Score

Score とは何か？

Score（スコア）は sn44 や Score Vision としても知られる Bittensor のサブネットであり、分散型の機械学習インセンティブをコンピュータビジョンに適用している。最初のユースケースとしては、サッカーなどの試合映像を、選手の位置、ボールのトラッキング、ピッチ（フィールド）形状、物体検出、イベントの文脈といった、機械が読み取れる構造化データへと変換するところから始まっている。

Score が取り組んでいる課題は、汎用的な「AI コンピュート」ではなく、より狭く、商業的に重要なボトルネックである動画アノテーションである。具体的には、大量の生の映像データを、スポーツ分析、安全監視、小売オペレーション、物流、その他カメラを多用する環境で使えるような、十分に高速かつ低コストな正確ラベルに変換することだ。

Score が主張する「堀（moat）」は、Bittensor のマイナー／バリデーター間のインセンティブ市場と、軽量な検証手法を組み合わせている点にある。これには、フレームフィルタリング、ピッチ／キーポイントチェック、ホモグラフィ（homography）風の幾何学テスト、CLIP ベースのセマンティック検証などが含まれており、投稿されたすべてのフレームに対して高コストなフルビジョン推論を再実行することを避ける設計になっている。

プロジェクト自身の GitHub リポジトリ では、Score Vision を、まずはサッカーにおける Game State Recognition（ゲーム状態認識）に焦点を当てた分散型コンピュータビジョンフレームワークとして説明している。一方、現在の Bittensor サブネットページ では、sn44 を「マイナーがローカルで動画を処理し、バリデーターが視覚的チェックと幾何学的チェックを組み合わせて結果をスコアリングするフレームワーク」として特徴づけている。（github.com）

Score の市場ポジションは、ベースレイヤーのブロックチェーンや汎用スマートコントラクトプラットフォームというよりも、「特化型の Bittensor アプリケーションサブネット」として理解するのが適切である。

2026 年 6 月下旬時点では、公開マーケットのスクリーニングにおいて、Score は流動性のある Bittensor サブネットトークンのなかで中堅の時価総額帯に位置しており、最大級の暗号ネットワーク群には入っていなかった。CoinGecko の直近のクロールによると、Score の暗号資産時価総額ランキングは 500 位台前半であり、一方 Bittensor.ai のライブサブネットビューでは、256/256 のニューロンが埋まったサブネット、9 つのバリデーター、Taostats 上で確認できる数千の保有アドレス、そしてスナップショット時点でおよそ 131,000 TAO 相当の TVL がサブネットプールにあることが示されていた。これらの数字は、あくまで特定時点における市場・ステーキングの指標であり、エンドユーザー需要の持続性を示す証拠とみなすべきではない。

より分析的に見ると、Score のスケールは依然として、中央集権型のコンピュータビジョンベンダーや既存のスポーツデータ企業と比べれば小さい。しかし Bittensor 内部では、純粋に投機的なエミッションゲームではなく、ビジョンモデルや動画由来ラベルといった「外部で測定可能なアウトプット」をターゲットにしている点で、比較的差別化されている。（coingecko.com）

Score は誰がいつ創業したか？

Score がパブリックに登場したのは 2024 年頃とみられ、これは ChatGPT 以降の AI インフラストーリーブームと、Bittensor サブネットトークンサイクル初期のタイミングに重なる。

事業体としては「Score - Subnet 44」が 2024 年創業、拠点はニューヨーク市と記載されており、Bittensor のサブネットレコード上では sn44 が 2024 年 9 月にオンチェーン登録されたとされている。創業者に関する記載は公開資料によってわずかに異なるものの、最も一貫して挙がる名前は Maxime Sebti、Tim Kalic、Nigel Grant である。SIRE のドキュメンテーションでは、Maxime Sebti を Score Technologies の共同創業者兼 CEO、Tim Kalic を共同創業者兼 CTO、Nigel Grant を共同創業者兼 Chief Revenue Officer としており、LinkedIn では Tim Kalic が Score - Subnet 44 および Manako Labs の共同創業者兼 CTO として言及されている。運営主体は Score Technologies ないし Vision Research Foundation と関連づけられて説明されることが多く、その上に商業的なインターフェースとして Manako Labs が後から可視化された形で構築されている。（linkedin.com）

プロジェクトのストーリーラインは、ローンチ以降かなり変化している。初期のコミュニティ資料では、Score はスポーツ予測、スポーツアナリティクス、サッカーコミュニティのオンボーディングに近い文脈で語られていた。一方、現在のポジショニングはより広く、「オープンでパーミッションレスなコンピュータビジョンレイヤー」として、小規模でタスク特化型のビジョンモデルを実世界のカメラネットワーク向けに学習・評価できる基盤とされている。

