Score

Score란 무엇인가?

Score는 sn44 또는 Score Vision으로도 알려져 있으며, 분산형 머신러닝 인센티브를 컴퓨터 비전에 적용하는 Bittensor 서브넷이다. 초기에는 축구 및 기타 영상 스트림을 선수 위치, 공 추적, 경기장 기하구조, 객체 탐지, 이벤트 컨텍스트 등과 같은 기계가 읽을 수 있는 구조화된 데이터로 변환하는 방식으로 시작했다.

Score가 해결하려는 문제는 범용적인 “AI 연산(compute)”이 아니라, 스포츠 분석, 안전 모니터링, 리테일 운영, 물류, 그리고 카메라 사용이 많은 기타 환경에서 활용 가능할 정도로 많은 양의 원시 영상을 빠르고 저렴하게 정확한 라벨로 변환하는, 보다 좁지만 상업적으로 의미 있는 병목 지점인 비디오 어노테이션(video annotation)이다.

Score가 주장하는 경쟁우위(모트)는 Bittensor의 마이너–밸리데이터 인센티브 마켓과 경량 검증 기법의 결합이다. 여기에는 프레임 필터링, 경기장/키포인트 체크, 호모그래피(homography) 방식의 기하 테스트, CLIP 기반 의미론 검증 등이 포함되며, 제출된 모든 프레임에 대해 전체 비전 추론을 재실행해야 하는 비용을 피하도록 설계되어 있다.

프로젝트의 자체 GitHub 저장소는 Score Vision을, 먼저 축구에서의 경기 상태 인식(Game State Recognition)에 초점을 두는 분산형 컴퓨터 비전 프레임워크로 설명한다. 현재 Bittensor 서브넷 페이지는 sn44를, 마이너가 영상을 로컬에서 처리하고 밸리데이터가 시각적·기하학적 하이브리드 검증을 통해 결과를 채점하는 프레임워크로 묘사한다. (github.com)

Score의 시장 포지셔닝은 기반 레이어 블록체인이나 광범위한 스마트 컨트랙트 플랫폼이 아니라, 특화된 Bittensor 애플리케이션 서브넷으로 이해하는 것이 가장 적절하다.

2026년 6월 말 기준 공개 마켓 지표에서 Score는, 유동성이 있는 Bittensor 서브넷 토큰들 가운데 중형 시가총액 구간에 위치해 있으며, 가장 큰 암호화폐 네트워크 그룹에는 속하지 않는다. CoinGecko의 최신 크롤 결과에 따르면 Score는 시가총액 기준 암호화폐 랭킹 500위대 초반에 위치했고, Bittensor.ai의 라이브 서브넷 뷰에서는 256/256 뉴런이 모두 찬 서브넷, 9개의 밸리데이터, Taostats에 표시된 수천 명의 보유자, 그리고 스냅샷 시점 서브넷 풀에 약 131,000 TAO 상당의 TVL이 나타났다. 이 수치들은 특정 시점의 마켓 및 스테이킹 지표일 뿐, 지속적인 최종 사용자 수요의 증거로 해석되어서는 안 된다. 보다 분석적으로 보면, Score의 규모는 중앙집중형 컴퓨터 비전 벤더나 스포츠 데이터 기존 강자들에 비해 아직 작지만, Bittensor 내부에서는 상대적으로 차별화되어 있다. 순전히 투기적인 인플레이션 게임이 아니라, 비전 모델과 영상 기반 라벨이라는 측정 가능한 외부 산출물에 초점을 두기 때문이다. (coingecko.com)

Score는 누가 언제 설립했는가?

Score는 ChatGPT 이후 AI 인프라 내러티브가 확장되고, Bittensor 서브넷 토큰 초기 사이클이 진행되던 2024년에 대중적으로 등장한 것으로 보인다.

