affine

affine คืออะไร?

affine คือซับเน็ต 120 ของ Bittensor เป็นเครือข่าย reinforcement-learning แบบกระจายศูนย์และเครือข่าย “reason mining” ที่จ่ายผลตอบแทนให้ไมเนอร์สำหรับการสร้างโมเดล reasoning แบบ open-weight ที่สามารถเอาชนะ “แชมป์เก่า” ในชุดสภาพแวดล้อมการประเมินที่ยากได้

โจทย์ในทางปฏิบัติของมันไม่ใช่การเพิ่มซัพพลาย inference แบบทั่วไป แต่เป็นการพัฒนาความสามารถในการ reasoning ของโมเดลแบบมีทิศทาง ภายใต้สภาพแรงจูงใจเชิงปฏิปักษ์: ไมเนอร์ส่งน้ำหนักโมเดล (model weights) ตัวตรวจสอบจะทดสอบผู้ท้าชิงกับโมเดลที่ครองแชมป์อยู่ และรางวัลจะกระจุกตัวไปที่โมเดลที่พิสูจน์ได้ว่าทำผลงานดีขึ้น แทนที่จะไปที่ไมเนอร์ที่เพียงแค่ให้บริการคำขอจำนวนมากที่สุด

จุดอ้างว่าเป็น “คูเมือง” (moat) ของซับเน็ตนี้คือกลไกประเมินแบบทัวร์นาเมนต์วนซ้ำ ซึ่งอธิบายไว้ใน Affine GitHub repository ที่ซึ่งไมเนอร์จะ commit คู่โมเดลและ revision บน Hugging Face บนเชน และผู้ท้าชิงจะต้องเอาชนะแชมป์ปัจจุบันให้ได้ในทุกสภาพแวดล้อมที่ตั้งค่าไว้ พร้อมส่วนต่างตามเกณฑ์ ก่อนจึงจะสามารถยึดน้ำหนักของซับเน็ตได้ (github.com)

affine เป็นซับเน็ตแอปพลิเคชันของ Bittensor ที่อยู่ในนิชแต่มีการมองเห็นสูงผิดปกติ ไม่ใช่เลเยอร์ 1 แบบสแตนด์อโลน หรือแพลตฟอร์มสมาร์ตคอนแทร็กต์แบบกว้าง ณ ปลายเดือนมิถุนายน 2026 ตัวติดตามซับเน็ตของบุคคลที่สามจัดให้ SN120 อยู่ในกลุ่มตลาดอัลฟาของ Bittensor ที่มีขนาดใหญ่ โดย SubnetRadar จัดอันดับไว้ใกล้หัวตารางมาร์เก็ตแคปของซับเน็ต และแสดงจำนวน UID ที่เกือบเต็ม ในขณะที่ Bittensor’s subnet directory ให้นิยาม Affine ว่าเป็น “decentralized reasoning model evaluation”

ตัวเลขเหล่านี้ควรถูกอ่านว่าเป็นตัวชี้วัดโครงสร้างตลาด มากกว่าจะเป็นหลักฐานของดีมานด์จากผู้ใช้ปลายทาง เพราะมูลค่าตลาดสภาพคล่องและ “TVL” ของซับเน็ต Bittensor มาจากพูล staking dTAO และการเปิดรับโทเคนอัลฟา มากกว่ารายได้โปรโตคอลแบบดั้งเดิม (subnetradar.com)

ใครเป็นผู้ก่อตั้ง affine และเริ่มเมื่อไร?