サッカーにおける Game State Recognition の仮説は依然として重要である。なぜなら、スポーツ映像は高密度で高価値なラベル付きデータを提供し、明確な商業市場も存在するからだ。しかし、より新しい Manako のフレーミングでは、Score を「制限区域アラート」「ガソリンスタンドの物体検出」「車両／人物検出」「エッジデバイス上でのオペレーション監視」など、エンタープライズ向けのフィジカル AI ユースケースへと位置づけ直している。この進化は戦略的には合理的であり、なぜなら純粋なスポーツアナリティクス市場はニッチで既存プレイヤーも強力である一方、エンタープライズ向けカメラインテリジェンス市場はより大きいからだ。しかし同時に、実行リスクも高めている。Score は、元々のサブネット設計を支えていた厳格な検証手法を失うことなく、サッカー以外へと汎化できることを証明しなければならない。（kucoin.com）

Score ネットワークはどのように機能するか？

Score は独立した PoW（プルーフ・オブ・ワーク）、PoS（プルーフ・オブ・ステーク）、DAG ベースのブロックチェーンを運用しているわけではない。Bittensor の L1 である Subtensor 上で動くアプリケーション特化型サブネットであり、Score にとっての「コンセンサス」は、独立したブロック生成メカニズムではなく、Bittensor のステーク重み付き Yuma Consensus プロセスである。Bittensor においてサブネットはインセンティブマーケットとして機能する。すなわち、マイナーは定義された AI タスクを実行し、バリデーターはその成果物の品質を評価し、Yuma Consensus がバリデーターによる重み付けスコアをもとにマイナー／バリデーターへのエミッションを決定する。

Bittensor ドキュメント によれば、Yuma Consensus は Subtensor チェーン上で実行され、バリデーターによるマイナー性能ランキングをもとに、マイナーとバリデーターのエミッションを計算する。この際、ステーク重み付きクリッピングによって、談合的または信頼性の低いスコアリングを減らすことを目指している。sn44 の場合、このことは、セキュリティモデルの一部を Bittensor チェーンから継承しつつ、もう一部は Score のバリデーターが高品質なコンピュータビジョン出力と低品質もしくは敵対的な投稿をどれだけ確実に見分けられるかに依存している、という意味を持つ。（docs.learnbittensor.org）

技術的には、Score のアーキテクチャは 3 つの役割から構成される。マイナーは動画や画像タスクを受け取り、ローカルで物体検出、トラッキング、または特化モデルの推論を実行する。バリデーターはマイナーの出力をサンプリングしてスコア付けし、サブネットオーナーはタスク設計、インセンティブパラメータ、ネットワーク全体の健全性を維持する。

際立った特徴は検証アプローチである。全フレームを高コストなフルモデル推論で検証する代わりに、Score はフィルタリングしたフレーム、セマンティックチェック、キーポイントとピッチ幾何の妥当性、再投影誤差、GS-HOTA 風の検出・アソシエーション指標などを用いて、品質を効率的に近似しようとしている。

初期の Score 資料では、サッカーのクリップ、選手とボールの検出、ピッチラインの抽出、30 秒の試合セグメントなどが強調されていた。より新しい資料では、モデル蒸留や軽量でエッジデバイスにデプロイしやすいビジョンスキルに焦点が移っている。これは技術的には十分あり得る方向性だが、同時に中心的なジレンマを生む。すなわち、Score が任意のエンタープライズ向けビジョンタスクへと範囲を広げれば広げるほど、単一の堅牢な検証レジームを維持することは難しくなり、単にマイナー数を増やすのではなく、綿密なベンチマーク設計への依存度が高まってしまうのである。（github.com）

sn44 のトークノミクスは？

sn44 は Bittensor の Dynamic TAO モデルのもとで発行されるアルファトークンであり、その供給や価値メカニズムは、固定アロケーションテーブルを持つ一般的な ERC-20 トークンとは異なる。Bittensor の Dynamic TAO FAQ によると、各サブネットのアルファトークンには 2,100 万枚のハードキャップがあり、半減スケジュールに従う。また エミッションに関するドキュメント では、サブネット固有のアルファトークンがマイナー、バリデーター、ステーカー、サブネット作成者に発行されると説明されている。2026 年 6 月下旬時点のサードパーティマーケットページでは、流通供給量は約 400～500 万 SN44、時価総額は 3,000 万ドル台後半から 4,000 万ドル台前半と示されており、ユーザー提供のアセットスナップショットでは時価総額は約 4,240 万ドル、トークン価格は 1 桁ドル後半のレンジとされていた。構造的には、sn44 は供給がキャップに近づき半減が進むまではインフレ的であり、バーンを主体としたトークンモデルではない。ただし、Bittensor の登録コストやプロトコルレベルのメカニズムが、サブネット参加に関連する TAO／アルファトークンのフローに影響を与えうる。docs.learnbittensor.org

