Score

Score คืออะไร?

Score หรือที่รู้จักกันในชื่อ sn44 หรือ Score Vision เป็นซับเน็ต Bittensor ที่นำแรงจูงใจด้านแมชชีนเลิร์นนิงแบบกระจายศูนย์มาใช้กับคอมพิวเตอร์วิทัศน์ โดยเริ่มจากการเปลี่ยนวิดีโอสตรีมของฟุตบอลและกีฬาอื่น ๆ ให้กลายเป็นข้อมูลโครงสร้างที่อ่านได้โดยเครื่อง เช่น ตำแหน่งผู้เล่น การติดตามลูกบอล รูปทรงสนาม การตรวจจับวัตถุ และบริบทของเหตุการณ์

ปัญหาที่ Score แก้ไขไม่ใช่ “การประมวลผล AI” แบบทั่วไป แต่เป็นคอขวดที่แคบกว่าและมีความสำคัญในเชิงพาณิชย์ของ “การใส่คำอธิบายวิดีโอ” (video annotation): การแปลงฟุตเทจจำนวนมากให้กลายเป็นฉลากที่แม่นยำได้อย่างรวดเร็วและต้นทุนต่ำพอที่จะมีประโยชน์ต่อการวิเคราะห์กีฬา การเฝ้าระวังด้านความปลอดภัย การปฏิบัติงานในค้าปลีก โลจิสติกส์ และสภาพแวดล้อมที่มีกล้องหนาแน่นอื่น ๆ

สิ่งที่อ้างว่าเป็น “คูเมือง” เชิงการแข่งขันของ Score คือการผสานตลาดแรงจูงใจแบบไมเนอร์–วาลิเดเตอร์ของ Bittensor เข้ากับวิธีการตรวจสอบที่เบา เช่น การกรองเฟรม การตรวจสอบสนาม/จุดสำคัญ (keypoint) การทดสอบเรขาคณิตแบบ homography และการยืนยันเชิงความหมายด้วย CLIP ซึ่งถูกออกแบบมาเพื่อลดต้นทุนจากการต้องรันอินเฟอเรนซ์วิสัยทัศน์เต็มรูปแบบซ้ำอีกครั้งบนทุกเฟรมที่ส่งเข้ามา

GitHub repository อย่างเป็นทางการของโปรเจ็กต์อธิบาย Score Vision ว่าเป็นเฟรมเวิร์กคอมพิวเตอร์วิทัศน์แบบกระจายศูนย์ที่เน้นไปที่การรู้จำสถานะเกม (Game State Recognition) ในฟุตบอลก่อน ขณะที่ หน้าซับเน็ต Bittensor ปัจจุบัน ระบุ sn44 ว่าเป็นเฟรมเวิร์กที่ไมเนอร์ประมวลผลวิดีโอในเครื่อง และวาลิเดเตอร์ให้คะแนนผลลัพธ์ผ่านการตรวจสอบแบบไฮบริดด้านภาพและเรขาคณิต (github.com)

ตำแหน่งทางการตลาดของ Score ควรถูกมองว่าเป็นซับเน็ตแอปพลิเคชันเฉพาะทางบน Bittensor ไม่ใช่บล็อกเชนเลเยอร์ฐานหรือแพลตฟอร์มสมาร์ตคอนแทร็กต์แบบกว้าง

ณ ปลายเดือนมิถุนายน 2026 หน้าจอตลาดสาธารณะจัดให้ Score อยู่ในกลุ่มมิดแคปเมื่อเทียบกับโทเคนซับเน็ต Bittensor ที่มีสภาพคล่อง แทนที่จะอยู่ในกลุ่มเครือข่ายคริปโตรายใหญ่ CoinGecko ระบุว่า Score มีอันดับประมาณช่วง 500 ต้น ๆ ตามมูลค่าตลาดคริปโต ขณะที่มุมมองซับเน็ตเรียลไทม์ของ Bittensor.ai แสดงให้เห็นว่าซับเน็ตมีนิวรอนครบ 256/256 มีวาลิเดเตอร์เก้าโหนด มีผู้ถือโทเคนหลายพันรายที่เห็นได้บน Taostats และมีมูลค่าล็อก (TVL) ในพูลซับเน็ตโดยประมาณเทียบเท่า 131,000 TAO ตัวเลขเหล่านี้ควรถูกมองว่าเป็นตัวชี้วัดด้านตลาดและการสเตก ณ ช่วงเวลาหนึ่ง ไม่ใช่หลักฐานของดีมานด์จากผู้ใช้ปลายทางที่ยั่งยืน ในเชิงวิเคราะห์ ขนาดของ Score ยังเล็กมากเมื่อเทียบกับผู้ให้บริการคอมพิวเตอร์วิทัศน์แบบศูนย์กลางและผู้เล่นรายใหญ่ด้านข้อมูลกีฬา แต่ถือว่ามีความแตกต่างภายในระบบนิเวศ Bittensor เพราะมุ่งเป้าไปที่ผลลัพธ์ภายนอกที่วัดได้จริง — โมเดลวิทัศน์และฉลากที่ได้จากวิดีโอ — แทนที่จะเป็นเกมการแจกจ่ายโทเคนเชิงเก็งกำไรล้วน ๆ (coingecko.com)