프로젝트 관련 회사 정보에 따르면 Score - Subnet 44는 2024년에 설립되었고 뉴욕시에 본사를 두고 있으며, Bittensor 서브넷 기록에는 sn44가 2024년 9월 온체인에 등록된 것으로 나온다. 창업자에 대한 표기는 공개 자료마다 조금씩 다르지만, 가장 일관되게 등장하는 이름은 Maxime Sebti, Tim Kalic, Nigel Grant이다. SIRE 문서에서는 Maxime Sebti를 Score Technologies의 공동 창업자 겸 CEO, Tim Kalic을 공동 창업자 겸 CTO, Nigel Grant를 공동 창업자 겸 최고 매출 책임자(CRO)로 기록한다. LinkedIn에서는 Tim Kalic을 Score - Subnet 44와 Manako Labs의 공동 창업자 겸 CTO로 소개한다. 운영 주체는 종종 Score Technologies 또는 Vision Research Foundation과 연계된 구조로 묘사되며, 이후 Manako Labs가 서브넷 상단에 구축된 상업적 인터페이스로 가시성을 확보한 것으로 보인다. (linkedin.com)

프로젝트의 내러티브는 론칭 이후 상당히 변화했다. 초기 커뮤니티 자료에서의 Score는 스포츠 예측, 스포츠 분석, 축구 커뮤니티 온보딩에 더 가까웠던 반면, 현재의 포지셔닝은 더 넓다. 즉, 현실 세계 카메라 네트워크를 대상으로 소형·태스크 특화 비전 모델을 학습·평가할 수 있는 “오픈·퍼미션리스 컴퓨터 비전 레이어”라는 방향이다.

축구 경기 상태 인식(Game State Recognition) 테제는 여전히 중요하다. 스포츠 영상은 밀도 높고 고가치의 라벨 데이터와 명확한 상업 시장을 제공하기 때문이다. 그러나 보다 최근의 Manako 프레이밍은 Score를 제한 구역 알림, 주유소 객체 탐지, 차량/사람 탐지, 엣지 배포 운영 모니터링 등 엔터프라이즈 물리 AI(physical-AI) 활용 사례 쪽으로 이동시킨다. 이는 전략적으로 합리적이다. 순수 스포츠 분석 시장은 틈새이며 기존 강자들이 뚜렷한 반면, 엔터프라이즈 카메라 인텔리전스 시장은 훨씬 크기 때문이다. 동시에 실행 리스크도 키운다. Score는 초기 서브넷 설계의 일관성을 지탱해 준 검증 엄격성을 잃지 않으면서, 축구를 넘어 일반화할 수 있음을 증명해야 하기 때문이다. (kucoin.com)

Score 네트워크는 어떻게 작동하는가?

Score는 독립적인 작업증명(POW), 지분증명(POS), 또는 DAG 블록체인을 운영하지 않는다. 대신 Bittensor의 L1인 Subtensor 위에서 실행되는 애플리케이션 특화 서브넷이며, Score에 대한 실질적인 “합의”는 별도의 블록 생성 메커니즘이 아니라, Bittensor의 지분 가중 Yuma Consensus 프로세스이다. Bittensor에서 서브넷은 인센티브 마켓 역할을 한다. 마이너는 정의된 AI 작업을 수행하고, 밸리데이터는 그 품질을 평가하며, Yuma Consensus는 밸리데이터의 가중치 제출을 바탕으로 마이너 및 밸리데이터에 대한 토큰 발행량(에미션)을 결정한다.

Bittensor 문서에 따르면, Yuma Consensus는 Subtensor 체인 상에서 실행되며, 밸리데이터가 마이너 성능을 랭킹한 결과를 바탕으로 마이너와 밸리데이터의 에미션을 계산한다. 이때 지분 가중 클리핑을 통해 공모(collusion) 또는 신뢰하기 어려운 채점을 줄이는 것을 목표로 한다. sn44의 경우 보안 모델은 부분적으로 Bittensor 체인에서 상속되며, 동시에 Score의 밸리데이터가 고품질 컴퓨터 비전 출력과 저품질 또는 공격적 제출물을 얼마나 신뢰성 있게 구분할 수 있는지에 달려 있다. (docs.learnbittensor.org)

기술적으로 Score의 아키텍처는 세 가지 역할 구조를 가진다. 마이너는 비디오 또는 이미지 태스크를 받아 로컬에서 객체 탐지, 추적, 특화 모델 추론 등을 수행하고, 밸리데이터는 마이너 출력을 샘플링해 점수를 매기며, 서브넷 소유자는 태스크 설계, 인센티브 파라미터, 전반적인 네트워크 건강도를 관리한다.

Score의 특징은 검증 방식에 있다. 모든 프레임을 고비용의 전체 모델 추론으로 검증하는 대신, Score는 필터링된 프레임, 의미론 체크, 키포인트 및 경기장 기하 구조의 개연성, 재투영 오차(reprojection error), GS-HOTA 스타일의 탐지–연결(detection-association) 메트릭 등을 활용해 품질을 효율적으로 근사한다.

