Score

Czym jest Score?

Score, znany także jako sn44 lub Score Vision, to subnet Bittensora, który stosuje zdecentralizowane zachęty machine learning do komputerowego rozpoznawania obrazu, początkowo poprzez przekształcanie transmisji piłki nożnej i innych strumieni wideo w ustrukturyzowane, możliwe do odczytu maszynowego dane, takie jak pozycje zawodników, śledzenie piłki, geometria boiska, detekcja obiektów oraz kontekst zdarzeń.

Problem, który rozwiązuje, nie dotyczy ogólnego „obliczania AI”, lecz węższego i komercyjnie istotnego wąskiego gardła w postaci annotacji wideo: konwersji dużych wolumenów surowego materiału filmowego na dokładne etykiety wystarczająco szybko i tanio, aby były użyteczne dla analityki sportowej, monitoringu bezpieczeństwa, operacji detalicznych, logistyki i innych środowisk silnie opartych na kamerach.

Deklarowaną przewagą jest połączenie rynku zachęt górnik–walidator Bittensora z lekkimi metodami walidacji, w tym filtrowaniem klatek, kontrolą boiska/punktów kluczowych, testami geometrii w stylu homografii oraz semantyczną weryfikacją opartą na CLIP, zaprojektowanymi tak, aby uniknąć kosztu ponownego uruchamiania pełnej inferencji wizyjnej dla każdej przesłanej klatki.

Własne repozytorium GitHub projektu opisuje Score Vision jako zdecentralizowane środowisko computer vision skoncentrowane najpierw na rozpoznawaniu stanu gry (Game State Recognition) w piłce nożnej, podczas gdy aktualna strona subnetworku Bittensor charakteryzuje sn44 jako framework, w którym górnicy przetwarzają wideo lokalnie, a walidatorzy oceniają rezultaty za pomocą hybrydowych kontroli wizualnych i geometrycznych. (github.com)

Pozycję rynkową Score najlepiej rozumieć jako wyspecjalizowany aplikacyjny subnet Bittensora, a nie jako blockchain warstwy bazowej czy szeroką platformę smart-kontraktów.

Na koniec czerwca 2026 r. publiczne ekrany rynkowe lokowały Score w segmencie średniej kapitalizacji wśród płynnych tokenów subnetów Bittensora, a nie wśród największych sieci krypto; ostatni odczyt CoinGecko pokazywał Score w okolicach niskich 500. miejsc pod względem kapitalizacji rynkowej kryptowalut, podczas gdy żywy podgląd subnetów na Bittensor.ai pokazywał subnet z pełnym zestawem 256/256 neuronów, dziewięcioma walidatorami, kilkoma tysiącami posiadaczy widocznych na Taostats oraz około 131 000 TAO równoważnego TVL w migawce puli subnetu. Te wartości należy traktować jako wskaźniki rynkowe i stakingowe z konkretnego momentu w czasie, a nie dowód trwałego popytu końcowych użytkowników. Bardziej analitycznie, skala Score nadal jest niewielka w porównaniu z scentralizowanymi dostawcami computer vision oraz dominującymi firmami danych sportowych, ale jest relatywnie zróżnicowana wewnątrz Bittensora, ponieważ celuje w mierzalny zewnętrzny rezultat — modele wizyjne i etykiety wyprowadzone z wideo — zamiast w czysto spekulacyjną grę emisyjną. (coingecko.com)

Kto i kiedy założył Score?

Score wydaje się, że pojawił się publicznie w 2024 r., podczas powystrzałowej po ChatGPT ekspansji narracji o infrastrukturze AI i wczesnego cyklu tokenów subnetów Bittensora.