ดูจากข้อมูลแล้ว affine น่าจะเปิดตัวในปี 2025 โดย OpenTAO ระบุว่า SN120 ถูกลงทะเบียนเมื่อวันที่ 10 มิถุนายน 2025 ในช่วงหลังการเปิดตัว dTAO ซึ่งเป็นช่วงวิวัฒนาการของ Bittensor ที่ซับเน็ตแต่ละตัวกลายเป็นตลาดโทเคนอัลฟาที่ลงทุนได้ แทนที่จะเป็นเพียงเป้าหมายแรงจูงใจที่ถูกกำหนดโดยตัวตรวจสอบเท่านั้น

ข้อมูลสาธารณะในระบบนิเวศเชื่อมโยงซับเน็ตนี้กับ Affine Foundation และ Jacob Steeves ซึ่งเป็นที่รู้จักในชื่อ “Const” ผู้ร่วมก่อตั้ง Bittensor ถึงอย่างนั้นทีมปฏิบัติการนอกเหนือจากนี้ก็ไม่ได้ถูกเปิดเผยในเอกสารแบบองค์กรอย่างเป็นทางการอย่างกว้างขวาง ความโปร่งใสที่จำกัดเช่นนี้เป็นเรื่องปกติในซับเน็ตของ Bittensor แต่มีนัยสำคัญต่อการตรวจสอบสำหรับสถาบัน เพราะความน่าเชื่อถือทางเทคนิค แรงจูงใจด้านการถือครอง และความเสี่ยงด้านธรรมาภิบาลของซับเน็ต มักกระจุกอยู่กับกลุ่มผู้ก่อตั้งหรือผู้ปฏิบัติการขนาดเล็ก มากกว่าที่จะกระจายแบบโครงสร้างบริษัทมหาชนที่เติบโตเต็มที่แล้ว (opentao.ai)

เนื้อเรื่อง (narrative) ของโปรเจกต์นี้พัฒนาจากแนวคิดกว้าง ๆ เรื่อง “ตลาด reasoning” มาสู่การแข่งขัน RL ที่ชัดเจนยิ่งขึ้นสำหรับโมเดลเปิด ช่วงแรก ๆ เน้นการทำ reasoning ให้เป็นสินค้า (commoditizing reasoning) และการประสานงานทรัพยากรจากหลายซับเน็ต ปัจจุบันโค้ดเบสมีขอบเขตแคบลงและวัดผลได้มากขึ้น โดยให้ความสำคัญกับการส่งโมเดล การ commit hotkey แบบ one-shot การควบคุมการลอกเลียน (plagiarism controls) ช่วงเวลาท้าชิงรายวัน และสภาพแวดล้อมการประเมินเฉพาะ เช่น SWE-INFINITE, LIVEWEB, NAVWORLD, MEMORY, DISTILL และ TERMINAL การเปลี่ยนแปลงนี้สำคัญเพราะพา affine ออกจากเรื่องเล่าด้าน AI แบบกระจายศูนย์ที่กำกวม ไปสู่กลไกแบบ benchmark-driven ที่สามารถพิสูจน์/หักล้างได้ แม้ข้อแลกเปลี่ยนคือ มูลค่าทางเศรษฐกิจของมันยังคงขึ้นอยู่กับว่า “ชัยชนะใน benchmark” เหล่านี้จะแปลเป็นดีมานด์ inference ภายนอกที่นำกลับมาใช้ซ้ำได้หรือไม่ (github.com)

เครือข่าย affine ทำงานอย่างไร?

affine ควรถูกมองว่าเป็นเลเยอร์แรงจูงใจเฉพาะแอปภายใน Bittensor มากกว่าจะเป็นเครือข่ายฉันทามติ (consensus network) อิสระ มันไม่ได้ใช้ฉันทามติ PoW, PoS หรือ DAG ของตัวเอง การชำระธุรกรรม การลงทะเบียน การ staking การบัญชีอัลฟา และการกระจายรางวัลดำเนินการผ่านโครงสร้าง Subtensor ของ Bittensor ในขณะที่การจัดสรรงานในระดับซับเน็ตถูกกำกับโดยกลไก Yuma Consensus ของ Bittensor