초기 Score 자료는 축구 클립, 선수–공 탐지, 경기장 라인 추출, 30초 경기 구간 등에 초점을 두었다. 이후 자료에서는 모델 증류(model distillation)와 경량·엣지 배포 가능 비전 스킬에 더 무게를 두고 있다. 이는 기술적으로 그럴듯하지만, 핵심적인 긴장을 낳는다. Score가 임의의 엔터프라이즈 비전 태스크로 확장할수록 단일·견고한 검증 체계를 유지하기 어려워지고, 단순히 더 많은 마이너를 추가하는 것이 아니라 정교한 벤치마크 설계에 더 의존하게 되기 때문이다. (github.com)

sn44의 토크노믹스는 어떠한가?

sn44는 Bittensor의 Dynamic TAO 모델 하에서 동작하는 알파 토큰으로, 고정 배분표를 가진 전통적인 ERC-20 토큰과는 공급·가치 메커니즘이 다르다. Bittensor의 Dynamic TAO FAQ에 따르면, 각 서브넷 알파 토큰은 2,100만 개의 하드캡을 가지며 반감기 스케줄을 따른다. 에미션 문서는 서브넷별 알파 토큰이 마이너, 밸리데이터, 스테이커, 서브넷 생성자에게 발행된다고 설명한다. 2026년 6월 말 기준, 서드파티 마켓 페이지에 따르면 유통 중인 SN44는 약 400만~500만 개 수준이며, 시가총액은 3,000만 달러 후반에서 4,000만 달러 초반 구간으로 나타난다. 사용자 제공 자산 스냅샷에서는 시가총액이 약 4,240만 달러, 토큰 가격은 달러 기준 한 자릿수 후반대로 제시되었다. 구조적으로 sn44는 공급이 상한에 근접하고 반감기를 거쳐 에미션이 줄어들기 전까지는 인플레이션 토큰이며, 소각(burn)에 주로 의존하는 모델은 아니다. 다만 Bittensor 등록 비용 및 프로토콜 레벨 메커니즘이, 서브넷 참여를 둘러싼 TAO/알파 토큰 흐름에 영향을 줄 수 있다. docs.learnbittensor.org

가치 축적은 스테이킹 수요, 마이너–밸리데이터 경제 구조, 그리고 서브넷이 실제로 가치 있는 컴퓨터 비전 출력을 만들어내는지에 대한 시장의 평가에서 비롯된다. Dynamic TAO에서 사용자가 마이닝 서브넷에 스테이킹할 때, 실질적으로 TAO를 해당 서브넷 알파 토큰으로 교환하고 그 알파 토큰을 밸리데이터에 스테이킹하는 구조다. 출구 가치(exit value)는 언스테이킹 시점의 알파–TAO 풀 비율에 따라 결정된다. 2026년 6월자 Bittensor 에미션 문서는 네트워크가 2025년 11월부터 2026년 6월까지의 플로우 기반(flow-based) 기간을 거친 뒤, 다시 가격 기반(price-based) 모델로 돌아왔다고 설명한다. 이는 서브넷 토큰 가격과 이동 평균이 서브넷 간 TAO 에미션 배분에 다시 영향을 준다는 뜻이다.

Score에 한정하면, Bittensor.ai의 6월 말 스냅샷 기준 소유자 몫은 18%였으며, 마이너, 밸리데이터/스테이커, 소유자 간에 에미션이 분배되고 있었다. 이때 화면에 표시된 스테이킹 APY는 안정적인 수익률이라기보다 변동성이 큰 에미션 출력으로 해석하는 편이 타당하다. 경제적으로 보면, sn44 보유자는 반사(reflexive) 시스템을 인수하는 셈이다. 유용한 모델과 외부 수요는 스테이크 유입과 에미션을 정당화할 수 있지만, 수수료를 지불하는 실사용 수요 없이 에미션만 늘어나면 보유자는 희석되고, 지속적인 네트워크 효용보다는 단기 자본 회전에 보상이 돌아갈 수 있다. (docs.learnbittensor.org)

누가 Score를 사용하고 있는가?

