🤔 **TAO代币的价值捕获不清晰**：Bittensor机制设计中，所有参与者都获得TAO，但没有人支付TAO。目前矿工回答的问题不是真实用户提出的，而是子网所有者给出的，因此矿工的回答即使有价值，这部分价值也是子网所有者获得的。这意味着矿工的工作价值被子网所有者捕获，而子网所有者不仅无需付费，还可以坐享18%的子网emissions收益。系统中主要的代币回收是子网矿工和验证者的注册费，这部分费用很少，不足以支撑其价值捕获。因此，目前的系统让子网所有者支付TAO似乎更合理，这样也能杜绝子网所有者让矿工空跑没有意义的任务，造成资源浪费的问题。未来，如果Bittensor子网中矿工是在实时响应真实用户需求，TAO代币的价值捕获将有可能实现，让用户使用时支付TAO即可。总之，无论价值流向子网所有者还是真实用户，都需要有人为矿工的工作支付TAO，系统和代币的运行才能成为正常循环。

🤔 **部分子网任务无意义，浪费资源**：Bittensor的32个子网本质上就是32个类似Kaggle的竞赛平台，但奖励是TAO代币。以Opentensor官方维护的子网1为例，这个所谓的能让更好的模型脱颖而出的子网，实际上只是通过API生成主题，再用GPT生成prompt，将prompt分发给矿工，矿工调用LLM生成答案返回验证者，验证者与事先生成的参考答案（同样是用GPT生成的）做文本相似度对比，对矿工打分。这样的子网毫无意义，仅仅浪费了OpenAI或其他LLM提供商的算力，以及为API支付的费用。问题是随机调用的，矿工答案和验证者参考答案都是调用LLM生成的，打分仅仅是比较一下文本相似度，唯一的价值就是浪费资源，自娱自乐。其他许多子网也存在严重的无意义问题。原因在于矿工、验证者为子网所有者发布的任务工作，但子网所有者并没有支付相应费用，反而可以从发布任务中赚钱，其并不需要为子网任务质量负责。子网所有者唯一可能的惩罚是emissions太低被淘汰，而子网emissions是64个根子网验证者主观打分决定的，这一过程很可能是被操控的。

🤔 **任务评价与代币分配有被头部验证者操控的风险**：Bittensor声称其创造的竞争市场的关键是确保评估结果的公平性和客观性，为此提出了Yuma共识机制。该机制旨在根据众多验证者提供的多样化评估来计算最终的评估结果，类似于拜占庭容错共识机制。然而，该机制包含一个关键前提，即大多数验证者是诚实的。但在Bittensor系统中，这个假设大概率不成立。32个子网中均仅有20多个验证者，且不同子网中验证者为同一批地址，也就是说，所有子网无一例外为20多个拥有巨额质押的验证者掌控，这些验证者是否为共谋的内部小团体是值得怀疑的。这不仅导致子网emissions以及子网中矿工的分数很可能都是被任意操控的，同时也代表新产生代币奖励的41%都流入了这20多个地址中。由于子网中矿工人数较多，因此其和验证者所获得的奖励有巨大差距。此外，即使大多数验证者是诚实的，根据计算公式，YumaConsensus也无法防止质押量大的验证者共谋。根据官方doc中的奖励计算方法，在YumaConsensus下，头部验证者对最终分数基本有决定作用。这也就是为什么大家参与Bittensor子网基本只能挖矿，除了这20多个地址外，没有人来验证。根据Bittensordoc，理论上只要质押1000个TAO，并且质押量在子网中排名前64名就可以验证。然而，获得了validatorpermit，但这个地址发出的request也大概率没有矿工回答，因为质押量远低于前20多位，这个地址打分对最终矿工打分几乎没有影响。此外，copyanswers也是矿工很担心的一点，质押量很小的验证者可能会被怀疑同时也有小号在挖矿，收到答案后立刻copy。综上，系统中的矿工没有动机回复质押量小的验证者，质押小的验证者也难以存在，最终各个子网中的验证者被20多个头部质押者把持。

