Score

Wat is Score?

Score, ook bekend als sn44 of Score Vision, is een Bittensor-subnet dat gedecentraliseerde machine‑learning‑prikkels toepast op computervisie, aanvankelijk door voetbal- en andere videostreams om te zetten in gestructureerde machine‑leesbare data zoals spelerslocaties, baltracking, veldgeometrie, objectdetecties en gebeurteniscontext.

Het probleem dat het aanpakt is niet generieke “AI‑compute”, maar de smallere en commercieel relevante bottleneck van video‑annotatie: het omzetten van grote hoeveelheden ruwe beelden in nauwkeurige labels, snel en goedkoop genoeg om nuttig te zijn voor sportanalyse, veiligheidsmonitoring, retailoperaties, logistiek en andere omgevingen met veel camera’s.

De geclaimde moat is de combinatie van Bittensor’s miner‑validator‑incentivemarkt met lichte validatiemethoden, waaronder frame‑filtering, veld-/keypoint‑controles, homografie‑achtige geometrische tests en CLIP‑gebaseerde semantische verificatie, die zijn ontworpen om te voorkomen dat volledige visiemodellen voor elke ingezonden frame opnieuw moeten worden gedraaid.

De eigen GitHub‑repository van het project beschrijft Score Vision als een gedecentraliseerd computervisie‑framework dat zich eerst richt op Game State Recognition in voetbal, terwijl de huidige Bittensor subnet‑pagina sn44 karakteriseert als een framework waarin miners video lokaal verwerken en validators resultaten scoren via hybride visuele en geometrische controles. (github.com)

Score’s marktpositie moet vooral worden begrepen als een gespecialiseerd Bittensor‑applicatiesubnet, niet als een base‑layer‑blockchain of breed smart‑contractplatform.

Eind juni 2026 plaatsten publieke marktoverzichten Score in het mid‑cap‑segment onder liquide Bittensor‑subnettokens, en niet tussen de grootste cryptonetwerken; de recente crawl van CoinGecko liet Score zien rond de lage 500‑posities qua crypto‑marktkapitalisatie, terwijl de live subnet‑weergave van Bittensor.ai een subnet toonde met een volledige set van 256/256 neuronen, negen validators, enkele duizenden houders zichtbaar op Taostats en ongeveer 131.000 TAO‑equivalent TVL in de snapshot van de subnetpool. Deze cijfers moeten worden gezien als momentopnamen van markt‑ en stakingindicatoren, niet als bewijs van duurzame eindgebruikersvraag. Analytisch gezien is de schaal van Score nog steeds klein ten opzichte van gecentraliseerde computervisie‑leveranciers en gevestigde sportdatapartijen, maar binnen Bittensor is het relatief gedifferentieerd omdat het zich richt op een meetbare externe output—visiemodellen en videogebaseerde labels—in plaats van een puur speculatief emissiespel. (coingecko.com)

Wie heeft Score opgericht en wanneer?

Score verscheen publiekelijk in 2024, tijdens de post‑ChatGPT‑uitbreiding van AI‑infrastructuurnarratieven en de vroege Bittensor‑subnett‑tokencyclus.

De bedrijfsvermelding van het project noemt Score - Subnet 44 als opgericht in 2024 en gevestigd in New York City, terwijl het Bittensor‑subnetrecord aangeeft dat sn44 on‑chain werd geregistreerd in september 2024. Toeschrijving van oprichters varieert enigszins tussen publieke bronnen, maar de meest consistente namen zijn Maxime Sebti, Tim Kalic en Nigel Grant; SIRE‑documentatie identificeert Maxime Sebti als co‑founder en CEO van Score Technologies, Tim Kalic als co‑founder en CTO, en Nigel Grant als co‑founder en chief revenue officer, terwijl LinkedIn‑verwijzingen Tim Kalic noemen als co‑founder en CTO van Score - Subnet 44 en Manako Labs. De operationele entiteit wordt vaak omschreven als Score Technologies of gelinkt aan Vision Research Foundation, waarbij Manako Labs later zichtbaar werd als commerciële interface bovenop het subnet. (linkedin.com)

De narratief rond het project is sinds de lancering materieel verschoven. Vroeg community‑materiaal rond Score lag dichter bij sportvoorspelling, sportanalyse en onboarding van de voetbalcommunity, terwijl de huidige positionering breder is: een “open, permissionless computer vision‑laag” die kleine, taak‑specifieke visiemodellen kan trainen en evalueren voor echte cameranetten.

