Score

Che cos’è Score?

Score, noto anche come sn44 o Score Vision, è un subnet Bittensor che applica incentivi di machine learning decentralizzato alla computer vision, inizialmente trasformando flussi video di calcio e altri sport in dati strutturati leggibili dalle macchine, come le posizioni dei giocatori, il tracciamento della palla, la geometria del campo, le rilevazioni di oggetti e il contesto degli eventi.

Il problema che affronta non è il generico “calcolo AI”, ma il collo di bottiglia più ristretto e commercialmente rilevante dell’annotazione video: convertire grandi volumi di filmati grezzi in etichette accurate, in modo sufficientemente rapido ed economico da risultare utile per l’analisi sportiva, il monitoraggio della sicurezza, le operazioni retail, la logistica e altri ambienti ad alta densità di telecamere.

Il suo presunto vantaggio competitivo è la combinazione del mercato di incentivi miner–validator di Bittensor con metodi di validazione leggeri, tra cui filtraggio dei frame, controlli su campo/keypoint, test di geometria in stile omografia e verifica semantica basata su CLIP, progettati per evitare il costo di rieseguire l’inferenza di visione completa su ogni frame inviato.

Il repository GitHub del progetto descrive Score Vision come un framework di computer vision decentralizzato focalizzato inizialmente sul Game State Recognition nel calcio, mentre l’attuale pagina del subnet Bittensor caratterizza sn44 come un framework in cui i miner elaborano i video in locale e i validator valutano i risultati tramite controlli ibridi visivi e geometrici. (github.com)

Il posizionamento di mercato di Score va compreso al meglio come un subnet applicativo specializzato di Bittensor, non come una blockchain di base o una piattaforma generica per smart contract.

A fine giugno 2026, i dati dei mercati pubblici collocavano Score nella fascia mid-cap tra i token dei subnet Bittensor liquidi, piuttosto che tra le reti crypto più grandi; l’ultima rilevazione di CoinGecko mostrava Score intorno alla fascia bassa della top 500 per capitalizzazione di mercato crypto, mentre la vista live dei subnet su Bittensor.ai mostrava un subnet con l’insieme completo di 256/256 neuroni, nove validator, diverse migliaia di holder visibili su Taostats e circa 131.000 TAO equivalenti di TVL nello snapshot del pool del subnet. Queste cifre vanno considerate indicatori di mercato e di staking in un dato momento, non prove di una domanda duratura da parte degli utenti finali. In termini più analitici, la scala di Score è ancora ridotta rispetto ai fornitori centralizzati di computer vision e ai player storici dei dati sportivi, ma è relativamente differenziata all’interno di Bittensor perché mira a un output esterno misurabile — modelli di visione ed etichette derivate da video — piuttosto che a un mero gioco speculativo sulle emissioni. (coingecko.com)

Chi ha fondato Score e quando?

Score sembra essere emerso pubblicamente nel 2024, durante la fase di espansione post-ChatGPT delle narrative sull’infrastruttura AI e il primo ciclo dei token dei subnet Bittensor.

La presenza societaria del progetto indica Score - Subnet 44 come fondato nel 2024 e con sede a New York City, mentre il registro del subnet su Bittensor mostra sn44 registrato on-chain a settembre 2024. L’attribuzione dei founder varia leggermente tra i materiali pubblici, ma i nomi più ricorrenti sono Maxime Sebti, Tim Kalic e Nigel Grant; la documentazione SIRE identifica Maxime Sebti come co-fondatore e CEO di Score Technologies, Tim Kalic come co-fondatore e CTO, e Nigel Grant come co-fondatore e chief revenue officer, mentre LinkedIn fa riferimento a Tim Kalic come co-fondatore e CTO di Score - Subnet 44 e Manako Labs. L’entità operativa è spesso descritta come Score Technologies o collegata alla Vision Research Foundation, con Manako Labs che in seguito diventa un’interfaccia commerciale visibile costruita sopra il subnet. (linkedin.com)

La narrativa del progetto è cambiata in modo significativo dal lancio. I primi materiali della community su Score erano più vicini a previsione sportiva, analisi sportiva e onboarding della community calcistica, mentre il posizionamento attuale è più ampio: un “livello di computer vision aperto e permissionless” in grado di addestrare e valutare piccoli modelli di visione specifici per compito, destinati a reti di telecamere nel mondo reale.

