Targon

Targon คืออะไร?

Targon (SN4) เป็น “โทเค็นซับเน็ต” แบบเฉพาะทางภายในระบบนิเวศ Bittensor ที่มุ่งแก้ปัญหาแคบแต่มีความชัดเจนด้านเศรษฐศาสตร์: การเปลี่ยนเวลาใช้งาน GPU ให้กลายเป็นสินค้าที่พิสูจน์ได้ และมีราคาตลาดชัดเจน พร้อมทั้งลดสมมติฐานด้านความน่าเชื่อถือ (trust assumptions) ที่มักทำให้การคำนวณ (compute) จากบุคคลที่สามไม่สามารถใช้งานได้กับงาน AI ที่มีความอ่อนไหวสูง

ในทางปฏิบัติ Targon จะเข้าใจได้ดีที่สุดในฐานะตลาดคอมพิวต์แบบมีแรงจูงใจ (incentivized compute marketplace) ที่ซึ่งนักขุด (miners) นำฮาร์ดแวร์มาให้บริการ ตัวตรวจสอบ (validators) ตรวจสอบสมรรถนะและท่าทีด้านความปลอดภัย อย่างต่อเนื่อง และผู้ซื้อส่งงาน inference หรือเวิร์กโหลด AI อื่น ๆ เข้ามา

ข้อได้เปรียบเชิงแข่งขันที่ Targon อ้างถึงคือ การโฟกัสอย่างชัดเจนที่ confidential computing และการตรวจยืนยันระยะไกลแบบต่อเนื่อง (continuous remote attestation) — เป็นความพยายามทำให้ผู้ให้บริการ ที่ “ไม่น่าเชื่อถือ” สามารถใช้งานได้ผ่านกลไกเชิงนโยบายแทนการพึ่งพาชื่อเสียง ดังที่อธิบายในเอกสารของ Manifold Labs เกี่ยวกับ Targon Virtual Machine (TVM) และถูกย้ำอีกครั้งในบทความของ Intel ที่อธิบายสถาปัตยกรรมโดยอิง Intel TDX ร่วมกับ NVIDIA Confidential Computing

ในเชิงโครงสร้างตลาด Targon ไม่ใช่บล็อกเชนเลเยอร์ฐานที่มาแข่งกับแพลตฟอร์มสมาร์ตคอนแทร็กต์แบบทั่วไป หากแต่เป็น “เขตเศรษฐกิจเฉพาะแอปพลิเคชัน” ที่อยู่ภายในสถาปัตยกรรมซับเน็ตแบบคงที่ของ Bittensor

ในช่วงต้นปี 2026 แดชบอร์ดของบุคคลที่สามที่ติดตามซับเน็ตของ Bittensor แสดงให้เห็นว่า SN4 เป็นหนึ่งในโทเค็นซับเน็ตที่มีขนาดใหญ่และมีการซื้อขายอย่างเคลื่อนไหวมากที่สุดตามมูลค่าตลาดและความลึกของสภาพคล่อง โดยมีข้อมูลการเทรดระดับพูลที่มองเห็นได้บนแพลตฟอร์มอย่างหน้าพูล SN4/TAO ของ GeckoTerminal และข้อมูลกิจกรรมระดับซับเน็ตและการรวม “health” ที่นำเสนอโดยเครื่องมืออย่าง SubnetRadar

อย่างไรก็ตาม แนวคิดเรื่อง “สเกล” ในบริบทซับเน็ตควรถูกมองอย่างระมัดระวัง: สภาพคล่อง กระแสการสเตก และการจัดสรร emission สามารถสร้างดีมานด์สะท้อนกลับ ที่ดูเหมือนการยึดตลาดได้จริง (product traction) ทั้งที่สัญญาณที่ทนทานกว่า คือ ผู้ซื้อยินดีจ่ายค่าคอมพิวต์อย่างต่อเนื่องหรือไม่ และตัวตรวจสอบสามารถบังคับใช้ข้อกำหนดด้านคุณภาพ และความลับได้อย่างน่าเชื่อถือในสภาพแวดล้อมที่มีผู้ไม่ประสงค์ดีหรือไม่

ใครเป็นผู้ก่อตั้ง Targon และเริ่มเมื่อไร?