ใน Yuma Consensus ตัวตรวจสอบจะส่งอันดับหรือค่าน้ำหนักให้กับไมเนอร์ และกระบวนการบนเชนจะแปลงอันดับเหล่านั้นเป็นการปล่อยโทเคนให้ไมเนอร์และตัวตรวจสอบ สำหรับ affine สัญญาณการจัดอันดับมาจากการที่โมเดล reasoning ที่ส่งเข้ามาสามารถทำผลงานชนะโมเดลแชมป์ภายใต้กติกาการประเมินของซับเน็ตได้หรือไม่ Bittensor Yuma Consensus documentation อธิบายกลไกที่กว้างกว่านี้ว่าเป็นอัลกอริทึมที่คำนวณการปล่อยโทเคนให้ไมเนอร์และตัวตรวจสอบจากการประเมินผลงานไมเนอร์ของตัวตรวจสอบ (docs.learnbittensor.org)

การออกแบบเชิงเทคนิคที่โดดเด่นของซับเน็ตนี้คือ ลูปประเมินโมเดลแบบ winner-takes-all ไมเนอร์เทรนหรือ fine-tune โมเดล อัปโหลดน้ำหนักแบบสาธารณะไปที่ Hugging Face และ commit revision ของโมเดลหนึ่งรายการบนเชน จากนั้นตัวตรวจสอบจะดึง submission นั้นมารันแข่งกับแชมป์ และจะเปลี่ยนแชมป์ก็ต่อเมื่อผู้ท้าชิงชนะอย่างเคร่งครัดในทุกสภาพแวดล้อมที่เปิดใช้งาน

Affine FAQ อธิบายถึง one-shot commitments การทำให้ submission ซ้ำถูกทำให้เป็นโมฆะแบบถาวร การตรวจจับการลอกเลียนผ่านแฮชของโมเดล และการกำหนดให้ส่งน้ำหนักส่วนหนึ่งไปที่ UID 0 แบบเลือกได้ เพื่อเป็นกลไกความปลอดภัยแนว burn ช่วงที่เครือข่ายไม่เสถียร งานของตัวตรวจสอบค่อนข้างเบากว่าเมื่อเทียบด้านคอมพิวต์ เพราะตัวตรวจสอบส่งน้ำหนักและเฝ้าดูการให้คะแนนบน backend แทนที่จะจำเป็นต้องรัน inference หนัก ๆ บน GPU เอง โดย validator guide ระบุว่าการคำนวณจัดการโดยบริการ backend และตัวตรวจสอบมีหน้าที่หลักคือดึงน้ำหนัก กำหนดค่า burn และตั้งน้ำหนักบนเชน (github.com)

โทเคโนมิกส์ของ sn120 เป็นอย่างไร?

sn120 คือโทเคนอัลฟาเฉพาะซับเน็ตสำหรับ Bittensor netuid 120 โดยอ้างอิงจากตัวสำรวจ Bittensor ที่ให้รายละเอียดสินทรัพย์ที่ที่อยู่ซับเน็ต 120 ภายใต้ Dynamic TAO โทเคนอัลฟาของทุกซับเน็ตจะมีพูล TAO/alpha ของตัวเอง และมีเพดานสูงสุด 21 ล้านหน่วยอัลฟา สะท้อนเพดาน 21 ล้าน TAO ในขณะที่การปล่อยโทเคน (emissions) จะเป็นแบบตาราง halving มากกว่าการปล่อยซัพพลายหมุนเวียนเต็มจำนวนตั้งแต่ต้น FAQ ของ Dynamic TAO และ Bittensor subnet documentation อธิบายว่าการ stake TAO เข้าไปในซับเน็ตคือการแลกการเปิดรับราคา TAO เป็นโทเคนอัลฟาของซับเน็ตนั้น โดยอัตราส่วนทุนสำรองในพูลเป็นตัวกำหนดราคาอัลฟา ณ ปลายเดือนมิถุนายน 2026 ข้อมูลสินทรัพย์ที่ให้มาและแดชบอร์ดของบุคคลที่สามจัดให้ sn120 อยู่ในช่วงมาร์เก็ตแคปหลักสิบล้านดอลลาร์ และช่วงราคาหลักสิบดอลลาร์ต้น ๆ แต่ตัวเลขเหล่านี้เป็นผลลัพธ์ที่ผันผวนจากพูล มากกว่าจะเป็นปัจจัยพื้นฐานที่เสถียร docs.learnbittensor.org

