真剣なAI投資家はすでにBittensorに参入している。彼らが知っていることとは

Bittensor (TAO) は暗号資産の中でも最も知的野心の高いプロジェクトの一つであり、ブロックチェーンを用いて人工知能をコモディティ市場化し、企業の調達契約ではなくトークンインセンティブによって機械知能に価格を付けようとする試みだ。

2026年4月末時点で、時価総額は24億ドル超に達し、時価総額ランキングで上位40銘柄に入り、サブネット数も単一の同質なネットワークから、2年足らずで60以上の専門特化したサブネットワークへと拡大している。

しかし、大きな野心と高い時価総額は、実際に機能するインフラと同義ではない。真剣な研究者たちが繰り返し立ち返る中心的な問いは、Bittensorのインセンティブ設計が本当に優れたAIモデルを生み出しているのか、それともバリデータのスコアリングシステムを攻略したマイナーによる高度なリワードファーミングを生んでいるだけなのか、という点である。オンチェーンデータ、学術文献、プロトコル文書を総合すると、その答えは強気派と弱気派のどちらが主張したい単純な物語よりも、はるかにニュアンスに富んでいる。

TL;DR

Bittensorのサブネットアーキテクチャは60を超える専門ネットワークへと急速にスケールしてきたが、バリデータの集中とスコアリングの不透明性は、アウトプット品質に対する構造的なリスクとして残っている。

オンチェーンデータによれば、TAOの発行フローはごく少数の高ステーク・バリデータに大きく偏っており、プロトコルの「オープンな市場」という理念に反する中央集権化圧力を生んでいる。

このプロトコルの長期的な価値は、サブネットのアウトプットに対する外部需要が、内部のリワードファーミング行動を上回ることができるかどうかに依存しており、その問いに対する2026年時点のデータは、まだ答えの端緒を示し始めた段階にすぎない。

1. Bittensorとは何か、そしてなぜ分類が難しいのか

Bittensorは、単純な分類を拒む存在だ。単一のモデルやAPIに紐づいた「クリプトAIハイプトークン」ではない。マイナーがAIモデルを走らせ、バリデータがその出力をスコアリングし、生成された知能の品質に応じてTAO報酬が分配される、分散型の機械学習市場をプロトコルレイヤーで構築しようとする試みである。

Jacob Steeves と Ala Shaabana による基礎論文は Opentensor Foundation を通じて公開されており、このシステムを「ネットワークに価値をもたらした参加者に報酬を与える機械学習手法」と位置づけている。その価値は、Yumaコンセンサスと呼ばれるピアランキングシステムを通じて具体化され、バリデータがマイナーの出力を評価し、そのランキングをステーク加重してコンセンサススコアに到達する。

Yumaコンセンサスメカニズムは、単一のバリデータが一方的にエミッションを操作できないように設計されているが、少数のバリデータにステークが集中すると、実質的にはそれに近い結果を招き得る。

重要なアーキテクチャ上の洞察は、Bittensor自体はAIモデルをトレーニングしたりホスティングしたりしないという点だ。Bittensorが提供するのは、他者がそれを行うためのインセンティブの足場であり、そのアウトプットにオンチェーンの価格を付ける仕組みである。Const Demian はコア貢献者として、ネットワークを「インテリジェンスの提供者ではなく、インテリジェンスのマーケットプレイス」として表現している。この違いは、システムが機能しているかどうかを評価する際に極めて大きな意味を持つ。

Also Read: What the Decentralized Web Is, How It Works, and Why It Matters Now

サブネット爆発、成長を支える数字

Bittensorの成熟度を最も分かりやすく示す指標が、サブネット数だ。立ち上げ当初のネットワークは、すべてのマイナーが同じタスクで競う単一の同質空間としてスタートした。2023年11月、Opentensor Foundationは、任意のチームが独自のインセンティブルール、バリデータロジック、マイナーのタスク定義を備えた専用サブネットワークを登録できるサブネットフレームワークを導入した。

2026年4月までに、ネットワークは64以上の登録サブネットをホストするに至っている。これには、サブネット1（テキストプロンプティング、オリジナルのネットワーク）から、タンパク質折りたたみ予測、ストレージ提供、金融データフィード、分散型翻訳、時系列予測、AI画像生成などを扱う専門ネットワークまでが含まれる。各サブネットは半自律的に運営され、共通のTAO発行プールからの配分をルートネットワークのバリデータから受けつつ、自身のスコアリング基準を設定する。

