Targon

Targon이란?

Targon(SN4)는 Bittensor 생태계 안에 존재하는 특화된 “서브넷 토큰(subnet token)”으로, GPU 사용 시간을 검증 가능하고 시장에서 가격이 형성되는 상품으로 전환하는 동시에, 민감한 AI 작업에 대해 일반적으로 서드파티 연산을 사용 불가능하게 만드는 신뢰 가정(trust assumptions)을 줄이는 것을 목표로 한다.

실제로 Targon은 채굴자가 하드웨어를 공급하고, 검증인이 성능과 보안 상태를 지속적으로 검증하며, 구매자가 추론(inference)이나 기타 AI 작업을 제출하는 인센티브 기반 컴퓨트 마켓플레이스로 이해하는 것이 가장 적절하다.

Targon이 주장하는 경쟁 우위는 기밀 컴퓨팅(confidential computing)과 지속적인 원격 인증(remote attestation)에 대한 명시적 집중이다. 이는 Targon Virtual Machine(TVM)에 대한 Manifold Labs의 릴리스에서 설명되고, Intel TDX와 NVIDIA Confidential Computing을 중심으로 한 설계로 정리한 Intel의 글에서 재차 언급되듯, 평판이 아닌 정책에 기반해 “신뢰할 수 없는(untrusted)” 운영자를 사용할 수 있게 만들려는 시도다.

시장 구조 관점에서 Targon은 범용 스마트 컨트랙트 플랫폼과 경쟁하는 베이스레이어 블록체인이 아니라, Bittensor의 고정 서브넷 아키텍처 안에 존재하는 애플리케이션 특화 경제 구역이다.

2026년 초 기준, Bittensor 서브넷을 추적하는 서드파티 대시보드들은 SN4를 시가총액과 유동성 깊이 면에서 규모가 크고 활발히 거래되는 서브넷 토큰 가운데 하나로 보여주고 있으며, GeckoTerminal의 SN4/TAO 풀 페이지 같은 곳에서 풀 단위의 거래 데이터가, SubnetRadar 같은 도구에서는 서브넷 단위의 활동과 “건강도” 집계 데이터가 제공된다.

다만 서브넷에서의 “스케일”은 신중하게 바라볼 필요가 있다. 유동성, 스테이킹 흐름, 이뮤션(emissions) 라우팅은 제품 트랙션처럼 보이는 반사적(reflexive) 수요를 만들어낼 수 있다. 보다 지속 가능한 신호는, 시간이 지나도 구매자들이 실제로 컴퓨트에 비용을 지불하는지, 그리고 검증인들이 적대적인 환경에서도 품질과 기밀성 제약을 신뢰할 수 있게 강제할 수 있는지 여부다.

Targon은 누가, 언제 설립했는가?

Targon은 탈중앙화 프런티어 AI 연구소이자 인프라 빌더를 자처하는 Manifold Labs와 밀접하게 연관되어 있다. Manifold는 2023년에 설립되어 텍사스 오스틴에 기반을 두고 있으며, OSS Capital, DCG 등을 후원자로 두고 있다고 자사 Targon/Manifold “company” 페이지와 시리즈 A 라운드 투자 유치 발표에서 밝히고 있다.

동일한 자료는 거버넌스의 실질적 구조도 비교적 명확히 보여준다. Bittensor 서브넷은 채굴자와 검증인을 누구나 운영할 수 있다는 점에서 “열려(open)” 있지만, 서브넷 소유자는 여전히 메커니즘 설계와 운영 릴리스에 의미 있는 재량권을 행사한다. 이는 완전히 신뢰 중립적(credibly neutral) 프로토콜이라기보다는 하이브리드 구조를 형성한다.

프로젝트의 내러티브는 Bittensor 전체의 흐름과 함께, “오픈 머신 인텔리전스”에 대한 실험에서 점차 프로덕션 수준 서비스로 이동해 왔다.

초기 포지셔닝은 범용 AI 추론과 서브넷 실험에 중점을 두었지만, 2024년 중반에서 2025년에 이르는 동안 공개 로드맵은 점점 가격 발견과 예측 가능한 보상을 포함한 마켓플레이스 미시 구조, 그리고 기밀 컴퓨트 원시 기능(primitives)에 더 큰 비중을 두기 시작했다.

예시로는 전면적인 메커니즘 재작성과 반(反)게이밍 조정을 강조한 Targon v2.0.0 릴리스, 채굴자를 위한 주문서(order-book) 스타일의 “ask” 시스템을 도입한 Targon v6.2.1 릴리스, 그리고 Targon v7에서 TVM의 지속 재인증(confidential execution 환경)을 둘러싼 메시지가 있다.