De Game State Recognition‑these in voetbal blijft belangrijk omdat sportbeelden dichte, hoog‑waarde gelabelde data en een duidelijke commerciële markt bieden, maar het recentere Manako‑framing beweegt Score richting enterprise physical‑AI‑use‑cases zoals restricted‑zone‑alerts, objectdetectie bij tankstations, voertuig-/persoondetectie en operationele monitoring aan de edge. Deze evolutie is strategisch rationeel, omdat pure sportanalyse een nichemarkt is met gevestigde incumbenten, terwijl enterprise camera‑intelligentie groter is, maar het verhoogt ook het executierisico: Score moet bewijzen dat het kan generaliseren voorbij voetbal zonder de validatierigor te verliezen die het oorspronkelijke subnet‑ontwerp coherent maakte. (kucoin.com)

Hoe werkt het Score‑netwerk?

Score draait geen eigen proof‑of‑work‑, proof‑of‑stake‑ of DAG‑blockchain. Het is een applicatie‑specifiek subnet op Bittensor’s Subtensor L1, waar de relevante “consensus” voor Score Bittensor’s stake‑gewogen Yuma Consensus‑proces is en niet een zelfstandig blockproductiemechanisme. In Bittensor zijn subnets incentivemarktplaatsen: miners voeren een gedefinieerde AI‑taak uit, validators beoordelen de kwaliteit van dat werk, en Yuma Consensus zet de gewichtsinzendingen van validators om in emissies voor miners en validators.

De Bittensor‑documentatie stelt dat Yuma Consensus on‑chain binnen Subtensor draait en miner‑ en validator‑emissies berekent op basis van de rankings van validators van de prestaties van miners, met stake‑gewogen clipping om collusieve of onbetrouwbare scoring te beperken. Voor sn44 betekent dit dat het beveiligingsmodel deels wordt geërfd van de Bittensor‑chain en deels afhankelijk is van de vraag of de validators van Score betrouwbaar hoogwaardig computervisiewerk kunnen onderscheiden van lage kwaliteit of adversariële inzendingen. (docs.learnbittensor.org)

Technisch gezien is de architectuur van Score een systeem met drie rollen: miners ontvangen video‑ of afbeeldingtaken en draaien lokaal objectdetectie, tracking of gespecialiseerde modelinference; validators steken proefgewijs en scoren de outputs van miners; en de subnet‑eigenaar onderhoudt taakontwerp, incentiveparameters en de algehele gezondheid van het netwerk.

Het onderscheidende kenmerk is de validatieaanpak. In plaats van elk frame te valideren met dure full‑model‑inference gebruikt Score gefilterde frames, semantische checks, keypoints en veldgeometrie‑plausibiliteit, reprojection error en GS‑HOTA‑achtige detectie‑associatiemetrics om kwaliteit efficiënt te benaderen.

Vroeg Score‑materiaal benadrukte voetbalclips, speler‑bal‑detectie, extractie van veldlijnen en 30‑seconden‑matchsegmenten; nieuwer materiaal benadrukt modeldistillatie en lichte, aan de edge inzetbare visieskills. Dit is technisch plausibel, maar creëert een centrale spanning: hoe meer Score uitbreidt naar willekeurige enterprise‑visietaken, hoe moeilijker het wordt om één robuust validatieregime te behouden, en hoe meer het subnet afhankelijk wordt van zorgvuldig benchmarkontwerp in plaats van simpelweg meer miners toevoegen. (github.com)

Wat zijn de tokenomics van sn44?

sn44 is een alpha‑token onder Bittensor’s Dynamic TAO‑model, dus de supply‑ en waardemechanismen verschillen van een conventionele ERC‑20 met een vaste allocatietabel. De Dynamic TAO‑FAQ van Bittensor stelt dat elk subnet‑alpha‑token een hard cap van 21 miljoen heeft en een halveringsschema volgt, terwijl de emissiedocumentatie uitlegt dat subnet‑specifieke alpha‑tokens worden uitgekeerd aan miners, validators, stakers en subnet‑makers. Eind juni 2026 gaven derdepartij‑marktpagina’s aan dat er ongeveer 4–5 miljoen SN44 in omloop waren, met een marktkapitalisatie in de hoge 30 tot lage 40 miljoen dollar, terwijl de door gebruikers aangeleverde assetsnapshot de marktkapitalisatie rond 42,4 miljoen dollar plaatste en de token in de hoge enkelcijferige dollar range. Structureel is sn44 inflatoir totdat de emissies via halveringen afnemen en de supply de cap nadert; het is niet primair een burn‑tokenmodel, al kunnen Bittensor‑registratiekosten en protocolmechanismen de TAO/alpha‑stromen rond subnetparticipatie beïnvloeden. docs.learnbittensor.org