価値の蓄積は、ステーキング需要、マイナー／バリデーター経済、および「サブネットがどれだけ価値あるコンピュータビジョン出力を生み出しているか」という市場評価から生じる。Dynamic TAO では、ユーザーがマイニングサブネットにステークすることで、実質的に TAO をそのサブネットのアルファトークンと交換し、そのアルファトークンをバリデーターにステークする構図になる。アンステーク時の価値は、アルファトークンと TAO のプール比率に依存する。2026 年 6 月時点の Bittensor エミッションドキュメントは重要であり、ネットワークが 2025 年 11 月から 2026 年 6 月までのフロー重視モデルから、再び価格ベースモデルへと TAO エミッション配分方法を戻したと記している。これは、サブネットトークンの価格とその移動平均が、再びエミッションシェアに影響を与えることを意味する。

Score 個別に見ると、Bittensor.ai の 6 月下旬スナップショットでは、オーナー取り分が 18％、残りがマイナー、バリデーター／ステーカー、およびオーナーの間で分配されており、ステーキング APY は非常に高い数値が表示されていた。ただしこれは、安定した利回りというよりはボラティリティの高いエミッション出力として解釈すべきだ。経済的に言えば、sn44 ホルダーは自己増強的（リフレクシブ）なシステムを引き受けている。すなわち、有用なモデルと外部需要があればステーク流入とエミッションを正当化できるが、手数料を支払う需要が乏しい状態でエミッションだけが続けば、ホルダーは希薄化し、持続的なネットワークユーティリティではなく短期的な資本ローテーションを報いる構造になりかねない。（docs.learnbittensor.org）

誰が Score を利用しているか？

ここで重要なのは、トークンのアクティビティとプロダクトとしての利用実態を区別することである。Score のオンチェーン取引高、保有者数、 バリデーター数やステーキング TVL は、そのアセットに市場参加があることは示しているものの、そうした指標だけでは、企業やスポーツチームがビジョン出力に対して実際に代金を支払っているかどうかを証明できない。

実際のユーティリティは、タスク活動量、モデルベンチマーク、マイナーコンペティション、およびサブネット上に構築された商用アプリケーションから推測する方が適切である。Score の公開資料では、スポーツアナリティクス、放送、ベッティング、スカウティング、コーチングを初期ターゲット市場として挙げている一方、より最近の公開コミュニケーションでは、人物検出、車両検出、火災検知、ガソリンスタンド監視など、より広いコンピュータビジョン系のトラックが説明されている。

2026 年半ば時点で、最も信頼できる利用パターンは、小売ユーザーが sn44 と直接対話する形ではなく、ビルダーがこのサブネットを「分散型のモデル探索およびモデル蒸留のバックエンド」として利用する形である。(github.com)

企業向け採用で最も具体的なシグナルとなっているのは Manako Labs である。2026 年 4 月、Manako は PwC France および Maghreb とのアライアンスを発表し、PwC France は Score - Subnet 44 を搭載した Manako の Business Operations World Model を活用して、既存のカメラネットワークをオペレーショナルインテリジェンスシステムへと転換することを支援すると述べた。2026 年 6 月には、KuCoin に転載された CryptoBriefing の記事で、Manako が Bittensor の Score Subnet 44 を基盤とするビジョン AI エージェントプラットフォームをローンチしたと報じられた。そこではノーコードインターフェース、CPU で動作するモデル、エッジ処理、Slack アラート、そして北米展開に向けた 100 万ドル規模の TaoWeave 投資がうたわれている。これらは意味のある商業的シグナルではあるが、監査済みの売上、顧客維持率、あるいはエンタープライズ規模のデプロイメント指標と同じものではない。懐疑的な見方をすれば、Score は Manako および PwC 周辺のアドバイザリーチャネルを通じて有望なディストリビューションを確保しつつも、リピート顧客、有償ワークロード、処理カメラ時間または受理されたモデルタスク数といった観点で、より強い証拠の開示が依然として必要だということになる。(manako.ai)