ยูทิลิตี้หลักของ sn120 คือการเปิดรับผ่านการ staking และการกำหนดเส้นทางของ emissions ไม่ใช่การจ่ายค่าก๊าซบนเชนอิสระ

ผู้ใช้ที่ stake เข้า affine จะเปิดรับโทเคนอัลฟา SN120 และมีส่วนร่วมในเศรษฐกิจรางวัลของซับเน็ตผ่านตัวตรวจสอบ ไมเนอร์แสวงหาการปล่อยโทเคนโดยการสร้างโมเดล reasoning ที่ชนะ ตัวตรวจสอบได้รายได้จากการประเมินและตั้งน้ำหนักอย่างถูกต้อง และผู้ stake ได้รับผลตอบแทนผ่านเลเยอร์แรงจูงใจ dTAO ขณะเดียวกันก็รับความเสี่ยงด้านราคาอัลฟา

ระบบ emissions ของ Bittensor ก็เปลี่ยนไปอย่างมีนัยสำคัญเช่นกัน: เอกสารระบุว่า ณ เดือนมิถุนายน 2026 การปล่อยโทเคนได้ย้อนกลับมาใช้โมเดลอิงราคา โดยอิงจากราคาโทเคนของซับเน็ตแบบ EMA ในขณะที่โมเดลแบบ flow-based ที่ชื่อ Taoflow ซึ่งใช้ตั้งแต่พฤศจิกายน 2025 ถึงมิถุนายน 2026 นั้นถูกยกเลิกแล้ว เรื่องนี้สำคัญสำหรับ sn120 เพราะการสะสมมูลค่าขึ้นอยู่กับดีมานด์การ staking ความเชื่อมั่นของตัวตรวจสอบ และการรับรู้คุณค่าของโมเดล มากกว่าจะเป็นการจับค่าธรรมเนียมโดยตรง (docs.learnbittensor.org)

ใครกำลังใช้งาน affine อยู่บ้าง?

กลุ่มผู้ใช้ที่สังเกตเห็นได้ส่วนใหญ่เป็นสายคริปโตและโครงสร้างพื้นฐาน: ไมเนอร์ ตัวตรวจสอบ ผู้ stake และนักพัฒนาที่เฝ้าดู leaderboard ของโมเดล ณ ปลายเดือนมิถุนายน 2026 SubnetRadar แสดงว่า affine ใช้ UID เกือบเต็ม มีสล็อตไมเนอร์หลายร้อยและชุดตัวตรวจสอบขนาดเล็ก ซึ่งบ่งชี้ถึงการแข่งขันกันเพื่อ emissions อย่างเข้มข้น แต่ไม่ควรถูกตีความผิดว่าเป็นการยอมรับจากผู้บริโภคโดยตรง

ยูทิลิตี้บนเชนที่แท้จริงของโปรเจกต์คือการผลิตและการประเมินโมเดล reasoning แบบเปิด ปริมาณการเทรดเชิงเก็งกำไรในพูล SN120/TAO เป็นอีกปรากฏการณ์หนึ่งที่อาจครอบงำกิจกรรมตลาดระยะสั้น แม้ผลิตภัณฑ์ inference พื้นฐานจะมีรายได้ภายนอกจำกัดก็ตาม โค้ดเบสสาธารณะย้ำความแตกต่างนี้โดยให้ความสำคัญกับการส่งโมเดลของไมเนอร์ การตั้งน้ำหนักโดยตัวตรวจสอบ และการประเมินโมเดล มากกว่าการสร้าง pipeline ลูกค้าแบบ SaaS ทั่วไป (subnetradar.com)