Obecność korporacyjna projektu podaje Score - Subnet 44 jako założony w 2024 r. i z siedzibą w Nowym Jorku, podczas gdy zapis subnetworku Bittensor pokazuje, że sn44 został zarejestrowany on-chain we wrześniu 2024 r. Przypisanie założycieli nieco się różni w materiałach publicznych, ale najbardziej konsekwentnie pojawiającymi się nazwiskami są Maxime Sebti, Tim Kalic i Nigel Grant; dokumentacja SIRE identyfikuje Maxime’a Sebtiego jako współzałożyciela i CEO Score Technologies, Tima Kalica jako współzałożyciela i CTO oraz Nigela Granta jako współzałożyciela i dyrektora ds. przychodów, podczas gdy LinkedIn wskazuje Tima Kalica jako współzałożyciela i CTO Score - Subnet 44 i Manako Labs. Podmiot operacyjny jest często opisywany jako Score Technologies lub powiązany z Vision Research Foundation, przy czym Manako Labs stało się później widocznym komercyjnym interfejsem zbudowanym na szczycie subnetu. (linkedin.com)

Narracja projektu od momentu uruchomienia istotnie się zmieniła. Wczesne materiały społecznościowe wokół Score były bliższe prognozowaniu sportowemu, analityce sportowej i onboardingowi społeczności piłkarskiej, podczas gdy obecne pozycjonowanie jest szersze: „otwarta, bezpozwoleniowa warstwa computer vision”, która może trenować i oceniać małe, zadaniowo-specyficzne modele wizyjne dla rzeczywistych sieci kamer.

Teza Game State Recognition w piłce nożnej pozostaje ważna, ponieważ nagrania sportowe oferują gęste, wysokowartościowe dane z etykietami i wyraźny rynek komercyjny, ale nowsze ujęcie Manako przesuwa Score w stronę przedsiębiorstwowych przypadków użycia fizycznej AI, takich jak alerty stref ograniczonych, detekcja obiektów na stacjach paliw, detekcja pojazdów/osób oraz wdrażany na brzegu (edge) monitoring operacyjny. Ta ewolucja jest strategicznie racjonalna, ponieważ czysta analityka sportowa to niszowy rynek z ugruntowanymi graczami, podczas gdy inteligencja kamerowa dla przedsiębiorstw jest większa, ale jednocześnie podnosi ryzyko wykonawcze: Score musi udowodnić, że potrafi uogólnić się poza piłkę nożną, nie tracąc rygoru walidacyjnego, który sprawił, że pierwotny projekt subnetu był spójny. (kucoin.com)

Jak działa sieć Score?

Score nie operuje niezależnym blockchainem proof-of-work, proof-of-stake ani DAG. Jest to subnet specyficzny dla aplikacji, działający na Subtensor L1 Bittensora, gdzie odpowiednim „konsensusem” dla Score jest proces Yuma Consensus ważony stawką Bittensora, a nie samodzielny mechanizm produkcji bloków. W Bittensorze subnety są rynkami zachęt: górnicy wykonują zdefiniowane zadanie AI, walidatorzy oceniają jakość tej pracy, a Yuma Consensus przekształca zgłoszenia wag walidatorów w emisje dla górników i walidatorów.

Dokumentacja Bittensor stwierdza, że Yuma Consensus działa on-chain w ramach Subtensor i wylicza emisje dla górników i walidatorów na podstawie rankingów wydajności górników sporządzanych przez walidatorów, z przycinaniem ważonym stawką zaprojektowanym tak, aby zmniejszać znaczenie zmów lub niewiarygodnego oceniania. Dla sn44 oznacza to, że model bezpieczeństwa jest częściowo dziedziczony z łańcucha Bittensora, a częściowo zależy od tego, czy walidatorzy Score są w stanie wiarygodnie odróżnić wysokiej jakości wyjścia computer vision od niskiej jakości lub złośliwych zgłoszeń. (docs.learnbittensor.org)

Technicznie architektura Score jest systemem trójrólkowym: górnicy otrzymują zadania wideo lub obrazowe i lokalnie uruchamiają detekcję obiektów, śledzenie lub wyspecjalizowaną inferencję modelu; walidatorzy próbkują i oceniają wyniki górników; a właściciel subnetu utrzymuje projekt zadań, parametry zachęt oraz ogólny stan zdrowia sieci.

Wyróżniającą cechą jest podejście do walidacji. Zamiast walidować każdą klatkę za pomocą kosztownej, pełnej inferencji modelu, Score używa filtrowanych klatek, kontroli semantycznych, prawdopodobieństwa punktów kluczowych i geometrii boiska, błędu reprojekcji oraz metryk w stylu GS-HOTA do wydajnego przybliżania jakości.