여기서 중요한 구분은 토큰 활동과 제품 사용 사이의 차이다. Score의 온체인 거래량, 보유자, validator 수와 스테이킹 TVL은 해당 자산에 시장 참여가 있다는 것을 보여 주지만, 이런 지표만으로는 기업이나 스포츠 팀이 비전 출력물에 실제로 비용을 지불하고 있는지를 증명하지 못합니다.

실질적인 유틸리티는 태스크 활동, 모델 벤치마크, 마이너 경쟁, 그리고 서브넷 위에 구축된 상업적 애플리케이션에서 더 잘 추론할 수 있습니다. Score의 공개 자료는 스포츠 분석, 방송, 베팅, 스카우팅, 코칭을 초기 타깃 시장으로 제시하고 있으며, 더 최근의 공개 커뮤니케이션에서는 사람 감지, 차량 감지, 화재 감지, 주유소 모니터링과 같은 보다 광범위한 컴퓨터 비전 트랙을 설명합니다.

2026년 중반 기준으로 가장 신뢰할 수 있는 사용 패턴은 소매 사용자가 sn44와 직접 상호작용하는 것이 아니라, 빌더들이 서브넷을 분산형 모델 검색 및 모델 증류 백엔드로 사용하는 것입니다. (github.com)

가장 구체적인 엔터프라이즈 지향 도입 신호는 Manako Labs입니다. 2026년 4월, Manako는 PwC France 및 Maghreb와의 제휴를 발표하면서, PwC France가 조직들이 기존 카메라 네트워크를 운영 인텔리전스 시스템으로 전환할 수 있도록 Score - Subnet 44로 구동되는 Manako의 Business Operations World Model에 의존할 것이라고 밝혔습니다. 2026년 6월에는 KuCoin이 배포한 CryptoBriefing 기사에서, Manako가 Bittensor의 Score Subnet 44로 구동되는 비전 AI 에이전트 플랫폼을 출시했으며, 노코드 인터페이스, CPU에서 실행 가능한 모델, 엣지 처리, Slack 알림, 그리고 북미 확장을 위한 100만 달러 규모의 TaoWeave 투자 계획을 갖추고 있다고 보도했습니다. 이는 의미 있는 상업적 신호이지만, 감사된 매출, 고객 유지율, 엔터프라이즈 규모의 배포 지표와는 다릅니다. 회의적인 관점에서 보면, Score는 Manako 및 PwC 인접 자문 채널을 통한 유망한 유통망을 확보했지만, 여전히 반복 고객, 유료 워크로드, 처리된 카메라 사용 시간 혹은 승인된 모델 태스크 수 등으로 측정되는 처리량에 대한 보다 강력한 증거를 공개할 필요가 있습니다. (manako.ai)

Score의 리스크와 도전 과제는 무엇인가?

Score의 규제 노출은 간접적이지만 실질적입니다. 검토된 공개 자료에는 Score 또는 sn44를 대상으로 한 알려진 활성 규제 당국의 소송은 없어 보이지만, sn44는 TAO, Bittensor 서브넷 토큰, 스테이킹, 그리고 발행(에미션) 기반 디지털 자산 전반에 대한 불확실성을 함께 떠안고 있습니다. Grayscale이 제출한 Bittensor Trust S-1은 TAO가 증권으로 주장될 수 있는 리스크를 명시적으로 논의하며, 스폰서 측이 TAO를 증권이 아니라고 보더라도 SEC나 법원이 상반된 입장을 취할 수 있다고 적시합니다. 이는 sn44에 중요합니다. 알파 토큰은 서브넷 생성자의 활동, 발행 설계, 스테이킹 흐름, 생산적인 관리 노력에 대한 기대와 더욱 밀접하게 연계되어 있기 때문입니다. 두 번째 주요 리스크는 중앙화입니다. Bittensor.ai 페이지의 6월 말 스냅샷에 따르면 sn44에는 검증인이 9명뿐이었고, 소유자 몫은 18%, 커밋-리빌과 리퀴드 알파 설정은 비활성화되어 있었으며, 서브넷을 폐기(abandoned)로 표시하는 헬스 라벨과 함께, 직전 30일간 GitHub 커밋이 없고 마지막 커밋이 약 200일 전인 것으로 나타났습니다. 이러한 라벨 중 일부는 온체인 밖 개발 상황을 반영하는 데 시차가 있을 수 있지만, 기관 투자자들은 검증인 집중도, 소유자 재량, 오래된 리포지토리, 불투명한 태스크 거버넌스를 실질적인 실사 항목으로 간주해야 합니다. sec.gov

