在2023年10月，通过其Revolution升级，Bittensor完成了朝着实现这一目标迈出的重要一步，引入了子网。子网是Bittensor上的个独立网络，激励特定行为。Revolution将网络开放给任何有兴趣创建子网的人。自发布以来的几个月里，已经推出了超过32个子网，包括用于文本提示、数据抓取、图像生成和存储等领域的子网。随着子网的成熟和产品准备就绪，子网创建者还将创建应用程序集成，使团队能够构建查询特定子网的应用程序。一些应用程序（聊天机器人、图像生成器、推特回复机器人、预测市场）今天已经存在，但除了Bittensor基金会的拨款之外，验证者没有正式激励来接受和转发这些查询。
为了提供更清晰的说明，下图是Bittensor集成应用程序后可能运行的示例。
子网根据根网络评估的表现来获得TAO。根网络位于所有子网的顶部，实质上充当一种特殊类型的子网，并由64个最大的子网验证者按份额管理。根网络验证者根据子网的表现对其进行排名，并定期向子网分配TAO。这样，各个子网就充当了根网络的矿工。
Bittensor前景
Bittensor在扩展协议功能以激励跨多个子网的智能生成时，仍在经历成长的痛苦。矿工们继续想出新的方法来攻击网络，以赚取更多的TAO，例如通过略微修改其模型运行的高评级推理的输出，然后提交多个变体。影响整个网络的治理提案只能由Triumvirate提交和实施，Triumvirate完全由Opentensor基金会的利益相关者组成（值得注意的是，提案在实施之前需要Bittensor验证者审批）。项目的代币经济学正在进行改进，以改善TAO在子网中的使用激励。该项目还因其独特的方法而迅速出圈，最受欢迎的人工智能网站HuggingFace的CEO表示Bittensor应该将其资源添加到该网站中。
在一篇最近由核心开发者发布的名为「BittensorParadigm」的文章中，团队阐明了他们对Bittensor最终演变为「不受测量对象限制（agnostictowhatisbeingmeasured）」的愿景。理论上，这可以使Bittensor开发激励任何类型行为的子网，所有这些都由TAO提供支持。然而，仍然存在相当大的实际约束-最主要的是要证明这些网络能够扩展到处理如此多样的过程，并且底层的激励机制推动的进展超过了中心化的提供。
上述部分阐述了正在开发的各种类型的去中心化人工智能计算协议的框架。虽然它们在发展和采用方面还处于早期阶段，它们为生态系统提供了基础，该生态系统最终可能促进创建「AI构建块」，就像「DeFi乐高」概念一样。无需许可的区块链的可组合性开启了每个协议在其他协议之上构建的可能性，从而提供了更全面的去中心化人工智能生态系统。
例如，以下是Akash、Gensyn和Bittensor可能如何相互交互以响应推理请求的一种方式。
需要明确的是，这仅仅是未来可能发生事情的一个示例，而不是对当前生态系统、现有合作伙伴或可能结果。今天，互操作性的限制以及下文描述的其他考虑因素大大限制了集成可能性。除此之外，流动性的碎片化和使用多个代币的需求可能对用户体验产生不利影响，这一点已经被Akash和Bittensor的创始人指出。
除了计算之外，还有几种其他去中心化基础设施服务，以支持加密货币新兴的人工智能生态系统。列举它们所有的内容超出了本报告的范围，但其中一些有趣而具有代表性的例子包括：
Ocean：去中心化的数据市场。用户可以创建代表其数据的数据NFT，并使用数据代币购买。用户既可以将其数据货币化，又可以拥有更大的主权，同时为从事人工智能开发和训练模型的团队提供所需的数据获取途径。
Grass：去中心化的带宽市场。用户可以将他们多余的带宽出售给使用它从互联网上抓取数据的人工智能公司。该市场建立在Wynd网络上，这不仅使个人可以将其带宽货币化，而且还为带宽的购买者提供了更多样化的视角，了解个人用户在线上看到的内容（因为个人使用互联网访通常是针对其特定的IP地址）。
HiveMapper：构建一个去中心化的地图产品，其中包含从汽车驾驶员收集的信息。HiveMapper依赖人工智能来解释用户汽车仪表板摄像头收集的图像，并通过强化人类学习反馈（RHLF）奖励用户帮助完善人工智能模型。