本节主要从基本面的角度分析 Bittensor 系统中存在的问题。1 TAO 代币的价值捕获不清晰Bittensor 机制设计一个比较大的问题是所有参与者都获得 TAO，但没有人支付 TAO。目前矿工回答的问题不是真实用户提出的，而是子网所有者给出的——模拟真实用户提问，或历史真实用户需求。因此矿工的回答即使有价值，这部分价值也是子网所有者获得的，即无论是矿工的回答帮助子网所有者更好地改进模型算法，还是子网所有者直接将矿工回答用于模型训练，以提高自身产品，Bittensor 系统中矿工、验证者所做工作的价值都是被子网所有者捕获的，因此理论上应当子网所有者为此付费。而实际上子网所有者不仅无需付费，还可以坐享 18% 的子网 emissions 收益。Bittensor 系统目前主要的代币回收是子网矿工和验证者的注册费，而这部分注册费很少，不足以支撑其价值捕获，况且理论上矿工应当是价值生产者而非消费者。因此目前的系统让子网所有者支付 TAO 似乎更合理，这样也能杜绝子网所有者让矿工空跑没有意义的任务，造成资源浪费的问题。如果未来 Bittensor 子网中矿工是在实时响应真实用户需求，TAO 代币的价值捕获同样是有可能实现的，让用户使用时支付 TAO 即可。总之，无论价值流向子网所有者还是真实用户，都需要有人为矿工的工作支付 TAO，系统和代币的运行才能成为正常循环。2 部分子网任务无意义，浪费资源Bittensor 的 32 个子网本质上就是 32 个类似 Kaggle 的竞赛平台，只不过奖励是 TAO 代币。以 Opentensor 官方维护的子网 1 为例，这个所谓的能让更好的模型脱颖而出的子网在做什么呢？简单讲就是网络中验证者不断通过 Wikipedia API, StackOverflow, mathgenerator 等 API 生成主题，再将主题输入 GPT 生成 prompt，将 prompt 分发给子网中近 1000 个矿工，矿工收到 prompt 后调用 GPT 或其他 LLM 生成答案返回验证者，验证者得到答案后，与事先生成的参考答案（同样是用 GPT 生成的）做文本相似度对比，对矿工打分，矿工答案与参考答案相似度越高，获得的 TAO 奖励越多。这样的子网有何意义呢，无非是浪费了 OpenAI 或其他 LLM 提供商的算力，以及为 API 支付的费用。问题是随机调用的，比如从 mathgenerator 网站生成的一道中学数学题，并调用 LLM 组织语言生成的；矿工答案是外部 LLM 生成的，验证者参考答案也是调用 LLM 生成的，打分仅仅是比较一下文本相似度。这样的系统唯一的价值就是浪费资源，自娱自乐。不光子网 1 如此，其他许多子网同样存在严重的无意义问题。至于存在大量无意义任务的原因，如观点 1 中所言，矿工、验证者为子网所有者发布的任务工作，但子网所有者并没有支付相应费用，反而可以从发布任务中赚钱，其并不需要为子网任务质量负责。子网所有者唯一可能的惩罚是 emissions 太低被淘汰。而子网 emissions 是 64 个根子网验证者主观打分决定的，这一过程在 Bittensor 里很可能是被操控的，我们将在观点 3 中分析。3 任务评价与代币分配有被 20 多个头部验证者操控风险按照 Bittensor 说法，其创造的竞争市场的关键是确保评估结果的公平性和客观性。为此，Bittensor 提出了 Yuma 共识机制，旨在根据众多验证者提供的多样化评估来计算最终的评估结果。类似于拜占庭容错共识机制，只要网络中的大多数验证者是诚实的，最终就能做出正确的决定。假设诚实的验证者能够提供客观的评估，那么共识后的评估结果也将是公平客观的。这段话包含了一个关键前提，那就是大多数验证者是诚实的。很可惜在 Bittensor 系统中，这个假设大概率不成立。32 个子网中均仅有 20 多个验证者，且不同子网中验证者为同一批地址。也就是说，所有子网无一例外为 20 多个拥有巨额质押的验证者掌控，这些验证者是否为共谋的内部小团体是值得怀疑的。这不仅导致子网 emissions 以及子网中矿工的分数很可能都是被任意操控的，同时也代表新产生代币奖励的 41% 都流入了这 20 多个地址中。由于子网中矿工人数较多，因此其和验证者所获得的奖励有巨大差距。如子网 1 中，奖励排名第一的矿工获得的奖励仅为排名第一的验证者的 1/159，子网 18 中，这一比例为 1/51（4 月 28 日数据）。Bittensor 声称其能奖励最优秀的 AI 模型，可实际情况却是在系统中只需要定期做无脑工作的验证者凭借巨额质押的垄断优势获得数十倍于矿工的奖励。此外，即使大多数验证者是诚实的，根据计算公式，Yuma Consensus 也无法防止质押量大的验证者共谋。根据官方 doc 中的奖励计算方法，在 Yuma Consensus 下，头部验证者对最终分数基本有决定作用。这也就是为什么大家参与 Bittensor 子网基本只能挖矿，除了这 20 多个地址外，没有人来验证。根据 Bittensor doc，理论上只要质押 1000 个 TAO，并且质押量在子网中排名前 64 名就可以验证。然而，获得了 validator permit，但这个地址发出的 request 也大概率没有矿工回答，因为质押量远低于前 20 多位（最低也有 15000TAO，价格以 $400 计，也价值 600 万美元），这个地址打分对最终矿工打分几乎没有影响。此外，copy answers 也是矿工很担心的一点，质押量很小的验证者可能会被怀疑同时也有小号在挖矿，收到答案后立刻 copy。综上，系统中的矿工没有动机回复质押量小的验证者，质押小的验证者也难以存在，最终各个子网中的验证者被 20 多个头部质押者把持。