경쟁 리스크도 상당합니다. 스포츠 분석 분야에서 Score는 Opta 스타일의 스포츠 데이터 벤더, 클럽 분석 스택, 방송 추적 시스템, 그리고 암호화 인센티브가 필요 없는 특화 컴퓨터 비전 공급자와 같은 기존 데이터 및 비디오 분석 공급자와 경제적으로 경쟁합니다. 엔터프라이즈 비전 분야에서는 클라우드 AI 플랫폼, 엣지 AI 벤더, Roboflow 유사 툴링, 오픈소스 모델, 그리고 보안·리테일·물류·산업용 소프트웨어에 내장된 독점 수직 솔루션과 경쟁합니다. 분산형 서브넷 모델은 더 나은 모델을 안정적으로 소싱할 수 있다면 비용 및 인재 발굴 측면에서 이점을 줄 수 있지만, 직접적인 고객 피드백 루프, 서비스 수준 계약, 조달 팀, 컴플라이언스 통제를 보유한 중앙화 벤더보다 제품화 속도가 느릴 수도 있습니다. 토큰은 또 다른 위협을 가져옵니다. 만약 발행 보상이 외부 매출보다 매력적이라면, 마이너와 검증인은 고객 성과보다 보상 메커니즘을 최적화하는 방향으로 움직일 수 있으며, 그 결과 서브넷 활동과 경제적으로 유용한 출력 사이에 괴리가 생길 수 있습니다. medium.com

Score의 향후 전망은 어떠한가?

Score의 전망은 가격 성과보다는, 신뢰할 수 있는 기술적 틈새를 반복 가능한 상업 인프라로 전환할 수 있는지에 더 크게 좌우됩니다.

공개 GitHub 자료에 검증된 로드맵은 2025년까지의 순서를 제시하고 있습니다. 게임 상태 인식(Game State Recognition)과 VLM 기반 검증에서 시작해 메인넷 배포, 인간 참여형 검증(human-in-the-loop validation), 대시보드, 액션 스포팅, 이벤트 캡셔닝, 통합 API, 추가 스포츠, 개발자 도구, 크로스 도메인 애플리케이션으로 이어지는 계획입니다.

2026년 중반까지의 공개 내러티브는 Manako 기반 엔터프라이즈 카메라 인텔리전스와 소규모 태스크 특화 모델 증류 쪽으로 진전되었고, 이와 동시에 Bittensor 자체는 2026년 6월 가격 기반 발행으로의 회귀 등 중요한 토크노믹스 변화를 겪었습니다.

따라서 여기서부터 가장 중요한 마일스톤은 홍보가 아니라 실무적 부분입니다. 갱신된 오픈소스 개발, 보다 명확한 검증인 및 마이너 텔레메트리, 감사된 모델 벤치마크, 공개 API 문서, 유료 워크로드의 증거, 그리고 비(非) 축구 태스크에 대한 견고한 검증 프레임워크가 이에 해당합니다. (github.com)

구조적 난제는 Score가 서브넷이 단순한 발행 보조 모델 경쟁 이상의 것임을 입증해야 한다는 데 있습니다.

만약 Manako 및 유사 애플리케이션이 실제 엔터프라이즈 비전 문제를 지속적으로 sn44로 라우팅하고, 마이너 출력물을 벤치마킹하며, 컴팩트한 모델을 엣지에 배포하고, 중앙화 툴링 대비 비용 또는 정확도 우위를 보여 줄 수 있다면, Score는 Bittensor 네이티브 컴퓨터 비전 노동 시장으로서 방어 가능한 역할을 갖게 됩니다. 그렇지 못한다면, 이 자산은 실제 제품-시장 적합성과 토큰 유동성 사이의 분리가 제한된 상태에서, Bittensor 서브넷 투기에 대한 레버리지 베팅으로 주로 평가받을 위험이 있습니다. 가격 전망을 제시하는 것은 적절치 않으며, 관련된 질문은 sn44가 고품질 검증을 지속하고, 통제를 분산시키며, 중앙화 비전 플랫폼이 비용 효율성 격차를 완전히 좁히기 전에 카메라 데이터를 외부에서 수요가 있는 인프라로 전환할 수 있는지 여부입니다.