이는 단순히 컴퓨트 한계 비용(marginal cost) 경쟁이 아니라, 검증 가능성과 엔터프라이즈 친화적 보안 주장에 기반해 차별화하려는 전략과 일관된다.

Targon 네트워크는 어떻게 작동하는가?

Targon은 독립적인 합의 네트워크가 아니라, Bittensor의 Subtensor 체인에서 베이스레이어 보안, 최종성(finality), 회계를 상속하고, 서브넷 차원에서는 검증인 스코어링과 이뮤션 배분을 통해 자신의 “합의”를 표현한다.

Bittensor 모델에서 검증인은 채굴자의 작업을 평가해 가중치(weight)를 부여하고, 체인은 이 가중치를 사용해 서브넷 이뮤션을 분배한다. 합의의 목표는 LearnBittensor emissions overview와 PoS Utility Consensus PDF 같은 자료에서 설명하듯, 나카모토식 트랜잭션 순서 결정이라기보다는 “스테이크 가중 유틸리티 스코어링(stake-weighted utility scoring)”에 더 가깝다.

따라서 Targon의 “네트워크”는 채굴자와 검증인, 그리고 “유용한 컴퓨트”의 의미와 이를 적대적 인센티브 환경에서 어떻게 측정할지 정의하는 메커니즘 코드가 만들어내는 emergent behavior(창발적 행동)라고 볼 수 있다.

그 틀 안에서 Targon을 기술적으로 구분 짓는 것은, 경제적 보상을 운용자 정직성(honesty)을 전제로 하기보다 신뢰 실행(trusted execution)과 지속적인 인증(attestation)에 기반한 보안 모델에 결부시키려는 시도다. Manifold의 TVM 자료에 따르면, 워크로드는 하드웨어 루트 격리(hardware‑rooted isolation)를 갖춘 기밀 가상 머신 안에서 실행되며, 일정 간격으로 재인증이 이루어지고, 기밀 컴퓨트 기능을 갖춘 CPU와 GPU에 명시적으로 의존한다. 이는 Targon v7에 요약되어 있고, Intel 커뮤니티 블로그에서 탈중앙 기밀 컴퓨팅의 역할과 원격 인증 흐름을 설명하며 보다 공식적으로 맥락화된다.

이 보안 모델의 실제 제약은 신뢰를 “운영자 정직성”에서 “하드웨어와 인증 공급망”으로 이동시킨다는 점이다. 이는 공짜가 아니다. 사용 가능한 하드웨어가 제한되고, 운영 복잡성이 증가하며, 일반적인 크립토 리스크와는 다른(예: 인증 서비스 장애, 펌웨어 이슈, 벤더 종속성) 새로운 실패 모드가 생긴다.

SN4의 토크노믹스는 어떠한가?

SN4는 Bittensor의 Dynamic TAO(dTAO) 체제에서 만들어진 “알파 토큰”으로, 각 서브넷은 자체 토큰을 보유하며, 주로 TAO를 해당 서브넷 풀로 스왑한 뒤 그 알파 토큰을 검증인에게 스테이킹하는 방식으로 획득된다.

이러한 메커니즘은 alpha tokens와 staking in dTAO에 대한 Taostats의 설명에 문서화되어 있다. 이는 “공급”이 고정 ERC‑20 캡 테이블과 비슷한 형태라기보다는, 풀 잔고, 스테이킹 흐름, 이뮤션 기대에 따라 가격이 결정되는 풀 매개 스테이크 자산(pool‑mediated stake asset)에 더 가깝다는 점에서 중요하다.

SN4에 한정하면, Bittensor 익스플로러에서 사용하는 온체인 표준 식별자는 Subnet 4이며, Taostats SN4 메타그래프를 통해 분석을 제공한다. 풀 단위 유동성과 내재 평가(valuation)는 GeckoTerminal의 SN4/TAO 풀 같은 마켓 트래커에서 확인할 수 있다. 이 설계에서 더 중요한 토크노믹스 질문은 단순한 “최대 공급량”보다는, 특히 Bittensor가 플로우 기반 이뮤션(flow‑based emissions)으로 전환한 이후, 이뮤션 라우팅과 스테이킹 흐름이 어떻게 실질적인 평가를 팽창 또는 압축시키는지다.

SN4의 가치 축적(value accrual)은 이뮤션과, 스테이커가 TAO를 SN4 풀에 할당하려는 의지에 의해 매개된다. 그리고 이 풀 유입 자체가 2025년 이후 체제 하에서는 이뮤션에 영향을 미친다.

Bittensor가 플로우 기반 할당(“TAO flow”)으로 전환하면서, 서브넷들은 네트워크 이뮤션에서 더 큰 몫을 차지하기 위해 순 TAO 유입 경쟁을 벌이게 된다. 이는 TAO emission / tao flow documentation 및 보다 일반적인 LearnBittensor emissions 페이지에서 설명된다.