La tesi sul Game State Recognition nel calcio resta importante perché i filmati sportivi offrono dati etichettati densi e di alto valore e un mercato commerciale chiaro, ma l’inquadramento più recente di Manako spinge Score verso casi d’uso di physical AI aziendale, come avvisi per zone ad accesso limitato, rilevamento di oggetti nelle stazioni di servizio, rilevamento di veicoli/persone e monitoraggio operativo distribuito all’edge. Questa evoluzione è strategicamente razionale, perché la pura analisi sportiva è un mercato di nicchia con player radicati, mentre l’intelligenza per telecamere enterprise è più ampia; tuttavia, aumenta anche il rischio di execution: Score deve dimostrare di poter generalizzare oltre il calcio senza perdere il rigore di validazione che rendeva coerente il design originario del subnet. (kucoin.com)

Come funziona la rete Score?

Score non opera una blockchain indipendente di tipo proof-of-work, proof-of-stake o DAG. È un subnet applicativo specifico che gira sul livello 1 Subtensor di Bittensor, dove il “consenso” rilevante per Score è il processo di Yuma Consensus basato sullo stake di Bittensor, anziché un meccanismo autonomo di produzione di blocchi. In Bittensor, i subnet sono mercati di incentivi: i miner eseguono un compito AI definito, i validator valutano la qualità di quel lavoro e Yuma Consensus converte le valutazioni dei validator in emissioni per miner e validator.

La documentazione Bittensor afferma che Yuma Consensus gira on-chain all’interno di Subtensor e calcola le emissioni per miner e validator a partire dalle classifiche dei validator sulla performance dei miner, con un clipping ponderato per stake pensato per ridurre punteggi collusivi o inaffidabili. Per sn44, ciò significa che il modello di sicurezza è in parte ereditato dalla chain di Bittensor e in parte dipende dalla capacità dei validator di Score di distinguere in modo affidabile output di computer vision di alta qualità da invii di bassa qualità o avversariali. (docs.learnbittensor.org)

Tecnicamente, l’architettura di Score è un sistema a tre ruoli: i miner ricevono task su video o immagini ed eseguono in locale rilevamento di oggetti, tracking o inferenza con modelli specializzati; i validator campionano e valutano gli output dei miner; e il proprietario del subnet mantiene la progettazione dei task, i parametri di incentivo e la salute complessiva della rete.

L’elemento distintivo è l’approccio alla validazione. Invece di validare ogni frame con un’inferenza completa e costosa del modello, Score utilizza frame filtrati, controlli semantici, verifiche di plausibilità su keypoint e geometria del campo, errore di riproiezione e metriche di associazione rilevazioni in stile GS-HOTA per approssimare la qualità in modo efficiente.

I materiali iniziali di Score enfatizzavano clip calcistiche, rilevamento giocatore–palla, estrazione delle linee del campo e segmenti di partita di 30 secondi; i materiali più recenti enfatizzano la distillazione dei modelli e competenze di visione leggere, distribuibili all’edge. Ciò è tecnicamente plausibile, ma crea una tensione centrale: più Score si espande in task di visione enterprise arbitrari, più diventa difficile mantenere un unico regime di validazione robusto, e maggiore è la dipendenza del subnet da una progettazione accurata dei benchmark piuttosto che dal semplice aumento del numero di miner. (github.com)

Qual è la tokenomics di sn44?

sn44 è un token alpha nel modello Dynamic TAO di Bittensor, quindi le sue dinamiche di offerta e valore differiscono da un convenzionale ERC-20 con una tabella di allocazione fissa. La FAQ su Dynamic TAO di Bittensor afferma che ogni token alpha di subnet ha un hard cap di 21 milioni e segue un calendario di halving, mentre la documentazione sulle emissioni spiega che i token alpha specifici del subnet vengono emessi a miner, validator, staker e creatori del subnet. A fine giugno 2026, le pagine di mercato di terze parti indicavano circa 4–5 milioni di SN44 in circolazione e una capitalizzazione di mercato compresa tra i 30 milioni di dollari alti e i 40 milioni di dollari bassi, mentre lo snapshot dell’asset fornito dagli utenti collocava la capitalizzazione intorno ai 42,4 milioni di dollari e il token in una fascia di prezzo di pochi dollari alti. Strutturalmente, sn44 è inflazionistico finché le emissioni non si riducono attraverso gli halving e l’offerta non si avvicina al cap; non si basa principalmente su un modello di burn token, sebbene i costi di registrazione su Bittensor e alcuni meccanismi a livello di protocollo possano influenzare i flussi TAO/alpha legati alla partecipazione al subnet. docs.learnbittensor.org