サブネット登録数は約12か月で32から64へと増加し、2023年のプロトコルロードマップにおける最も楽観的な予測をも上回るペースで倍増した。

サブネットスロットの登録コストはダイナミックオークションメカニズムによって決まる。2025年末の需要ピーク時には、1スロットの登録に100 TAO超（当時の価格で約2万5,000ドル）を要した。この摩擦は意図的なもので、Opentensor Foundationは、低クオリティのフォークを排除しつつ、本気の資本力を持つチームには参入可能な水準に留めることを狙った設計だとしている。それが品質をフィルタしているのか、単に資本だけをフィルタしているのかは、また別の重要な問いである。

Also Read: Top Crypto Exchanges Mandate AI Tools, Track Token Use As KPI: Report

Yumaコンセンサスの仕組みと、その破綻し得るポイント

Yumaコンセンサスは、バリデータの評価をマイナー報酬へと変換する数学的エンジンだ。Bittensorのアウトプットが本当に知能の品質を反映しているのか、それとも協調的な操作に脆弱なのかを評価するには、この仕組みの理解が欠かせない。

各サブネットのバリデータは、それぞれ評価したマイナー全員にスコアを割り当てた「重みベクトル」を作成する。ネットワークはそれらのベクトルをステーク加重で合成し、最終的なランキングを算出する。Yumaアルゴリズムは、コンセンサスから大きく外れたバリデータにペナルティを与える、Shapley値に着想を得た補正を適用し、正直な報告をインセンティブ化する。出力が高くランク付けされたマイナーは、そのサブネットに割り当てられたTAO発行分からより大きなシェアを受け取る。

YumaコンセンサスにおけるShapley補正は、理論上、正直な報告が支配戦略となるナッシュ均衡を作り出すが、その均衡は、大口ステークホルダー同士の談合を防げる程度に、バリデータステークが十分に分散している場合にしか成立しない。

メカニズムデザインの理論文献は、Yumaのようなピアプレディクションメカニズムがうまく機能するのは、評価者が独立したシグナルを持ち、かつ相互に協調できない状況だと示唆している。Bittensorでは、この2つの条件がいずれも揺さぶられている。バリデータのステークは集中しており、ブロックチェーンの公開性ゆえに、大口バリデータは自らの重みベクトルを提出する前に、他の大口バリデータの履歴ベクトルを観察できてしまう。

Bittensorのアーキテクチャについて論考を発表している独立系メカニズムデザイン研究者 Yanislav Malahov は、ステークの集中が、正直なスコアリングの結果に対する最大の構造的リスクだと指摘している。

Also Read: Why Hyperliquid Runs A DEX Without Any Other Blockchain Underneath

バリデータ集中、誰も語りたがらない中央集権化の問題

Taostatsのオンチェーンデータは、真剣な分析にとって重要なバリデータ分布の具体的な姿を描き出している。2026年4月時点で、ステーク重み上位10バリデータが、ルートネットワークの投票権のおよそ65%を支配しており、上位3者だけでサブネットへのエミッション配分に対するステーク加重の影響力の約38%を占めていると、taostats.ioは示している。

この集中には直接的な帰結がある。ルートバリデータは、各サブネットが総TAO発行量のうちどれだけのシェアを受け取るかを決定し、事実上エコシステム全体のポートフォリオマネージャーとして振る舞う。上位バリデータとの関係構築に失敗したサブネットは、たとえAIアウトプットの実質的な品質が高くても、エミッションをほとんど受け取れないリスクを負う。

上位10バリデータがBittensorのルートネットワーク投票権の約65%を支配しており、そのガバナンス構造は、オープンなAIコモディティ市場というより、委任型プルーフ・オブ・ステークの寡頭制に近いダイナミクスを生んでいる。

Opentensor Foundationは、この集中問題を認識しており、2025年末には「childkey」デリゲーションメカニズムを導入して、大口バリデータがサブネット固有のスコアリングを専門のサブオペレーターに委任できるようにした。

これは、「64もの異なる技術ドメインにまたがるAIアウトプットを、単一バリデータが有意味に評価することはできない」という専門性ボトルネックを部分的に解消するが、基礎にあるステーク集中を解決するものではない。大口バリデータが大口のままであり続ける経済インセンティブは、TAO利回りの複利効果を通じて自己強化的である。

