ito i-on:

• Suriin ang emissions at halving schedule bago mo i-annualize ang kahit anong “yield” — karamihan nito ay bagong-print na supply, hindi revenue.
• Puwedeng mas mabilis na i-reprice ng subnet churn ang TAO kaysa sa maintindihan ng timeline. Isang alon ng bagong mga subnet o isang bumabagsak na flagship ay puwedeng igalaw ang token bago maabutan ito ng news cycle.
• Ituring ang marketing ng “decentralized AI” bilang isang thesis, hindi isang product warranty. Bumibili ka ng isang taya sa isang eksperimento, at dapat mo itong i-size nang ganito.