참여자 입장에서 “SN4를 스테이킹한다”는 것은 경제적으로 두 부분에 대한 베팅이다. 첫째, 불리한 풀 다이내믹과 유출로 인해 SN4 알파 토큰이 TAO 대비 구조적으로 희석되지 않을 것이라는 점, 둘째, 검증인 선택과 서브넷 성과가 슬리피지와 수수료를 감안하더라도 알파 이뮤션을 제공할 것이라는 점이다.

Taostats의 채굴자/검증인 이뮤션 수학과 소각 규칙은 또 하나의 미묘한 점을 강조한다. 이뮤션은 단순 수수료 재분배가 아니라, 스코어링 메커니즘을 통해 라우팅되는 프로토콜 차원의 인플레이션이며, 일부 소유자 할당 인센티브는 특정 상황에서 소각되기도 한다. 이는 Taostats의 emission and miner consensus documentation에 설명되어 있다.

누가 Targon을 사용하고 있는가?

서브넷 토큰에서는 이뮤션 자체가 네이티브 이자(yield) 내러티브를 만들어 흐름을 지배할 수 있고, 유동성 풀은 자본 회전을 제품–시장 적합성처럼 보이게 만들 수 있기 때문에, 투기적 회전(speculative turnover)과 “실제 사용”을 구분하기가 유난히 어렵다.

가장 방어력 있는 사용 지표는, 허위로 꾸미기에는 비용이 많이 드는 유료 워크로드 볼륨과 공급 측 용량에 연동된 것들이다. Manifold는 시리즈 A 발표에서 상당한 유료 추론 처리량과 대규모 H200 용량을 보유하고 있다고 주장하며, Targon을 대형 규모의 “유료 추론 토큰(paid inference tokens)”을 제공하는 시스템이자, 고급 GPU 플릿에 의해 뒷받침되는 인프라로 포지셔닝한다. 이러한 주장들은 자가 보고(self‑reported)에 해당하므로 감사를 거친 숫자라기보다는 방향성 있는 정보로 보는 것이 타당하지만, 최소한 구체적이긴 하다.

온체인에서는 Taostats의 SN4 메타그래프를 통해 활성 UID, 검증인 수, 서브넷 수준의 채굴자 참여를 확인할 수 있으며, 이를 통해 실제로 운영 중인 서브넷인지, 아니면 대부분이 얇게 거래되는 풀인지 구분하는 데 도움을 받을 수 있다.

기관 또는 엔터프라이즈 채택과 관련해 공개적으로 확인 가능한 자료는 주로 간접적이다. 투자 라운드 참여자와 생태계 통합 사례는 드러나지만, 이름이 공개된 엔터프라이즈 고객은 대체로 공개되지 않는다. Manifold는 Targon v7과 Intel이 설명한 관련 기밀 컴퓨트 아키텍처에서 명시적으로 엔터프라이즈급 기밀성과 규제 워크로드 적합성을 지향한다고 밝히고 있으며, 이는 아직 확정된 채택보다는 엔터프라이즈 시장을 겨냥한 의도를 시사하는 수준이다. adoption.

“기관 참여(institutional involvement)”를 방어 가능하게 정의하는 방식은, 자본 조달과 생태계 파트너십이 존재한다는 수준—예를 들어 DCG가 Manifold의 시리즈 A에 Series A announcement에서 명시된 참여자라는 점—이지, 이것이 자동으로 지속 가능한 매출로 이어지는 것은 아니라는 식의 프레이밍이다. 또한 서브넷 토큰 설계는 실제 고객 수요와 투자자/스테이커 수요의 차이를 가리는 역할을 할 수 있다.

Targon이 직면한 위험과 도전 과제는 무엇인가?

SN4가 직면한 규제 리스크는 Targon 고유의 소송 리스크라기보다는—2026년 초 현재, 미국 내에서 널리 알려진 적극적인 소송이나 공식적인 법적 분류 다툼은 공개 자료에서 두드러지지 않는다—스테이킹, 수익형 상품, 투자계약에 대한 규제 프레임워크가 진화하는 과정에서 서브넷 토큰이 어떻게 해석될 수 있느냐에 더 가깝다.

알파 토큰은 스왑을 통해 취득되고, 밸리데이터에 스테이킹되며, 이로부터 배분(emissions)을 생성하기 때문에, 기저 메커니즘이 프로토콜 인플레이션과 유틸리티 스코어링에 더 가깝다 하더라도, 최종 사용자 관점에서는 수익형 상품처럼 보일 수 있다. 이런 점은 Taostats의 staking and alpha mechanics 설명에서 제시된 스테이킹 및 알파 메커니즘에 구체적으로 나타난다.