Waardetoerekening komt voort uit stakingvraag, miner‑validator‑economie en de beoordeling door de markt of het subnet waardevolle computervisie‑outputs oplevert. In Dynamic TAO ruilt een gebruiker die in een mining‑subnet staket in feite TAO om voor de alpha van dat subnet en staket die alpha naar een validator; de exitwaarde hangt dan af van de alpha‑tot‑TAO‑poolratio bij unstaken. De emissiedocumentatie van Bittensor van juni 2026 is belangrijk omdat daarin staat dat het netwerk was teruggekeerd naar een prijs‑gebaseerd model voor het verdelen van TAO‑emissies over subnets, na een flow‑gebaseerde periode van november 2025 tot juni 2026, wat betekent dat subnettokenprijzen en voortschrijdende gemiddelden opnieuw invloed hebben op het emissieaandeel.

Specifiek voor Score liet de late‑juni‑snapshot op Bittensor.ai een 18% owner cut zien en emissies verdeeld over miners, validators/stakers en de eigenaar, met een zeer hoge weergegeven staking‑APY die moet worden geïnterpreteerd als een volatiele emissie‑output in plaats van een stabiel rendement. Economisch gezien onderschrijven sn44‑houders een reflexief systeem: nuttige modellen en externe vraag kunnen instromen van stake en emissies rechtvaardigen, maar emissies zonder vraag van betalende gebruikers kunnen houders verwateren en kortetermijnkapitaalrotatie belonen in plaats van duurzame netwerknuttigheid. (docs.learnbittensor.org)

Wie gebruikt Score?

Het belangrijkste onderscheid is dat tussen tokenactiviteit en productgebruik. De on‑chain handelsvolumes, houders van Score, validatoraantal en staking-TVL laten zien dat het asset marktparticipatie heeft, maar die statistieken bewijzen niet dat ondernemingen of sportteams betalen voor vision‑outputs.

Werkelijke utiliteit is beter af te leiden uit taakactiviteit, modelbenchmarks, miner‑competities en commerciële toepassingen die op de subnet zijn gebouwd. De publieke materialen van Score noemen sportanalytics, broadcasting, betting, scouting en coaching als eerste doelmarkten, terwijl recentere publieke communicatie bredere computer‑vision‑tracks beschrijft zoals persoonsdetectie, voertuigherkenning, branddetectie en bewaking van tankstations.

Vanaf medio 2026 is het meest geloofwaardige gebruikspatroon niet dat retailgebruikers direct met sn44 interageren, maar dat builders de subnet gebruiken als een gedecentraliseerde backend voor model discovery en model distillation. (github.com)

Het meest concrete signaal van enterprise‑gerichte adoptie is Manako Labs. In april 2026 kondigde Manako een alliantie aan met PwC Frankrijk en Maghreb, waarbij werd gesteld dat PwC Frankrijk zou leunen op Manako’s Business Operations World Model, aangestuurd door Score - Subnet 44, om organisaties te helpen bestaande cameranetwerken om te zetten in systemen voor operationele intelligentie. In juni 2026 meldde een CryptoBriefing‑artikel, gesyndiceerd door KuCoin, dat Manako een vision‑AI‑agentplatform had gelanceerd dat draait op Bittensor’s Score Subnet 44, met een no‑code‑interface, op CPU uitvoerbare modellen, edge‑processing, Slack‑alerts en een aangekondigde investering van $1 miljoen in TaoWeave voor uitbreiding in Noord‑Amerika. Dit zijn betekenisvolle commerciële signalen, maar ze zijn niet hetzelfde als gecontroleerde omzet, klantretentie of metrics voor uitrol op ondernemingsschaal. Een sceptische lezing is dat Score veelbelovende distributie heeft via Manako en PwC‑aanpalende advisory‑kanalen, maar nog steeds sterker bewijs moet leveren van terugkerende klanten, betaalde workloads en throughput gemeten in verwerkte camera‑uren of geaccepteerde modeltaken. (manako.ai)

Wat Zijn de Risico’s en Uitdagingen voor Score?