Targon มีความเกี่ยวข้องใกล้ชิดกับ Manifold Labs ซึ่งวางตัวเองเป็นห้องทดลอง AI แนวหน้าแบบกระจายศูนย์และผู้พัฒนาโครงสร้างพื้นฐาน Manifold ระบุสาธารณะว่าเริ่มก่อตั้งในปี 2023 และตั้งอยู่ที่เมืองออสติน รัฐเทกซัส โดยมีผู้สนับสนุนรวมถึง OSS Capital และ DCG เป็นต้น ตามที่อธิบายบน หน้า “company” ของ Targon/Manifold และในประกาศการระดมทุนรอบ Series A

เอกสารชุดเดียวกันยังสะท้อนภาพความเป็นจริงด้านธรรมาภิบาลอย่างค่อนข้างชัดเจน: แม้ซับเน็ตของ Bittensor จะ “เปิด” ให้ใครก็ได้มารัน miners และ validators แต่เจ้าของซับเน็ตยังคงมีอำนาจตัดสินใจอย่างมีนัยสำคัญเหนือการออกแบบกลไก และการปล่อยอัปเดตเชิงปฏิบัติการ ซึ่งทำให้โครงสร้างออกมาเป็นแบบผสม (hybrid) มากกว่าจะเป็นโปรโตคอลที่เป็นกลางอย่างน่าเชื่อถือเต็มรูปแบบ

เนื้อเรื่องของโปรเจ็กต์ (project narrative) ยังเปลี่ยนไปตามเส้นเรื่องใหญ่ของ Bittensor ด้วย จากเดิมโฟกัสการทดลอง “open machine intelligence” มาสู่บริการที่พร้อมใช้งานจริงเชิงผลิตภัณฑ์

ในช่วงแรก การวางตำแหน่งเน้นที่การ inference แบบ AI ทั่วไปและการทดลองซับเน็ต แต่ตั้งแต่กลางปี 2024 ถึง 2025 โรดแมปสาธารณะเริ่มให้ความสำคัญกับโครงสร้างจุลภาคของตลาด (marketplace microstructure เช่น การค้นหาราคาและการจ่ายผลตอบแทนที่คาดเดาได้) และ primitive ด้าน confidential computing มากขึ้น

ตัวอย่างเช่น Targon v2.0.0 release ที่เน้นกลไกใหม่ที่เขียนขึ้นใหม่และการปรับเพื่อลดการเล่นแร่แหน่กลไก (anti-gaming), Targon v6.2.1 release ที่นำเสนอระบบ “ask” แบบออร์เดอร์บุ๊กสำหรับ miners และข้อความสื่อสารภายหลัง ที่ให้ความสำคัญกับสภาพแวดล้อมการประมวลผลแบบลับที่มีการ re-attest อย่างต่อเนื่องของ TVM ใน Targon v7

ทั้งหมดนี้สอดคล้องกับกลยุทธ์การสร้างความแตกต่างด้วย “ความสามารถในการพิสูจน์ได้” และข้ออ้างด้านความปลอดภัยที่เป็นมิตรกับองค์กร มากกว่าการแข่งขันด้วย “ต้นทุนคอมพิวต์ส่วนเพิ่ม” เพียงอย่างเดียว

เครือข่าย Targon ทำงานอย่างไร?