두 번째, 규제와 인접한 노출 요인은 주요 벤더가 제공하는 기밀 연산(confidential compute) 하드웨어 및 인증(attestation) 인프라에 대한 의존성이다. 정책 변화로 인해 특정 GPU 클래스의 수출, 공급, 혹은 엔터프라이즈 사용이 제약된다면, Targon v7에 명시된 하드웨어 요구 사항과 Intel의 TDX + NVIDIA Confidential Computing 개요에서 논의되는 CPU/GPU 요구 스펙이 암시하듯, Targon의 “해자(competitive moat)”는 경쟁우위가 아니라 운영 병목으로 전환될 수 있다.

중앙화 벡터 역시 무시할 수 없다. 서브넷은 시점에 따라 상대적으로 작은 밸리데이터 집합을 가질 수 있으며, SN4의 밸리데이터/마이너 구성은 Taostats’ metagraph에서 관측할 수 있다. 참여자 수가 적을수록 핵심 운영자가 이탈하거나 담합할 경우 거버넌스와 라이브니스(liveness) 리스크가 커진다.

프로토콜 레벨에서 Bittensor는 더 명시적인 경쟁 및 프루닝 압력—등록 및 등록 해제 규칙, 서브넷 상한(cap) 등—쪽으로 이동해 왔으며, 이는 장기간 음의 플로우나 낮은 랭킹에 빠지는 서브넷에게는 실존적(existential) 리스크를 의미한다.

체인의 서브넷 등록/등록 해제 로직과 등록 해제 시 알파 토큰에 어떤 일이 발생하는지는 Taostats의 subnet registration/deregistration documentation에 설명되어 있으며, tao flow docs에 정리된 플로우 기반 발행(emissions) 체계는 순 유출이 발생하는 서브넷을 급격히 고사시킬 수 있다.

경쟁 위협은 Bittensor 외부에서도 등장한다. 유사한 프리미티브를 제공하는 기밀 연산 클라우드 제공자와 마켓플레이스들은 사용자 경험, 지리적 가용성, 규제 준수, SLA 등에서 경쟁할 수 있다. 예를 들어 Phala는 자체 confidential AI page 등에서 가격이 공개된 TDX + NVIDIA 기밀 연산 스택과 인증 도구를 홍보하며, “TEE가 존재한다”는 것만으로는 Targon의 차별성이 충분치 않음을 시사한다.

Targon의 향후 전망은 어떠한가?

가장 신뢰할 만한 “향후 마일스톤”은 모호한 로드맵 수사가 아니라 이미 공개된 기술 릴리스와 단기 업그레이드 계획에 정박(anchor)되어 있는 것들이다.

Manifold의 공시 자료는 추가 TEE 기술 통합과 더 넓은 하드웨어 지원을 포함하여 기밀 연산 스택을 계속 강화(hardening)해 나갈 것임을 시사하며, 이에 대한 명시적인 업그레이드 경로는 Series A announcement와 Targon v7의 아키텍처 설명에서 논의된다.

한편, Bittensor 레벨의 변화는 Targon 고유의 엔지니어링과 무관하게 SN4 경제성에 중대한 영향을 미친다. Taostats의 tao flow documentation과 LearnBittensor’s emissions explanation에 기술된 바와 같이, 2025년 이후 플로우 기반 발행 및 dTAO 메커니즘으로의 전환은, Targon이 순 유입과 실질적 유용성(perceived usefulness)을 유지해야만 발행 비중을 방어할 수 있음을 의미한다. 유동성 풀이나 내러티브 모멘텀만 유지하는 것으로는 더 이상 충분하지 않다.

구조적 난관은 Targon이 동시에 마켓플레이스, 보안 제품, 토큰 인센티브 기반 서브넷이 되려 한다는 점이다.

각 계층은 고유한 실패 모드를 갖는다. 시장 설계는 게임화(gaming)될 수 있고, TEE는 취약하거나 특정 벤더에 종속될 수 있으며, 토큰 인센티브는 제품 품질에 무관심한 자본을 끌어들이다가, 어느 순간부터는 급격히 이탈하게 만들 수 있다.

따라서 프로젝트의 생존 가능성은 점진적인 기능 출시보다는, 검증 가능한 기밀성을 발행 체계 변화에 둔감한 반복 유료 워크로드로 전환할 수 있는지, 그리고 밸리데이터 집합과 메커니즘 설계가 중앙집중적 조정 없이도 저품질 혹은 적대적 마이너를 지속적으로 걸러낼 수 있는지에 더 크게 좌우될 가능성이 높다.