Also Read: What Is Bittensor? How TAO Turns AI Models Into A Decentralized Market

サブネットが実際に生み出しているもの

トークンメカニクスを離れて、最も本質的な問いは「Bittensorのサブネットは実際に何を生み出しているのか」という点だ。その品質は、サブネットの成熟度とインセンティブ設計によって大きく異なる。

オリジナルのテキストプロンプティングネットワークであるサブネット1は、商用APIプロバイダとのベンチマークが行われている。GitHubで公開された独立評価によれば、このサブネットの集約出力は、Mistral 7Bのようなミッドレンジのオープンソースモデルと同程度のスコアを示す一方で、標準的な推論ベンチマークではGPT-4oやClaude 3.5 Sonnetといったフロンティアモデルを一貫して下回っている。

これは、おおむねプロトコル設計から予測される結果でもある。すなわち、TAO報酬は外部ベンチマークではなくネットワーク内部のコンセンサスに合わせて調整されるため、マイナーはMMLUスコアではなく、バリデータの承認を最適化するよう行動する。

サブネット1のテキスト出力は、集約するとMistral 7Bクラスのモデルと同程度だが、フロンティア商用APIには及ばない。このギャップは、分散型AI品質の根本的な限界というよりも、プロトコル内部のスコアリングインセンティブを反映していると解釈できる。

プレトレインデータの提供に特化したサブネット9は、技術的にはより興味深いケースとなっている。 Macrocosmos である、サブネット 9 を運営するチームは、マイナーがインターネット規模のテキストデータを提供し、それがパブリックなベースモデルの学習に利用されること、そして TAO 報酬がデータの新規性と品質スコアに基づいて配分されることを示す手法を公開している。

その結果得られたモデルは、オンチェーン上で継続的にアップデートされており、事前学習パイプラインを分散化しようとする真摯な試みを体現している。独立研究者たちは 2026 年第 1 四半期に、サブネット 9 のモデルが標準的な言語モデリング・ベンチマークにおいて競合し得るパープレキシティスコアに達したと報告しており、少なくとも一部のサブネットが技術的に意味のある AI 出力を生み出していることを示唆している。

Also Read: Bittensor's TAO Token And The AI-Crypto Thesis: Where The Network Stands In 2026

報酬ファーミング問題と、マイナーがシステムを攻略する方法

あらゆるインセンティブ設計は敵対的最適化にさらされ、Bittensor も例外ではない。Bittensor における報酬ファーミング問題は、プロトコルの公開 GitHub issue やフォーラムの議論の中で広範に記録されてきた。

この攻撃ベクトルの核は単純だ。バリデータは自動化されたパイプラインを通じてマイナーをスコアリングするため、バリデータのスコアリングロジックを理解したマイナーは、本当に有用なインテリジェンスを生み出さなくてもスコアを最大化する出力を設計できてしまう。これは、測定対象そのものではなく指標を最適化する SEO 操作に類似している。サブネット 1 では、研究者たちが、既知のバリデータ問い合わせに対してキャッシュ済みレスポンスを返し、推論ステップそのものを完全に回避しているケースを特定した。

キャッシュ済みレスポンスの提供やスコアリングロジックのリバースエンジニアリングによる報酬ファーミングは、サブネット 1 を含む複数の Bittensor サブネットで記録されており、プロトコルの「インテリジェンス品質」仮説への直接的な攻撃となっている。

Opentensor Foundation の対応は、バリデータロジックにおいてクエリの多様性とランダム性を高め、マイナーが予測可能なプロンプトに対して事前に回答をキャッシュしづらくする方向へ進むことだった。しかしこれは軍拡競争のダイナミクスを生む。バリデータロジックが複雑になるにつれ、正直な参加に必要なハードルは上昇し、対応するエンジニアリングリソースを持たない小規模マイナーが不利になる。

このインセンティブフローを分析した研究グループ Nucleus.ai は、2026 年初頭に、サブネット 1 のエミッションの 15〜25% が、真正な推論ではなく報酬ファーミングと整合的な行動シグネチャを示すマイナーに流れていると推計した。このレンジには不確実性が伴うが、下限値ですら無視できない水準である。