Targon ไม่ใช่เครือข่ายฉันทามติ (consensus network) แบบสแตนด์อโลน; 它สืบทอดความปลอดภัยเลเยอร์ฐาน finality และการบัญชีบัญชีจากเชน Subtensor ของ Bittensor และแสดง “ฉันทามติ” ของตัวเองในระดับซับเน็ตผ่านการให้คะแนนของ validators และการจัดสรร emission

ในโมเดลของ Bittensor ตัวตรวจสอบ (validators) จะประเมินผลงานของ miners และให้ weight จากนั้นเชนจะใช้ weight เหล่านี้เพื่อกระจาย emission ของซับเน็ต; วัตถุประสงค์ของฉันทามติจึงใกล้เคียงกับ “stake-weighted utility scoring” มากกว่าการจัดลำดับธุรกรรมแบบ Nakamoto ตามที่อธิบายไว้ในเอกสารเทคนิคของ Bittensor เกี่ยวกับการปล่อย emission และการออกแบบฉันทามติ เช่น LearnBittensor emissions overview และเอกสารฉันทามติของ Bittensor เอง (เช่น PoS Utility Consensus PDF)

ดังนั้น “เครือข่าย” ของ Targon จึงเป็นพฤติกรรมที่เกิดขึ้นเอง (emergent behavior) ของ miners, validators และโค้ดกลไกที่นิยามว่า “คอมพิวต์ที่มีประโยชน์” หมายถึงอะไร และวัดอย่างไรภายใต้แรงจูงใจแบบเป็นปรปักษ์

สิ่งที่ทำให้ Targon มีความโดดเด่นเชิงเทคนิคภายในเฟรมเวิร์กนี้ คือความพยายามผูกผลตอบแทนทางเศรษฐกิจเข้ากับโมเดลความปลอดภัยที่อิง trusted execution และการตรวจยืนยันอย่างต่อเนื่อง แทนที่จะสมมติว่าผู้ให้บริการคอมพิวต์ “ซื่อสัตย์โดยธรรมชาติ” เอกสาร TVM ของ Manifold อธิบายว่าเวิร์กโหลดจะรันภายใน virtual machine แบบลับ ที่มีการแยกตัวด้วยฮาร์ดแวร์ (hardware-rooted isolation) และมีรอบการ re-attestation ซ้ำ ๆ พร้อมพึ่งพาอย่างชัดเจนต่อ CPU และ GPU ที่รองรับ confidential compute ดังที่สรุปใน Targon v7 และถูก Intel ใส่บริบทไว้อย่างเป็นทางการมากขึ้นในคำอธิบายบทบาทของ decentralized confidential computing และโฟลว์ของ remote attestation ในโพสต์บล็อกของ Intel Community

ข้อจำกัดที่แท้จริงของโมเดลความปลอดภัยนี้คือ การย้ายจุดศูนย์กลางความเชื่อมั่นจาก “ความซื่อสัตย์ของผู้ให้บริการ” มาเป็น “ฮาร์ดแวร์และซัพพลายเชนของระบบ attestation” ซึ่งไม่ได้ไร้ต้นทุน: มันจำกัดฮาร์ดแวร์ที่มีสิทธิ์ใช้งาน เพิ่มความซับซ้อนเชิงปฏิบัติการ และสร้างโหมดความล้มเหลวแบบใหม่ (เช่น บริการ attestation ล่ม ปัญหาเฟิร์มแวร์ การผูกติดกับผู้ขาย) ที่ตั้งฉากกับความเสี่ยงคริปโตแบบดั้งเดิม

โทเคโนมิกส์ของ SN4 เป็นอย่างไร?

SN4 เป็น “alpha token” ที่ถูกสร้างภายใต้ระบอบ Dynamic TAO (dTAO) ของ Bittensor ซึ่งแต่ละซับเน็ตจะมีโทเค็นของตัวเอง โดยโทเค็นนั้นจะได้มาหลัก ๆ ผ่านการ swap TAO เข้าไปในพูลของซับเน็ต แล้วนำ alpha token นั้นไป stake ให้กับ validators

กลไกเหล่านี้มีอธิบายไว้ในเอกสารของ Taostats เกี่ยวกับ alpha tokens และ staking in dTAO ซึ่งสำคัญเพราะ “อุปทาน” จะไม่เหมือนตารางโทเค็นของ ERC‑20 แบบมีจำนวนคงที่ มากกว่าจะเป็นสินทรัพย์ stake ที่ถูกจัดการผ่านพูล โดยราคาขึ้นกับสมดุลของพูล กระแสการ stake และความคาดหวังด้าน emission