总的来说，这些都指向了探索支持人工智能模型的去中心化市场模型，或者支持开发这些模型所需的周边基础设施的近乎无尽的机会。目前，这些项目大多处于概念验证阶段，需要进行更多的研究和开发，以证明它们能够以所需的规模提供全面的人工智能服务。
去中心化计算产品仍处于开发的早期阶段。他们刚刚开始使用最先进的计算能力，训练生产环境中最强大的人工智能模型。为了获得有意义的市场份额，他们需要展示与中心化替代品相比的实际优势。更广泛采用的潜在诱因包括：
GPU供需情况。GPU供应短缺，加上快速增长的计算需求，导致了一场GPU竞赛。由于GPU有限，OpenAI已经限制了对其平台的使用。像Akash和Gensyn这样的平台可以为需要高性能计算的团队提供成本竞争力的替代方案。未来6-12个月是去中心化计算提供方吸引新用户的特殊机会，因为这些用户被迫考虑去中心化方案。加上越来越高效的开源模型（如Meta的LLaMA2），用户在部署有效的微调模型时不再面临同样的障碍，这让计算资源成为主要瓶颈。然而，平台本身的存在并不能确保计算资源的充足供应和消费者的对应需求。获得高端GPU仍然困难，而成本并不总是需求方的主要动机。这些平台将面临挑战，要证明使用去中心化计算的实际好处-无论是因为成本、抗审查性、持续时间和弹性还是可使用性-以积累粘性用户。那么这些协议不得不行动迅速。GPU基础设施的投资和建设速度非常惊人。
监管。监管继续是去中心化计算运动的一大障碍。在短期内，缺乏明确的监管意味着提供方和用户使用这些服务面临潜在的风险。如果提供方无意中提供计算或买家从受制裁的实体购买计算，会怎么样？用户可能不愿使用缺乏中心化实体控制和监督的去中心化平台。协议已经试图通过将控制纳入其平台或仅提供已知计算提供方的筛选器（即提供KYC信息）来缓解这些担忧，但需要更加强大的方法来保护隐私同时确保合规，以促进采用。短期内，我们可能会看到出现KYC和符合监管的平台，限制对其协议的使用以解决这些问题。
审查。监管是双向的，去中心化计算提供方可能受益于限制对人工智能的使用所采取的行动。除了行政命令外，OpenAI创始人SamAltman曾在国会作证，强调了颁发人工智能开发许可证的监管机构的必要性。围绕人工智能监管的讨论刚刚开始，但任何试图限制对人工智能的使用或审查人工智能的尝试可能会加速采用没有这些障碍的去中心化平台。去年11月OpenAI的领导层变动进一步证明了将决策权授予仅有少数人的最强大的现有人工智能模型存在的风险。此外，所有人工智能模型都必然反映了其创建者的偏见，无论是有意还是无意。消除这些偏见的一种方法是尽可能地使模型对微调和训练开放，确保任何人都可以随时随地使用各种偏见的模型。
数据隐私。当与为用户提供数据自主权的外部数据和隐私解决方案集成时，去中心化计算可能会比替代方案更具吸引力。三星公司就曾遭受此类问题，他们意识到工程师正在使用ChatGPT来帮助芯片设计，并泄露了敏感信息给ChatGPT。PhalaNetwork和iExec声称为用户提供了SGX安全隔离区，以保护用户数据，并且正在进行完全同态加密的研究，进一步解锁确保隐私的去中心化计算。随着人工智能进一步融入我们的生活，用户将更加重视能够在具有隐私保护功能的应用程序上运行模型。用户还将需求能够实现数据的可组合性，以便能够无缝地将其数据从一个模型转移到另一个模型。
用户体验（UX）。用户体验仍然是所有类型的加密应用和基础设施更广泛采用的重要障碍。去中心化计算方案也不例外，并且在某些情况下，由于开发者需要理解加密和人工智能，这种情况更加严重。需要进行改进的方面包括从入门和与区块链交互的抽象到提供与当前市场领导者相同的高质量输出。这是显而易见的，因为许多运行中的去中心化计算协议提供更便宜的方案，但难以获得常规使用。
智能合约是任何区块链生态系统的核心之一。在特定条件下，它们会自动执行并减少或消除对可信第三方的需求，从而实现了像DeFi中所见的复杂去中心化应用程序的创建。然而，就目前而言，智能合约在功能上仍然存在局限性，因为它们基于预设参数执行，这些参数必须进行更新。
以上就是Galaxy：全景解读Crypto+AI赛道的全部内容，望能这篇Galaxy：全景解读Crypto+AI赛道可以帮助您解决问题，能够解决大家的实际问题是非常好学习网一直努力的方向和目标。