L’accumulo di valore deriva dalla domanda di staking, dall’economia miner–validator e dalla valutazione di mercato circa la capacità del subnet di produrre output di computer vision di valore. Nel Dynamic TAO, un utente che fa staking in un subnet di mining scambia di fatto TAO con l’alpha di quel subnet e mette in staking tale alpha presso un validator; il valore in uscita dipende quindi dal rapporto tra alpha e TAO nel pool al momento dell’unstaking. La documentazione sulle emissioni di Bittensor di giugno 2026 è importante perché segnala che la rete era tornata a un modello price-based per distribuire le emissioni di TAO tra i subnet, dopo un periodo basato sui flussi da novembre 2025 a giugno 2026, il che significa che i prezzi dei token dei subnet e le loro medie mobili influenzano nuovamente la quota di emissioni.

Per Score in particolare, lo snapshot di fine giugno su Bittensor.ai mostrava una quota del 18% per il proprietario e una ripartizione delle emissioni tra miner, validator/staker e owner, con un APY di staking molto elevato che andrebbe interpretato come un flusso di emissioni volatile, non come un rendimento stabile. In termini economici, i detentori di sn44 stanno sostenendo un sistema riflessivo: modelli utili e domanda esterna possono giustificare afflussi di stake ed emissioni, ma emissioni senza domanda pagante possono diluire i detentori e premiare la rotazione di capitale di breve periodo anziché una reale utilità di rete duratura. (docs.learnbittensor.org)

Chi utilizza Score?

La distinzione chiave è tra l’attività del token e l’uso del prodotto. Il volume di trading on-chain di Score, il numero di holder, validator count e staking TVL mostrano che l’asset ha partecipazione di mercato, ma queste metriche non dimostrano che imprese o squadre sportive stiano pagando per gli output di vision.

L’utilità effettiva si deduce meglio dall’attività sui task, dai benchmark dei modelli, dalle competizioni tra miner e dalle applicazioni commerciali costruite sul subnet. I materiali pubblici di Score indicano analytics sportivi, broadcasting, betting, scouting e coaching come mercati iniziali di riferimento, mentre comunicazioni pubbliche più recenti descrivono filoni di computer vision più ampi come rilevamento di persone, rilevamento di veicoli, rilevamento di incendi e monitoraggio di stazioni di servizio.

A metà 2026, il pattern d’uso più credibile non è dato da utenti retail che interagiscono direttamente con sn44, ma da builder che utilizzano il subnet come backend decentralizzato per la scoperta e la distillazione di modelli. (github.com)

Il segnale di adozione più concreto sul fronte enterprise è Manako Labs. Nell’aprile 2026, Manako ha annunciato un’alleanza con PwC France and Maghreb, dichiarando che PwC France si sarebbe affidata al Business Operations World Model di Manako, alimentato da Score - Subnet 44, per aiutare le organizzazioni a trasformare le reti di telecamere esistenti in sistemi di intelligence operativa. Nel giugno 2026, un articolo di CryptoBriefing, diffuso tramite KuCoin, ha riportato che Manako aveva lanciato una piattaforma di agenti di vision AI alimentata da Score Subnet 44 di Bittensor, con un’interfaccia no-code, modelli eseguibili su CPU, elaborazione edge, avvisi su Slack e un investimento dichiarato di 1 milione di dollari in TaoWeave per l’espansione in Nord America. Si tratta di segnali commerciali significativi, ma non equivalgono a ricavi certificati, retention dei clienti o metriche di deployment su scala enterprise. Una lettura scettica è che Score abbia una distribuzione promettente tramite Manako e canali consulenziali collegati a PwC, ma debba ancora fornire prove più solide di clienti ricorrenti, workload a pagamento e throughput misurato in ore-camera processate o task modello accettati. (manako.ai)

Quali sono i rischi e le sfide per Score?