สำหรับ SN4 โดยเฉพาะ ตัวระบุออนเชนแบบ canonical ที่ Bittensor explorer ใช้คือ Subnet 4 โดยมี analytics เปิดให้ดูบน Taostats’ SN4 metagraph และสภาพคล่องระดับพูลรวมถึงมูลค่าที่ตีความได้จากตลาดบนตัวติดตามอย่างพูล SN4/TAO ของ GeckoTerminal ในดีไซน์นี้ คำถามด้านโทเคโนมิกส์ที่เกี่ยวข้องมากกว่าคือ ไม่ใช่เพียง “max supply” แบบลอยตัว แต่คือเส้นทางการจัดสรร emission และกระแส staking สามารถขยายหรือบีบมูลค่าที่แท้จริงได้อย่างไร โดยเฉพาะหลังจากที่ Bittensor เปลี่ยนมาใช้ emission แบบอิงกระแส (flow-based emissions)

การสะสมมูลค่าของ SN4 ถูกขับเคลื่อนด้วย emission และความเต็มใจของผู้ stake ในการจัดสรร TAO เข้าไปในพูลของ SN4 ซึ่งตัวมันเองก็ส่งผลต่อ emission ภายใต้ระบอบหลังปี 2025

การเปลี่ยนผ่านของ Bittensor มาสู่การจัดสรรแบบ flow-based (“TAO flow”) ทำให้ซับเน็ตต่าง ๆ แข่งขันกันเพื่อดึงดูด TAO ไหลเข้ารวม (net inflow) เพื่อให้ได้ส่วนแบ่ง emission ของเครือข่ายมากขึ้น ตามที่อธิบายทั้งในเอกสาร TAO emission / tao flow ของ Taostats และหน้า emissions ทั่วไปของ LearnBittensor

สำหรับผู้เข้าร่วม “การ stake SN4” จึงเทียบได้กับการเดิมพันสองชั้น: หนึ่ง คือ alpha token ของ SN4 จะไม่ถูกเจือจางโครงสร้างเมื่อเทียบกับ TAO จากไดนามิกของพูลและกระแสไหลออกที่เป็นลบ และสอง คือการคัดเลือก validators และสมรรถนะของซับเน็ตจะสร้าง alpha emission หลังหัก slippage และค่าธรรมเนียมแล้วหรือไม่

สูตรคำนวณ emission สำหรับ miners/validators และกติกาการ burn ของ Taostats ยังชี้ให้เห็นประเด็นละเอียดอ่อนอย่างหนึ่งด้วย: emission ไม่ใช่แค่การกระจายค่าธรรมเนียมใหม่ แต่เป็นเงินเฟ้อระดับโปรโตคอลที่ถูกจัดเส้นทางด้วยกลไกการให้คะแนน โดยในบางกรณีแรงจูงใจที่เจ้าของซับเน็ตจัดสรรเองจะถูก burn ตามที่อธิบายในเอกสาร emission and miner consensus ของ Taostats

ใครกำลังใช้งาน Targon?

การแยกแยะ “การหมุนเวียนเชิงเก็งกำไร” ออกจาก “การใช้งานจริง” ทำได้ยากเป็นพิเศษในโทเค็นซับเน็ต เพราะ emission เองสร้างเนื้อเรื่องผลตอบแทน (yield narrative) ที่สามารถครอบงำกระแสเงิน และเพราะพูลสภาพคล่องทำให้การหมุนเวียนทุนดูคล้ายกับ product‑market fit