Score’s regulatoire blootstelling is indirect maar reëel. Er lijkt in de geraadpleegde publieke bronnen geen bekende, actieve rechtszaak van een toezichthouder specifiek tegen Score of sn44 te zijn, maar sn44 erft de bredere onzekerheid rond TAO, Bittensor‑subnettokens, staking en emissie‑gedreven digitale assets. Grayscale’s ingediende Bittensor Trust S-1 bespreekt expliciet het risico dat TAO als een effect zou kunnen worden aangemerkt en merkt op dat de SEC of een rechtbank een afwijkend standpunt kan innemen, zelfs waar de sponsor TAO niet als effect beschouwt. Dat is relevant voor sn44 omdat alpha‑tokens nog nauwer verbonden zijn met de activiteit van subnet‑makers, emissie‑ontwerp, staking‑stromen en verwachtingen rond productieve bestuurlijke inspanning. Centralisatie is het tweede grote risico. De Bittensor.ai‑pagina toonde in de momentopname van eind juni slechts negen validators op sn44, een eigenaarscut van 18%, uitgeschakelde commit‑reveal‑ en liquid‑alpha‑instellingen, en een gezondheidslabel dat de subnet als verlaten omschreef, terwijl er ook geen GitHub‑commits in de voorafgaande 30 dagen werden getoond en een laatste commit ruwweg 200 dagen eerder. Sommige van die labels kunnen achterlopen op off‑chain‑ontwikkeling, maar institutionele investeerders zouden validatorconcentratie, eigenaarsdiscretie, verouderde repositories en ondoorzichtige taakgovernance als materiële due‑diligence‑onderwerpen moeten behandelen. sec.gov

Het concurrerende risico is eveneens aanzienlijk. In sportanalytics concurreert Score economisch met gevestigde data‑ en video‑analyseproviders zoals Opta‑achtige sportdataleveranciers, club‑analytics‑stacks, broadcast‑trackingsystemen en gespecialiseerde computer‑vision‑providers die geen cryptoprikkels nodig hebben. In enterprise‑vision concurreert het met cloud‑AI‑platforms, edge‑AI‑leveranciers, Roboflow‑achtige tooling, open‑sourcemodellen en propriëtaire verticale oplossingen die zijn ingebed in beveiligings-, retail-, logistieke en industriële software. Het gedecentraliseerde subnet‑model kan een kosten‑ en talent‑ontdekkingsvoordeel zijn als het betrouwbaar betere modellen aanboort, maar het kan ook trager zijn om te productizen dan een gecentraliseerde leverancier met directe klantfeedbackloops, service‑level‑overeenkomsten, inkoopteams en compliance‑controles. De token voegt nog een bedreiging toe: als emissies aantrekkelijker zijn dan externe omzet, kunnen miners en validators optimaliseren voor reward‑mechanieken in plaats van klantresultaten, waardoor er een kloof ontstaat tussen subnetactiviteit en economisch nuttige output. medium.com

Wat Is de Toekomstverwachting voor Score?

De vooruitzichten voor Score hangen minder af van prijsperformance en meer van de vraag of het een geloofwaardige technische niche kan omzetten in herhaalbare commerciële infrastructuur.

De geverifieerde roadmap in de publieke GitHub‑materialen schetste een 2025‑volgorde van Game State Recognition en VLM‑gebaseerde validatie naar mainnet‑uitrol, human‑in‑the‑loop‑validatie, dashboards, action spotting, event captioning, integratie‑API’s, extra sporten, ontwikkelaarstools en cross‑domain‑toepassingen.

Tegen midden 2026 was het publieke narratief verschoven richting door Manako aangestuurde enterprise‑camera‑intelligentie en kleine taakspecifieke modeldistillation, terwijl Bittensor zelf belangrijke tokenomics‑wijzigingen had ondergaan, waaronder de terugkeer naar prijsgebaseerde emissies in juni 2026.

De belangrijkste mijlpalen vanaf hier zijn daarom praktisch in plaats van promotioneel: vernieuwde open‑source‑ontwikkeling, duidelijkere telemetry voor validators en miners, gecontroleerde modelbenchmarks, publieke API‑documentatie, bewijs van betaalde workloads en een robuust validatiekader voor niet‑voetbaltaken. (github.com)

De structurele horde is dat Score moet aantonen dat de subnet meer is dan een door emissies gesubsidieerde modelcompetitie.

Als Manako en soortgelijke toepassingen consistent echte enterprise‑vision‑problemen naar sn44 kunnen routeren, miner‑outputs kunnen benchmarken, compacte modellen aan de edge kunnen uitrollen, en kosten‑ of nauwkeurigheidsvoordelen kunnen laten zien ten opzichte van gecentraliseerde tooling, dan heeft Score een verdedigbare rol als Bittensor‑native computervision‑arbeidsmarkt. Zo niet, dan loopt het asset het risico vooral te worden gewaardeerd als een hefboompositie op Bittensor‑subnetspeculatie, met beperkte scheiding tussen tokenliquiditeit en daadwerkelijke product‑market fit. Er is geen koersvoorspelling gerechtvaardigd; de relevante vraag is of sn44 hoogwaardige validatie kan volhouden, de controle kan decentraliseren en cameradata kan omzetten in extern gevraagde infrastructuur voordat gecentraliseerde vision‑platforms het kosten‑efficiëntiegat dichten.