Also Read: Tokenomics and Its Importance for Crypto Investors

TAO のトークノミクスとエミッション持続性の問題

TAO のトークノミクスは、1 点において Bitcoin（BTC）と構造的に類似している。すなわち、2100 万枚というハードキャップが存在し、およそ 4 年ごとにエミッションが半減する点だ。最初の TAO 半減期は 2025 年 1 月に発生し、1 ブロックあたりのエミッションは 1.0 TAO から 0.5 TAO へ減少した。2026 年 4 月時点で、およそ 820 万 TAO が鋳造されており、総供給量の約 39% に相当する。

この半減ダイナミクスは、時間の経過とともにネットワーク参加コストに意図的なデフレ圧力を生み出す。初期のマイナーとバリデータは高いエミッションレートで TAO を獲得できたが、将来の参加者はより低い発行量の下で活動することになる。これは Bitcoin のセキュリティ予算問題を鏡写しにしている。エミッションが減少するにつれ、プロトコルは十分な外部手数料収入またはトークン価格の上昇を生み出し、参加インセンティブを維持しなければならない。

TAO の 2100 万枚のハードキャップ供給のうち約 39% がすでに流通しており、かつ 4 年ごとにエミッションが半減する状況下で、このプロトコルは Bitcoin と同じ長期的なセキュリティ予算の課題に直面している。つまり、参加を維持するために、単なるエミッションインセンティブではなく外部需要が必要になる。

2026 年 4 月末時点での 24 億ドルの時価総額は、その外部需要が実現するという市場の強い期待を示唆している。しかし現在の収益構造は薄い。Bittensor は、サブネット出力の消費に対して標準化された形で API 手数料を課してはいない。個々のサブネットチームは出力を外部でマネタイズすることができ（例えばサブネット 9 の Macrocosmos はエンタープライズとの提携を持つ）、実際にそうしているが、TAO トークン自体はそうした商業的関係から手数料を取り込んでいない。トークノミクスの前提は、TAO が分散型 AI 経済のリザーブアセットとなることに依拠しており、採用に依存した循環的な議論になっている。

Also Read: How Bitcoin Became The World's Purest Macro Asset In 2026

Bittensor と他の分散型 AI アプローチの比較

Bittensor は真空の中で動いているわけではない。分散型 AI に対する複数の競合アプローチが登場しており、それぞれがどこで価値をキャプチャするべきかについて異なるアーキテクチャ上の前提を持っている。

分散型 AI 推論ネットワークである Ritual は、コントラクトレイヤーアプローチを採用している。スマートコントラクトはオンチェーンで AI モデル推論を呼び出すことができ、その正しい実行に対する暗号学的証明が付随する。Modulus Labs は、Ritual が依拠する技術スタックであるニューラルネットワーク推論のゼロ知識証明（zkML）に関する基礎研究を公開している。Bittensor との主な違いは、zkML ベースのシステムがモデル出力の暗号学的検証可能性を提供するのに対し、Bittensor は特定のモデルが正しく実行されたことを証明できないコンセンサスベースのスコアリングに依存している点である。

もう一つの競合である Gensyn は、推論ではなく AI 学習のための検証可能なコンピュートに焦点を当てており、確率的証明システムを用いて学習ジョブが正しく実行されたことを検証する。これは、Bittensor のコンセンサスメカニズムが行動スコアリングを通じて不完全にしか答えられない「マイナーは実際にモデルを動かしたのか？」という問いに取り組むものだ。

暗号学的な検証可能性（zkML、オプティミスティック証明）は、Bittensor のコンセンサススコアリングアプローチよりも本質的に強力な品質保証を提供するが、現在の証明生成コストでは 1 推論あたり 10〜100 倍高い計算オーバーヘッドを伴う。

このトレードオフは実在する。暗号学的アプローチは検証可能な誠実さを持つが、計算的に高価である。Bittensor のコンセンサスアプローチは計算的には安価だが、誠実さは確率的にしか保証されない。大規模な低リスク推論タスクに対しては、Bittensor のアプローチが実務的な選択となり得る。一方、監査可能性が求められる高リスク用途では、zkML ベースのシステムに構造的優位性がある。市場はそれに応じて二極化しているように見え、Bittensor はボリュームと裾野の広さを追求し、zkML ネットワークは規制されたエンタープライズユースケースをターゲットとしている。

Also Read: Web3 Identity: All You Need to Know About the Next Big Leap in Blockchain Security

開発者アクティビティ、エコシステム資金調達、ビルダーのパイプライン

プロトコルの健全性を測る、より信頼できる先行指標の一つは開発者アクティビティである。投機的な資本は一夜で流出し得るが、エンジニアリングの勢いは構築にも解体にも時間を要するからだ。