Wcześniejsze materiały Score podkreślały klipy piłkarskie, detekcję zawodników i piłki, ekstrakcję linii boiska oraz 30‑sekundowe segmenty meczu; nowsze materiały akcentują destylację modeli i lekkie, możliwe do wdrożenia na brzegu „umiejętności” wizyjne. Jest to technicznie wiarygodne, ale tworzy centralne napięcie: im bardziej Score rozszerza się na dowolne zadania wizyjne dla przedsiębiorstw, tym trudniej utrzymać jeden, solidny reżim walidacji i tym bardziej subnet zależy od starannego projektowania benchmarków, zamiast po prostu dodawania kolejnych górników. (github.com)

Jakie są tokenomiki sn44?

sn44 jest tokenem alfa w ramach modelu Dynamic TAO Bittensora, więc jego mechanika podaży i wartości różni się od konwencjonalnego ERC‑20 z ustaloną tabelą alokacji. FAQ modelu Dynamic TAO Bittensora stwierdza, że każdy token alfa subnetu ma twardy limit 21 milionów i podąża za harmonogramem halvingów, podczas gdy dokumentacja emisji wyjaśnia, że specyficzne dla subnetu tokeny alfa są emitowane do górników, walidatorów, stakerów oraz twórców subnetów. Na koniec czerwca 2026 r. strony rynkowe stron trzecich wskazywały na około 4–5 milionów SN44 w podaży w obiegu i kapitalizację rynkową w przedziale od wysokich 30 do niskich 40 milionów dolarów, podczas gdy dostarczona przez użytkownika migawka aktywa umieszczała kapitalizację rynkową w okolicach 42,4 mln USD i token w przedziale wysokich jednocyfrowych dolarów. Strukturalnie sn44 jest inflacyjny, dopóki emisje nie wygasną poprzez halvingi i podaż nie zbliży się do limitu; nie jest to głównie model tokena spalającego, chociaż koszty rejestracji w Bittensorze i mechanizmy na poziomie protokołu mogą wpływać na przepływy TAO/alfa wokół udziału w subnecie. docs.learnbittensor.org

Akumulacja wartości wynika z popytu na staking, ekonomiki górnik–walidator oraz oceny rynku, czy subnet wytwarza wartościowe wyjścia computer vision. W Dynamic TAO użytkownik stakujący w subnecie wydobywczym de facto wymienia TAO na alfę tego subnetu i stakuje tę alfę do walidatora; wartość wyjścia zależy następnie od relacji alfa–TAO w puli przy od-stakowaniu. Czerwcowa dokumentacja emisji Bittensora z 2026 r. jest istotna, ponieważ mówi, że sieć powróciła do modelu opartego na cenie do dystrybucji emisji TAO pomiędzy subnety, po okresie od listopada 2025 do czerwca 2026 opartego na przepływach, co oznacza, że ceny tokenów subnetów i średnie kroczące ponownie wpływają na udział w emisjach.

W przypadku Score migawka z końca czerwca na Bittensor.ai pokazywała 18% udział właściciela i podział emisji pomiędzy górników, walidatorów/stakerów oraz właściciela, z bardzo wysokim wyświetlanym rocznym zwrotem ze stakingu (APY), który należy interpretować jako zmienny wynik emisji, a nie stabilną rentowność. W kategoriach ekonomicznych posiadacze sn44 podpierają system refleksyjny: użyteczne modele i zewnętrzny popyt mogą uzasadnić napływy stakowanych środków i emisje, ale emisje bez popytu płacącego opłaty mogą rozwodnić posiadaczy i nagradzać krótkoterminową rotację kapitału zamiast trwałej użyteczności sieci. (docs.learnbittensor.org)

Kto korzysta z Score?

Kluczowe jest rozróżnienie między aktywnością tokena a użyciem produktu. Wolumen obrotu Score on-chain, posiadacze, Liczba walidatorów i staking TVL pokazują, że aktywo ma udział rynkowy, ale te metryki nie dowodzą, że przedsiębiorstwa lub kluby sportowe faktycznie płacą za wyniki modeli wizyjnych.