Score にとってのリスクと課題は何か？

Score が抱える規制リスクは間接的だが、現実のものだ。今回参照した公開情報の範囲では、Score や sn44 を対象にした既知の進行中の規制当局による訴訟は見当たらないが、sn44 は TAO、Bittensor サブネットトークン、ステーキング、および排出ドリブン型デジタルアセット全般に関する、より広い不確実性を引き継いでいる。Grayscale が提出した Bittensor Trust の S-1 では、TAO が証券とみなされ得るリスクについて明示的に論じており、スポンサー側が TAO を証券と見なしていない場合でも、SEC や裁判所がこれと異なる見解を取る可能性があると指摘している。これは sn44 にとっても重要であり、アルファトークンはサブネット作成者の活動、排出設計、ステーキングフロー、および生産的な経営努力への期待と、さらに強く結びついている。第二の大きなリスクは中央集権性である。Bittensor.ai のページは、6 月下旬時点のスナップショットで、sn44 上のバリデーターが 9 つしかいないこと、オーナー取り分が 18% であること、コミット・リビールとリキッドアルファの設定が無効であること、そして同サブネットに対して「放棄された」といったヘルスラベルが付与されていることを示していた。さらに、直近 30 日間の GitHub コミットがゼロであり、最後のコミットが約 200 日前であるとも示されていた。これらのラベルの一部はオフチェーン開発に対して遅行している可能性もあるが、機関投資家は、バリデーターの集中度、オーナー裁量、古びたリポジトリ、タスクガバナンスの不透明さを、重要なデューデリジェンス項目として扱うべきだ。sec.gov

競争リスクもまた大きい。スポーツアナリティクス分野では、Score は Opta 型のスポーツデータベンダー、クラブのアナリティクススタック、放送トラッキングシステム、そしてクリプトインセンティブを必要としない専門的なコンピュータビジョンプロバイダと経済的に競合する。エンタープライズ向けビジョンにおいては、クラウド AI プラットフォーム、エッジ AI ベンダー、Roboflow に類似したツールチェーン、オープンソースモデル、そしてセキュリティ、小売、物流、産業系ソフトウェアに組み込まれた専用の垂直統合ソリューションと競合する。分散型サブネットモデルは、より優れたモデルを安定的に調達できるのであれば、コストやタレント発掘の面で優位になり得る一方で、顧客からの直接フィードバックループ、サービスレベル契約、調達チーム、コンプライアンス管理を備えた中央集権型ベンダーよりも、プロダクト化のスピードが遅くなり得る。トークンはもう一つの脅威ももたらす。もし排出報酬が外部収益よりも魅力的である場合、マイナーやバリデーターは顧客成果よりも報酬メカニクスの最適化を優先し、サブネット活動と経済的に有用なアウトプットとの間にギャップを生む可能性がある。medium.com

Score の将来見通しはどうか？

Score の見通しは、価格パフォーマンスよりも、むしろ信頼性のある技術的ニッチを反復可能な商業インフラへと転換できるかどうかにかかっている。

公開 GitHub 資料に記載された検証済みロードマップでは、2025 年のシーケンスとして、Game State Recognition と VLM ベースのバリデーションからメインネットデプロイ、人間を介したバリデーション、ダッシュボード、アクション検出、イベントキャプション、統合 API、追加のスポーツ種目、開発者ツール、クロスドメインアプリケーションへと進む計画が示されていた。

2026 年半ばまでには、パブリックなナラティブは Manako 主導のエンタープライズ向けカメラインテリジェンスと、小規模なタスク特化型モデルの蒸留へと進展しており、一方で Bittensor 自体は 2026 年 6 月の価格ベース排出への回帰を含む重要なトケノミクス変更を経験していた。

ここから先で最も重要なマイルストーンは、プロモーションではなく実務面にある。オープンソース開発の刷新、より明確なバリデーターおよびマイナーのテレメトリ、監査済みモデルベンチマーク、公開 API ドキュメント、有償ワークロードの証拠、そしてフットボール以外のタスク向けに堅牢なバリデーションフレームワークを整えることだ。(github.com)

構造的なハードルは、Score が、このサブネットが単なる排出補助付きのモデルコンペではないことを証明しなければならない点にある。

もし Manako および類似アプリケーションが、現実のエンタープライズ向けビジョン課題を継続的に sn44 へ流し込み、マイナーのアウトプットをベンチマークし、コンパクトなモデルをエッジにデプロイし、中央集権型ツール群に対してコストまたは精度面で優位性を示せるのであれば、Score は Bittensor ネイティブのコンピュータビジョン労働市場として防御可能な役割を持つことになる。そうでなければ、このアセットは実質的なプロダクトマーケットフィットとトークン流動性との乖離が小さいまま、Bittensor サブネット投機へのレバレッジドベットとして評価されるリスクがある。価格予測は正当化できず、関連する問いは、sn44 が高品質なバリデーションを維持し、コントロールを分散化し、カメラデータを外部から需要のあるインフラへと転換できるかどうか、そしてそれを中央集権型ビジョンプラットフォームがコスト効率ギャップを埋め切る前に達成できるかどうかである。