การยอมรับจากสถาบันหรือองค์กรยังมีจำกัด และควรถูกอธิบายอย่างระมัดระวัง

ข้ออ้างเรื่องการบูรณาการที่จับต้องได้มากที่สุดคือการทำงานร่วมกันภายใน Bittensor เอง: เอกสารของ OpenTAO และเนื้อหาที่เกี่ยวข้องกับ Affine อธิบายว่าโมเดลที่ชนะจะถูก deploy ผ่านหรือเชื่อมต่อกับโครงสร้างพื้นฐาน inference อย่างเช่น Chutes ทำให้นักพัฒนา downstream และผู้สร้างเอเยนต์สามารถนำผลลัพธ์ reasoning เหล่านั้นไปใช้ผ่านการเข้าถึงแบบ API ได้ อย่างไรก็ตาม โปรไฟล์วิจัยของ SubnetRadar ยังไม่แสดงรายได้ภายนอกที่ยืนยันแล้วในช่วง 30 หรือ 90 วันสำหรับ affine ดังนั้นจึงยังไม่มีหลักฐานสาธารณะมากพอที่จะมอง SN120 เป็นสินทรัพย์ที่มีรายได้ระดับองค์กร แทนที่จะเป็นตลาดวิจัยระดับซับเน็ตที่มีแนวโน้มดี (opentao.ai)

ความเสี่ยงและความท้าทายของ affine มีอะไรบ้าง?

ความเสี่ยงด้านกฎระเบียบถูกสืบทอดมาจาก Bittensor และ TAO เป็นหลัก มากกว่าจะมาจาก affine เพียงอย่างเดียว แต่ความแตกต่างนี้อาจไม่สามารถปกป้องผู้ถือโทเคนอัลฟาของซับเน็ตได้ หากหน่วยงานกำกับดูแลของสหรัฐฯ ตรวจสอบอย่างเข้มงวดใน… เครือข่ายที่กว้างขึ้น แบบคำขอ S-1/A ของ Grayscale’s Bittensor Trust ระบุว่า ทรัสต์มีความตั้งใจจะจดทะเบียนใน NYSE Arca ภายใต้สัญลักษณ์ GTAO หากกระบวนการจดทะเบียนและขึ้นทะเบียนมีผลบังคับใช้ แต่ก็เปิดเผยด้วยว่าทรัสต์ไม่ได้ทำการ stake เหรียญ TAO อยู่ในปัจจุบัน และการได้รับอนุมัติตามกฎระเบียบยังไม่เป็นที่รับประกัน การเปิดเผยความเสี่ยงก่อนหน้านี้ของ Grayscale ยังเตือนด้วยว่า การกระจายตัวช่วงแรกของ TAO และบทบาทของ Opentensor Foundation อาจทำให้ความเสี่ยงที่จะถูกจำแนกเป็นหลักทรัพย์สูงกว่าเมื่อเทียบกับสินทรัพย์ลักษณะคล้าย Bitcoin สำหรับ sn120 ความเสี่ยงด้านการรวมศูนย์ที่ใกล้ตัวกว่าคือด้านการปฏิบัติการ: จำนวน validator ที่มีน้อย, subnet ที่เกี่ยวข้องกับผู้ก่อตั้ง, บริการให้คะแนนที่ถูกควบคุมจากฝั่ง backend และกฎการกระจายรางวัลแบบผู้ชนะรับทั้งหมด (winner-takes-all emissions) ล้วนสามารถทำให้เกิดการกระจุกตัวของอิทธิพลได้ แม้กระบวนการขุดจะเปิดกว้างโดยพฤตินัยก็ตาม sec.gov

ภัยคุกคามด้านการแข่งขันมีสองด้าน ภายใน Bittensor affine ต้องแข่งขันเพื่อรับ emissions การ stake และพื้นที่ในความรับรู้ (mindshare) กับ subnet รายใหญ่ตัวอื่น เช่น Chutes, Targon, Templar และเครือข่ายสำหรับการเทรนโมเดล, inference และการประเมินผลอื่น ๆ ภายนอก Bittensor มันต้องแข่งขันกับห้องปฏิบัติการ AI แบบศูนย์กลางและคอมมูนิตี้โอเพนซอร์สของโมเดล ที่สามารถพัฒนโมเดลด้าน reasoning ได้โดยไม่จำเป็นต้องมีเลเยอร์แรงจูงใจแบบโทเค็น