Rzeczywistą użyteczność lepiej wnioskować z aktywności zadań, benchmarków modeli, konkursów dla minerów oraz komercyjnych aplikacji budowanych na subnecie. Publiczne materiały Score wskazują analitykę sportową, nadawanie (broadcasting), zakłady bukmacherskie, scouting oraz coaching jako początkowe rynki docelowe, podczas gdy nowsza komunikacja publiczna opisuje szersze ścieżki computer vision, takie jak detekcja osób, detekcja pojazdów, wykrywanie pożaru oraz monitoring stacji paliw.

W połowie 2026 r. najbardziej wiarygodny wzorzec użycia to nie użytkownicy detaliczni wchodzący w bezpośrednią interakcję ze sn44, lecz builderzy wykorzystujący subnet jako zdecentralizowany backend do odkrywania i destylacji modeli. (github.com)

Najbardziej konkretnym sygnałem adopcji po stronie przedsiębiorstw jest Manako Labs. W kwietniu 2026 r. Manako ogłosiło sojusz z PwC France and Maghreb, informując, że PwC France będzie opierać się na Business Operations World Model Manako, zasilanym przez Score – Subnet 44, aby pomagać organizacjom zamieniać istniejące sieci kamer w systemy inteligencji operacyjnej. W czerwcu 2026 r. materiał CryptoBriefing, przedrukowany przez KuCoin, informował, że Manako uruchomiło platformę agentów vision AI zasilaną przez Score Subnet 44 Bittensora, z interfejsem no-code, modelami uruchamianymi na CPU, przetwarzaniem na brzegu (edge), alertami Slack oraz zapowiedzianą inwestycją TaoWeave w wysokości 1 mln USD na ekspansję w Ameryce Północnej. To istotne sygnały komercyjne, ale nie są tym samym co zbadany (audytowany) przychód, retencja klientów czy metryki wdrożeń w skali enterprise. Sceptyczna interpretacja jest taka, że Score ma obiecujące kanały dystrybucji poprzez Manako i powiązane z PwC kanały doradcze, ale nadal musi ujawnić mocniejsze dowody na powracających klientów, płatne obciążenia oraz przepustowość mierzoną w przeprocesowanych godzinach materiału z kamer lub zaakceptowanych zadaniach modelowych. (manako.ai)

Jakie są ryzyka i wyzwania dla Score?

Ekspozycja regulacyjna Score jest pośrednia, ale realna. W przeglądanych publicznych źródłach nie widać znanego, aktywnego pozwu regulatora skierowanego konkretnie przeciwko Score lub sn44, ale sn44 dziedziczy szerszą niepewność wokół TAO, tokenów subnetów Bittensor, stakingu oraz aktywów cyfrowych napędzanych emisją. Złożony prospekt Grayscale Bittensor Trust S‑1 wprost omawia ryzyko, że TAO może zostać uznane za papier wartościowy, i zauważa, że SEC lub sąd mogą zająć stanowisko odmienne od poglądu sponsora, który nie uznaje TAO za papier wartościowy. Ma to znaczenie dla sn44, ponieważ tokeny alpha są jeszcze ściślej powiązane z aktywnością twórców subnetu, projektem emisji, przepływami stakingowymi oraz oczekiwaniami co do produktywnego wysiłku zarządczego. Drugim kluczowym ryzykiem jest centralizacja. Strona Bittensor.ai pokazywała w końcówce czerwca na sn44 jedynie dziewięciu walidatorów, 18‑procentowy udział właściciela, wyłączone commit‑reveal i ustawienia liquid‑alpha oraz etykietę „porzucony” przy stanie zdrowia subnetu, a także brak commitów na GitHubie w poprzednich 30 dniach i ostatni commit mniej więcej 200 dni wcześniej. Część tych oznaczeń może nie nadążać za rozwojem off‑chain, ale inwestorzy instytucjonalni powinni traktować koncentrację walidatorów, uznaniowość właściciela, nieaktywne repozytoria i nieprzejrzyste zarządzanie zadaniami jako istotne kwestie due diligence. sec.gov