ตัวชี้วัดการใช้งานที่ปกป้องได้มากที่สุด คือ ตัวชี้วัดที่ผูกกับปริมาณเวิร์กโหลดที่มีการจ่ายเงินจริง และ capacity ฝั่งซัพพลายที่ปลอมแปลงได้ยาก Manifold อ้างว่ามีปริมาณคำขอ inference แบบจ่ายเงินจริงจำนวนมากและ capacity H200 ขนาดใหญ่ ใน ประกาศ Series A โดยวางกรอบว่า Targon ให้บริการ “โทเค็น inference แบบจ่ายเงิน” ที่ปริมาณสูงและมีฝูง GPU ระดับไฮเอนด์จำนวนมากรองรับ; ข้ออ้างเหล่านี้เป็นข้อมูลที่รายงานเอง (self‑reported) และควรถูกมองว่าเป็นสัญญาณเชิงทิศทางมากกว่าการตรวจสอบแล้ว แต่ก็ยังเป็นรูปธรรมในระดับหนึ่ง

บนเชน metagraph ของ SN4 ให้มุมมองเกี่ยวกับ UID ที่ใช้งานอยู่ จำนวน validators และการมีส่วนร่วมของ miners ในระดับซับเน็ตผ่าน Taostats ซึ่งช่วยแยกแยะแม้ซับเน็ตที่มีชีวิตจริงกับซับเน็ตที่แทบจะเป็นเพียงพูลที่มีการเทรดเบาบาง

สำหรับการยอมรับในระดับสถาบันหรือองค์กร เอกสารสาธารณะที่มีอยู่ส่วนใหญ่เป็นทางอ้อม: ผู้เข้าร่วมการระดมทุนและอินทิเกรชันในระบบนิเวศพอมองเห็นได้ แต่ชื่อของลูกค้าองค์กรที่ระบุตัวได้มักไม่ถูกเปิดเผย Manifold วางตำแหน่งอย่างชัดเจนว่ามุ่งเป้าความลับในระดับองค์กร และความเหมาะสมสำหรับเวิร์กโหลดภายใต้การกำกับดูแล ใน Targon v7 และสถาปัตยกรรม confidential computing ที่เกี่ยวข้องซึ่ง Intel อธิบายไว้ ซึ่งบ่งชี้ถึง “เจตนาเชิงองค์กร” มากกว่าการยืนยันการใช้งานจริงในปัจจุบัน การนำเสนอ “การมีส่วนร่วมของสถาบัน” ในมุมที่ป้องกันได้ คือการชี้ให้เห็นว่ามีการระดมทุนและมีพันธมิตรในระบบนิเวศอยู่แล้ว—เช่น การที่ DCG เข้าร่วมในการระดมทุนรอบ Series A ของ Manifold ตามที่ระบุไว้ใน Series A announcement—แต่สิ่งเหล่านี้ไม่ได้แปลโดยอัตโนมัติให้กลายเป็นรายได้ที่ยั่งยืน และการออกแบบโทเค็นของซับเน็ตสามารถบดบังความแตกต่างระหว่างอุปสงค์จากลูกค้า กับอุปสงค์จากนักลงทุน/ผู้สเตกได้

ความเสี่ยงและความท้าทายของ Targon มีอะไรบ้าง?

ความเสี่ยงด้านกฎระเบียบของ SN4 ไม่ได้อยู่ที่การฟ้องร้องเฉพาะตัวของ Targon มากนัก—ณ ต้นปี 2026 ยังไม่ปรากฏคดีฟ้องร้องในสหรัฐฯ ที่แพร่หลายหรือการต่อสู้เรื่องการจัดประเภทอย่างเป็นทางการในแหล่งข้อมูลสาธารณะ—แต่เกี่ยวข้องมากกว่ากับการที่โทเค็นของซับเน็ตอาจถูกตีความอย่างไร ภายใต้กรอบกฎเกณฑ์ที่กำลังพัฒนาเกี่ยวกับการสเตก ผลิตภัณฑ์ให้ผลตอบแทน (yield-bearing instruments) และ “สัญญาการลงทุน” (investment contracts)