Bittensor の GitHub 組織配下のコアリポジトリ群は、2025 年および 2026 年初頭にかけて一貫したコミットアクティビティを示している。メインの「bittensor」SDK リポジトリは、2026 年第 1 四半期を通じて月平均 150 超のコミットがあり、「subtensor」（Rust ベースのブロックチェーンノード）では、バリデータ childkey 機能とルートネットワークガバナンス改善に関する活発な開発が見られる。

Electric Capital の 2025 年開発者レポートでは、Bittensor は AI に特化したブロックチェーンプロジェクトの中で、月次アクティブ開発者数の前年比成長率が最も高いプロトコルの一つとして言及された。ただし、絶対数としては、確立されたスマートコントラクトプラットフォームと比べれば依然として控えめである。

Electric Capital の 2025 年開発者データは、Bittensor を月次アクティブ開発者数の伸びが最も速い AI 特化ブロックチェーンプロジェクト群の一つとして位置付けたが、その絶対的な開発者基盤は、Ethereum（ETH）や Solana（SOL）には大きく及ばない。

エコシステムへの資金供給も相当な規模だ。Opentensor Foundation は複数回のサブネット助成プログラムを実施し、新規サブネットワークを構築するチームに TAO を直接分配してきた。サブネットレイヤーにはサードパーティ VC も参入しており、Multicoin Capital、Pantera Capital、Andreessen Horowitz などが Bittensor 関連プロジェクトへのポジションを開示している。直接的な TAO ポジションとサブネットチームへの資金提供を合わせたエコシステム全体へのベンチャーキャピタル投下額は、2025 年までに 1 億 5000 万ドル超と推定されており、当時の AI ナラティブに付随する投機的プレミアムを差し引いても、実質的な機関投資家の確信を反映した数字である。

Also Read: Crypto Narratives Of 2026: Where Real Capital Flows — And Where Hype Dies

評価：データが示す「うまくいっているかどうか」

プロトコルアーキテクチャ、オンチェーンデータ、開発者アクティビティ、競合環境を検証したうえで、本稿タイトルの問いに対する率直な答えは、「部分的に、かつ不均一に」である。

サブネットフレームワークは、人間の労力と計算資源を AI タスクの周りに組織化する実質的な能力を示してきた。公開ベンチマーク付きの事前学習貢献を行うサブネット 9、データスクレイピングネットワークであるサブネット 13 の Dataverse、金融データフィードを提供する Oracle サブネット群などは、チームが Bittensor のインセンティブシェルの内側に技術的に意味のある AI インフラを構築できることを示している。このプロトコルは虚構ではない。実際にリアルな計算処理と実在のモデル出力を生み出している。

同時に、バリデータ…concentration, documented reward-farming, and the absence of cryptographic output verification are not trivial weaknesses. They are load-bearing structural issues. The Yuma Consensus mechanism works as designed under the assumption of dispersed, independent validators. That assumption is not currently met. The top-10 validator concentration figure of 65% of root voting power is a number the protocol must reduce through governance iteration to validate its long-term thesis.

集中、文書化されたリワードファーミング、そして暗号学的な出力検証の欠如は、取るに足らない弱点ではありません。これらはシステム全体を支える構造的な問題です。Yumaコンセンサスメカニズムは、分散した独立のバリデータが存在するという前提のもとで設計どおりに機能しますが、その前提はいま満たされていません。上位10のバリデータがルートの投票権の65％を占めているという集中度は、プロトコルが長期的な仮説を正当化するために、ガバナンスの改訂を通じて引き下げなければならない数値です。

The most important number in Bittensor's future is not TAO price or subnet count, it is the rate at which root-network validator stake concentration declines, since that single metric determines whether Yuma Consensus produces genuine AI quality signals or coordinated reward allocation.

Bittensor の将来において最も重要な数字は、TAO の価格でもサブネットの数でもなく、ルートネットワークのバリデータにおけるステーク集中度がどれくらいの速度で低下していくかです。なぜなら、この一つの指標こそが、Yuma コンセンサスが本物の AI 品質シグナルを生み出すのか、それとも協調的なリワード配分を生み出すだけなのかを決定するからです。

The tokenomics question is the most structurally uncertain. A hard-capped emission schedule borrowed from Bitcoin works as a security budget when block fees replace emissions over time, as they have for Bitcoin.