Ryzyko konkurencyjne jest również znaczące. W analityce sportowej Score konkuruje ekonomicznie z obecnymi dostawcami danych i analizy wideo, takimi jak dostawcy danych sportowych w stylu Opta, klubowe stacki analityczne, systemy śledzenia dla nadawców oraz wyspecjalizowani dostawcy computer vision, którzy nie potrzebują zachęt kryptowalutowych. W segmencie vision dla przedsiębiorstw konkuruje z chmurowymi platformami AI, dostawcami edge‑AI, narzędziami w stylu Roboflow, modelami open source oraz wertykalnymi, zastrzeżonymi rozwiązaniami wbudowanymi w oprogramowanie bezpieczeństwa, retail, logistyki i przemysłu. Zdecentralizowany model subnetu może być przewagą kosztową i talentową, jeśli wiarygodnie pozyskuje lepsze modele, ale może też być wolniejszy w produktowieniu niż scentralizowany dostawca z bezpośrednimi pętlami feedbacku od klientów, umowami SLA, zespołami zakupowymi i kontrolami compliance. Token dodaje kolejne zagrożenie: jeśli emisje są atrakcyjniejsze niż przychód zewnętrzny, minerzy i walidatorzy mogą optymalizować pod mechanikę nagród zamiast pod wyniki dla klientów, tworząc lukę między aktywnością subnetu a ekonomicznie użytecznym outputem. medium.com

Jakie są perspektywy rozwoju Score?

Perspektywy Score zależą mniej od wyników cenowych, a bardziej od tego, czy uda się przekształcić wiarygodną niszę techniczną w powtarzalną infrastrukturę komercyjną.

Zweryfikowana mapa drogowa w publicznych materiałach na GitHubie przedstawiała sekwencję na 2025 r.: od rozpoznawania stanu gry (Game State Recognition) i walidacji opartej na VLM po wdrożenie mainnetu, walidację z udziałem człowieka (human-in-the-loop), dashboardy, wykrywanie akcji (action spotting), opisywanie zdarzeń (event captioning), API integracyjne, kolejne dyscypliny sportu, narzędzia dla deweloperów oraz zastosowania międzydomenowe.

Do połowy 2026 r. publiczna narracja przesunęła się w kierunku inteligencji wideo dla przedsiębiorstw napędzanej przez Manako oraz destylacji małych, zadaniowo wyspecjalizowanych modeli, podczas gdy sam Bittensor przeszedł istotne zmiany tokenomiki, w tym powrót do emisji opartych na cenie w czerwcu 2026 r.

Najważniejsze kamienie milowe od tego momentu mają zatem charakter praktyczny, a nie promocyjny: odświeżony rozwój open source, przejrzystsza telemetryka walidatorów i minerów, zbadane (audytowane) benchmarki modeli, publiczna dokumentacja API, dowody na płatne obciążenia oraz solidne ramy walidacji dla zadań innych niż piłka nożna. (github.com)

Strukturalną barierą jest to, że Score musi udowodnić, iż subnet jest czymś więcej niż subsydiowanymi emisją zawodami modelowymi.

Jeśli Manako i podobne aplikacje będą w stanie konsekwentnie kierować realne problemy vision przedsiębiorstw do sn44, benchmarkować wyniki minerów, wdrażać skompaktowane modele na brzegu oraz wykazać przewagi kosztowe lub dokładnościowe względem scentralizowanych narzędzi, wtedy Score ma obronną pozycję jako natywny dla Bittensora rynek pracy w obszarze computer vision. Jeśli nie, aktywo ryzykuje, że będzie wyceniane głównie jako lewarowany zakład na spekulację związaną z subnetami Bittensora, z ograniczonym rozdziałem między płynnością tokena a rzeczywistym dopasowaniem produktu do rynku. Żadna prognoza cenowa nie jest uzasadniona; istotne pytanie brzmi, czy sn44 potrafi utrzymać wysokiej jakości walidację, zdecentralizować kontrolę i przekształcić dane z kamer w infrastrukturę pożądaną na zewnątrz, zanim scentralizowane platformy vision zniwelują różnicę w kosztach i efektywności.