เนื่องจากโทเค็น alpha ถูกได้มาผ่านการสว็อป นำไปสเตกกับตัวตรวจสอบ (validators) และก่อให้เกิดการปล่อยโทเค็น (emissions) จึงอาจมีลักษณะคล้ายผลิตภัณฑ์ให้ผลตอบแทนในสายตาผู้ใช้ปลายทาง แม้ว่ากลไกพื้นฐานจะใกล้เคียงกับเงินเฟ้อระดับโปรโตคอลและการให้คะแนนด้านยูทิลิตี้มากกว่า ดังที่อธิบายไว้ในคำอธิบายของ Taostats เกี่ยวกับ staking and alpha mechanics

ความเสี่ยงที่เกี่ยวเนื่องกับกฎระเบียบอีกประการหนึ่ง คือการพึ่งพาฮาร์ดแวร์ confidential-compute และโครงสร้างพื้นฐานการยืนยัน (attestation) จากผู้ขายรายใหญ่ หากนโยบายเปลี่ยนแปลงจนจำกัดการส่งออก อุปทาน หรือการใช้งานระดับองค์กรของจีพียูบางประเภท “คูเมือง” ของ Targon อาจกลายเป็นคอขวดเชิงปฏิบัติการแทนที่จะเป็นข้อได้เปรียบในการแข่งขัน ประเด็นนี้ถูกบ่งชี้โดยนัยในข้อกำหนดด้านฮาร์ดแวร์ที่ระบุใน Targon v7 และการอภิปรายของ Intel เกี่ยวกับความสามารถของ CPU/GPU ที่ต้องใช้ในภาพรวมของ TDX + NVIDIA Confidential Computing ของบริษัท

ปัจจัยด้านการรวมศูนย์ก็ไม่ใช่เรื่องเล็ก ซับเน็ตอาจมีชุดตัวตรวจสอบที่มีขนาดค่อนข้างเล็กในช่วงเวลาใดเวลาหนึ่ง องค์ประกอบของตัวตรวจสอบ/นักขุดของ SN4 สามารถสังเกตได้จาก Taostats’ metagraph และจำนวนตัวตรวจสอบที่น้อยจะเพิ่มความเสี่ยงด้านธรรมาภิบาลและความต่อเนื่องของเครือข่าย หากผู้ปฏิบัติการหลักออกจากระบบหรือสมคบคิดกัน

ในระดับโปรโตคอล Bittensor ได้เคลื่อนสู่การแข่งขันที่ชัดเจนยิ่งขึ้นและแรงกดดันด้านการตัดทิ้ง (pruning pressure)—ทั้งกฎการลงทะเบียนและการเลิกลงทะเบียน และเพดานจำนวนซับเน็ต—ซึ่งเพิ่มความเสี่ยงเชิงอยู่รอดให้กับซับเน็ตใดๆ ที่ตกอยู่ในภาวะกระแสลบต่อเนื่องหรืออันดับตกต่ำ

ตรรกะของเชนเกี่ยวกับการลงทะเบียน/เลิกลงทะเบียนซับเน็ต และสิ่งที่เกิดขึ้นกับ alpha เมื่อมีการเลิกลงทะเบียน ถูกอธิบายไว้ในเอกสารของ Taostats เรื่อง subnet registration/deregistration documentation และระบอบการปล่อยโทเค็นแบบอิงกระแส (flow-based emissions regime) ที่อธิบายใน tao flow docs สามารถตัดแหล่งโทเค็นของซับเน็ตที่มีกระแสไหลออกสุทธิได้อย่างฉับพลัน

ภัยคุกคามด้านการแข่งขันยังมาจากภายนอก Bittensor ด้วย: ผู้ให้บริการคลาวด์และมาร์เก็ตเพลสด้าน confidential-compute ที่นำเสนอสิ่งที่คล้ายกันในเชิงฟังก์ชันสามารถแข่งขันกันด้วยประสบการณ์ผู้ใช้ พื้นที่ให้บริการ การปฏิบัติตามกฎเกณฑ์ และ SLA ต่างๆ ตัวอย่างเช่น Phala ทำการตลาดสแตก confidential compute แบบ TDX + NVIDIA พร้อมราคาที่เปิดเผยและเครื่องมือ attestation ตามที่ระบุไว้ในเอกสารของตนเอง เช่น confidential AI page ซึ่งตอกย้ำว่า จุดแตกต่างของ Targon จะต้องมากกว่าการอ้างว่า “มี TEE”

ภาพรวมอนาคตของ Targon เป็นอย่างไร?