L’esposizione regolatoria di Score è indiretta ma reale. Nelle fonti pubbliche esaminate non sembra emergere una causa legale attiva, avviata da un’autorità di vigilanza, specificamente contro Score o sn44, ma sn44 eredita l’incertezza più ampia che circonda TAO, i token dei subnet di Bittensor, lo staking e gli asset digitali basati sulle emissioni. Il modulo S-1 del Bittensor Trust depositato da Grayscale discute esplicitamente il rischio che TAO possa essere considerato un security e nota che la SEC o un tribunale potrebbero adottare una posizione contraria, anche laddove lo sponsor consideri TAO come non classificabile come security. Ciò è importante per sn44 perché i token alpha sono ancora più strettamente collegati all’attività del creatore del subnet, al design delle emissioni, ai flussi di staking e alle aspettative in merito all’impegno gestionale produttivo. La centralizzazione è il secondo grande rischio. La pagina Bittensor.ai mostrava solo nove validator su sn44 nello snapshot di fine giugno, una quota del proprietario pari al 18%, le impostazioni commit-reveal e liquid-alpha disabilitate e un’etichetta di salute che descriveva il subnet come abbandonato, indicando al contempo nessun commit GitHub nei 30 giorni precedenti e un ultimo commit risalente a circa 200 giorni prima. Alcune di queste etichette potrebbero non riflettere in tempo reale lo sviluppo off-chain, ma gli investitori istituzionali dovrebbero considerare la concentrazione dei validator, la discrezionalità del proprietario, i repository obsoleti e la governance opaca dei task come elementi materiali di due diligence. sec.gov

Anche il rischio competitivo è sostanziale. Negli analytics sportivi, Score compete economicamente con provider incumbent di dati e video-analisi, come i vendor di dati sportivi in stile Opta, gli stack analitici dei club, i sistemi di tracciamento per il broadcasting e i fornitori specializzati di computer vision che non hanno bisogno di incentivi cripto. Nel settore enterprise vision, compete con piattaforme cloud di AI, vendor di edge AI, strumenti in stile Roboflow, modelli open source e soluzioni proprietarie verticali integrate in software di sicurezza, retail, logistica e industriale. Il modello del subnet decentralizzato può rappresentare un vantaggio in termini di costi e discovery di talento se riesce a reperire in modo affidabile modelli migliori, ma può anche risultare più lento da trasformare in prodotto rispetto a un vendor centralizzato con canali diretti di feedback dei clienti, service-level agreement, team di procurement e controlli di compliance. Il token introduce un’ulteriore minaccia: se le emissioni risultano più attraenti dei ricavi esterni, miner e validator potrebbero ottimizzare per le meccaniche di reward invece che per gli outcome dei clienti, creando un divario tra l’attività del subnet e l’output economicamente utile. medium.com

Qual è l’outlook futuro per Score?

L’outlook di Score dipende meno dalla performance del prezzo e più dalla sua capacità di trasformare una nicchia tecnica credibile in un’infrastruttura commerciale ripetibile.

La roadmap verificata nei materiali pubblici su GitHub delineava una sequenza per il 2025 che va dal Game State Recognition e dalla validazione basata su VLM al deployment su mainnet, validazione human-in-the-loop, dashboard, action spotting, event captioning, API di integrazione, sport aggiuntivi, strumenti per sviluppatori e applicazioni cross-domain.

A metà 2026, la narrativa pubblica si era spostata verso l’intelligence per telecamere enterprise alimentata da Manako e la distillazione di piccoli modelli specifici per task, mentre Bittensor aveva nel frattempo intrapreso cambiamenti importanti nella tokenomics, incluso il ritorno alle emissioni basate sul prezzo nel giugno 2026.

Le milestone più importanti da qui in avanti sono quindi pratiche più che promozionali: sviluppo open source aggiornato, telemetria più chiara su validator e miner, benchmark dei modelli sottoposti a audit, documentazione pubblica delle API, evidenza di workload a pagamento e un robusto framework di validazione per i task non calcistici. (github.com)

L’ostacolo strutturale è che Score deve dimostrare che il subnet è qualcosa di più di una competizione tra modelli sovvenzionata dalle emissioni.

Se Manako e applicazioni analoghe riusciranno a instradare con costanza problemi reali di enterprise vision verso sn44, a misurare i risultati dei miner tramite benchmark, a distribuire modelli compatti all’edge e a mostrare vantaggi in termini di costo o accuratezza rispetto agli strumenti centralizzati, allora Score avrà un ruolo difendibile come mercato del lavoro di computer vision nativo di Bittensor. In caso contrario, l’asset rischia di essere valutato principalmente come una scommessa a leva sulla speculazione sui subnet di Bittensor, con una separazione limitata tra la liquidità del token e il reale product-market fit. Non è giustificata alcuna previsione di prezzo; la domanda rilevante è se sn44 possa mantenere una validazione di alta qualità, decentralizzare il controllo e trasformare i dati provenienti dalle telecamere in un’infrastruttura richiesta esternamente prima che le piattaforme di vision centralizzate colmino il gap di costo-efficienza.