กลไกของมันก็เปราะบางในเชิงเศรษฐศาสตร์เช่นกัน: หาก benchmark ถูกโกง, หากการปรับปรุงโมเดลไม่สามารถ generalize ได้, หาก validator ไม่สามารถรักษาความน่าเชื่อถือของการให้คะแนนไว้ได้ หรือหาก staker หมุนย้ายไปยัง subnet ที่ให้ผลตอบแทนสูงกว่า โทเค็น alpha ก็อาจสูญเสียการสนับสนุนด้าน emissions ได้อย่างรวดเร็ว

การเปลี่ยนแปลงโปรโตคอลของ Bittensor ในเดือนพฤษภาคมและมิถุนายน 2026 รวมถึงการยกเลิก alpha ฟรีสำหรับเจ้าของ subnet ตอนลงทะเบียน และการแก้ไขด่วนด้านการบัญชี protocol-alpha ตาม Spec 413 แสดงให้เห็นว่าเศรษฐกิจ dTAO ยังคงถูกปรับแก้อย่างต่อเนื่อง แทนที่จะทำงานในฐานะดีไซน์การเงินที่นิ่งแล้ว (tao.media)

อนาคตของ affine จะเป็นอย่างไร?

ภาพอนาคตของ affine ขึ้นอยู่กับประเด็นด้านราคาน้อยกว่า และขึ้นอยู่กับว่าโครงการจะพิสูจน์ได้หรือไม่ว่า อินเซนทีฟ RL แบบเปิดและเชิงปฏิปักษ์ (open, adversarial RL incentives) สามารถสร้างการปรับปรุงด้าน reasoning ที่ยั่งยืนและเป็นสิ่งที่ผู้ใช้ภายนอกต้องการบริโภคจริงหรือไม่

ทิศทางเทคนิคระยะสั้นที่ยืนยันได้สามารถเห็นได้จากใน repository: คู่มือสำหรับ miner เวอร์ชันใหม่กำหนดให้การส่งโมเดลใหม่ต้องใช้ Qwen3.6-35B-A3B ที่ถูก fine-tune แล้ว บังคับใช้ one-shot commits ตรวจสอบขนาดโมเดลและความปลอดภัยของ chat-template และพึ่งพา “หน้าต่าง challenger รายวัน” ที่ประมวลผลโมเดลหนึ่งตัวแข่งขันกับโมเดล incumbent ที่มีอยู่ บนเลเยอร์โปรโตคอล เอกสาร emissions เดือนมิถุนายน 2026 ของ Bittensor และอัปเกรด Spec 413 บ่งชี้ว่าสภาพแวดล้อมฐานสำหรับทุก subnet รวมถึง affine กำลังเปลี่ยนไป โดย emissions ถูกผูกกลับเข้าสู่กลไก EMA ตามราคาอีกครั้ง และมีการจัดการการบัญชี alpha อย่างรัดกุมยิ่งขึ้นในช่วงเวลายุบ subnet

ดังนั้นอุปสรรคเชิงโครงสร้างจึงไม่ใช่แค่การปล่อยโค้ดเพิ่ม affine ต้องแสดงให้เห็นว่าสภาพแวดล้อมการให้คะแนนของมันสามารถต้านทานการ overfit ได้ ว่าการประเมินผลที่ควบคุมโดย validator ยังคงน่าเชื่อถือ และว่าเอาต์พุตของโมเดล reasoning สามารถกลายเป็นโครงสร้างพื้นฐานที่มีประโยชน์จริง แทนที่จะเป็นเพียงการแข่งขันเพื่อ emissions แบบวนลูป github.com