“เหตุการณ์สำคัญในอนาคต” ที่น่าเชื่อถือที่สุด คือเหตุการณ์ที่ผูกอยู่กับการเปิดตัวด้านเทคนิคที่เผยแพร่อย่างเป็นทางการและแผนอัปเกรดระยะสั้นที่ระบุไว้ชัดเจน มากกว่าคำโฆษณาเชิงโรดแมปที่คลุมเครือ

การเปิดเผยข้อมูลของ Manifold เองบ่งชี้ว่าจะเดินหน้าทำให้สแตก confidential-compute แข็งแกร่งยิ่งขึ้นต่อไป รวมถึงแผนการบูรณาการเทคโนโลยี TEE เพิ่มเติมและการรองรับฮาร์ดแวร์ที่กว้างขึ้น โดยมีเส้นทางอัปเกรดที่กล่าวถึงอย่างชัดเจนใน Series A announcement และกรอบสถาปัตยกรรมใน Targon v7

ในอีกด้านหนึ่ง การเปลี่ยนแปลงระดับ Bittensor ส่งผลต่อเศรษฐศาสตร์ของ SN4 อย่างมีนัยสำคัญไม่ว่าด้านวิศวกรรมเฉพาะของ Targon จะเป็นอย่างไร: การเปลี่ยนไปใช้การปล่อยโทเค็นแบบอิงกระแสหลังปี 2025 และกลไก dTAO ตามที่อธิบายใน tao flow documentation ของ Taostats และ LearnBittensor’s emissions explanation หมายความว่า Targon ต้องรักษากระแสไหลเข้าสุทธิและ “ความมีประโยชน์” ที่ผู้ใช้รับรู้ให้ได้ เพื่อปกป้องส่วนแบ่งการปล่อยโทเค็นของตน ไม่เพียงแค่มีพูลสภาพคล่องหรือกระแสเล่าเรื่องในตลาดก็เพียงพออีกต่อไป

อุปสรรคเชิงโครงสร้างคือ Targon พยายามเป็นทั้งมาร์เก็ตเพลส ผลิตภัณฑ์ด้านความปลอดภัย และซับเน็ตที่ใช้โทเค็นเป็นตัวจูงใจในเวลาเดียวกัน

แต่ละชั้นมีโหมดความล้มเหลวของตนเอง: การออกแบบตลาดอาจถูกเล่นเกมได้ TEE อาจเปราะบางหรือผูกติดกับผู้ขาย และแรงจูงใจจากโทเค็นอาจดึงดูดทุนที่ไม่สนใจคุณภาพของผลิตภัณฑ์ จนกว่าจะถึงวันที่เริ่มสนใจขึ้นมาอย่างกะทันหัน

ดังนั้น ความอยู่รอดของโปรเจกต์น่าจะขึ้นอยู่กับว่า Targon จะสามารถเปลี่ยน “ความลับที่ตรวจสอบได้” ให้เป็นงานโหลดที่ลูกค้ายินดีจ่ายซ้ำอย่างต่อเนื่อง ซึ่งทนทานต่อการเปลี่ยนแปลงระบอบการปล่อยโทเค็นได้หรือไม่ และชุดตัวตรวจสอบรวมถึงการออกแบบกลไก จะสามารถควบคุมเหมืองคุณภาพต่ำหรือเชิงปฏิปักษ์อย่างต่อเนื่องได้หรือไม่ โดยไม่ถลำกลับไปสู่การประสานงานแบบรวมศูนย์