トークノミクスの問題は、構造的な不確実性が最も大きい領域です。ビットコインから借用されたハードキャップの発行スケジュールは、時間の経過とともにブロック手数料が新規発行を置き換えていく場合に、セキュリティ予算として機能します。ビットコインでは実際にそうなりつつあります。

For Bittensor, the analogous mechanism requires external enterprise demand for subnet outputs to scale dramatically before the next halving in 2029 compresses miner incentives further. That demand exists in prototype form but not yet at the scale required to sustain a $2.4 billion network on fee revenue alone. The current market cap is partly a bet on future demand, partly a bet on AI narrative premium, and only partly a reflection of current productive output.

Bittensor において同様のメカニズムが成り立つためには、2029 年の次回半減期によってマイナーインセンティブがさらに圧縮される前に、サブネットの出力に対する外部企業からの需要が劇的にスケールすることが必要です。その需要は試作的な形では存在しているものの、手数料収入だけで 24 億ドル規模のネットワークを維持できるほどの水準にはまだ達していません。現在の時価総額は、将来需要への賭け、AI ナラティブに対するプレミアムへの賭け、そして現在の生産的アウトプットを反映した部分の、混合物だと言えます。

Conclusion

Bittensor represents the most serious attempt yet to apply a Bitcoin-style incentive mechanism to the production of artificial intelligence. Its subnet architecture has scaled faster than most analysts predicted, its developer community is growing, and at least a meaningful subset of its networks are producing technically credible AI outputs. TAO's top-40 market cap position and $2.4 billion valuation reflect genuine institutional recognition of that ambition.

Bittensor は、ビットコイン型のインセンティブメカニズムを人工知能の生産に応用しようとする、これまでで最も本格的な試みです。そのサブネットアーキテクチャは、多くのアナリストの予想を上回るスピードでスケールしており、開発者コミュニティも成長しています。少なくともネットワークの意味のある一部は、技術的に信頼できる AI 出力を生み出しています。TAO が時価総額でトップ 40 に入り、24 億ドルの評価を受けていることは、そうした野心が機関投資家から本物として認識されていることを反映しています。

But growing fast and working reliably are different achievements. The validator concentration problem, the documented presence of reward-farming behavior, and the unresolved question of how the protocol sustains miner incentives after future halvings without large-scale external fee revenue are not edge cases to be dismissed.

しかし、高速な成長と安定した稼働は別種の達成です。バリデータ集中の問題、文書化されているリワードファーミング行動の存在、そして将来の半減期の後に、大規模な外部手数料収入なしでどのようにマイナーインセンティブを維持するのかという未解決の問いは、軽視できる例外的ケースではありません。

They are core design tensions that Bittensor has not yet resolved, even if it has created frameworks to address them.

これらは、Bittensor が対処するためのフレームワークを用意しているにせよ、まだ解決できていない中核的な設計上の緊張関係です。

The most intellectually honest framing for Bittensor in April 2026 is that it is a live experiment in market-based AI production that has cleared the first credibility hurdle (it produces real outputs from real compute) but has not yet cleared the second (it produces outputs that are verifiably better or cheaper than centralized alternatives at sufficient scale to justify its network-level economics).

2026 年 4 月時点で Bittensor を最も知的に誠実に位置づけるなら、それは「市場ベースの AI 生産に関するライブ実験」です。この実験は、最初の信頼性のハードル――「実際の計算資源から実際のアウトプットを生み出している」――はクリアしましたが、第二のハードル――「中央集権型の代替案よりも検証可能な形で優れているか、あるいは十分なスケールで安価であり、そのネットワーク経済を正当化できる」――はまだクリアしていません。

Whether it clears that second hurdle in the next two years will depend less on the AI narrative cycle and more on the engineering decisions the Opentensor Foundation makes on validator decentralization and external revenue routing. That is a narrower and more tractable question than the protocol's critics suggest, but a harder one than its supporters admit.

今後 2 年のあいだに Bittensor がこの第二のハードルを越えられるかどうかは、AI ナラティブのサイクルよりもむしろ、Opentensor Foundation がバリデータの分散化と外部収益のルーティングについてどのようなエンジニアリング上の決定を下すかに左右されるでしょう。それは、プロトコル批判者が示唆するよりは射程の狭い、扱いやすい問いである一方で、支持者が認めるよりは難しい問いでもあります。

真剣なAI投資家はすでにBittensorに参入している。 彼らが知っていることとは