ใครก่อตั้ง Score และเมื่อไร?

Score เริ่มปรากฏต่อสาธารณะราวปี 2024 ในช่วงที่มีการขยายตัวของเรื่องเล่าด้านโครงสร้างพื้นฐาน AI หลังยุค ChatGPT และช่วงแรกของวัฏจักรโทเคนซับเน็ต Bittensor

ข้อมูลบริษัทของโปรเจ็กต์ระบุว่า Score - Subnet 44 ก่อตั้งขึ้นในปี 2024 และมีสำนักงานใหญ่อยู่ที่นครนิวยอร์ก ขณะที่บันทึกซับเน็ตบน Bittensor แสดงว่า sn44 ถูกลงทะเบียนบนเชนในเดือนกันยายน 2024 การระบุชื่อผู้ก่อตั้งต่างกันเล็กน้อยในเอกสารสาธารณะ แต่ชื่อที่พบอย่างสม่ำเสมอคือ Maxime Sebti, Tim Kalic และ Nigel Grant เอกสารของ SIRE ระบุว่า Maxime Sebti เป็นผู้ร่วมก่อตั้งและซีอีโอของ Score Technologies, Tim Kalic เป็นผู้ร่วมก่อตั้งและซีทีโอ และ Nigel Grant เป็นผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายรายได้ ขณะที่ LinkedIn ระบุ Tim Kalic เป็นผู้ร่วมก่อตั้งและซีทีโอของ Score - Subnet 44 และ Manako Labs เอนทิตีปฏิบัติการมักถูกเรียกว่า Score Technologies หรือเชื่อมโยงกับ Vision Research Foundation โดยมี Manako Labs ปรากฏตัวภายหลังในฐานะอินเทอร์เฟซเชิงพาณิชย์ที่สร้างบนซับเน็ตนี้ (linkedin.com)

เรื่องเล่าของโปรเจ็กต์ได้เปลี่ยนไปอย่างมีนัยสำคัญตั้งแต่เปิดตัว วัสดุชุมชนช่วงแรกเกี่ยวกับ Score จะใกล้เคียงกับการทำนายผลกีฬา การวิเคราะห์กีฬา และการดึงชุมชนฟุตบอลเข้ามา ขณะที่การวางตำแหน่งปัจจุบันกว้างกว่า: เป็น “เลเยอร์คอมพิวเตอร์วิทัศน์แบบเปิดและไร้การอนุญาต” ที่สามารถฝึกและประเมินโมเดลวิทัศน์ขนาดเล็กเฉพาะงานสำหรับเครือข่ายกล้องในโลกจริงได้

วิทยานิพนธ์ Game State Recognition ในฟุตบอลยังคงมีความสำคัญ เพราะฟุตเทจกีฬาให้ข้อมูลที่มีการติดฉลากแน่นหนาและมีมูลค่าสูง พร้อมทั้งมีตลาดเชิงพาณิชย์ที่ชัดเจน แต่การวางกรอบของ Manako ในช่วงหลังได้ขยับ Score ไปสู่กรณีการใช้งานด้าน AI ทางกายภาพในองค์กร เช่น การแจ้งเตือนโซนหวงห้าม การตรวจจับวัตถุในปั๊มน้ำมัน การตรวจจับยานพาหนะ/คน และการมอนิเตอร์การปฏิบัติงานแบบ edge-deployed วิวัฒนาการนี้มีเหตุผลเชิงกลยุทธ์ เพราะการวิเคราะห์กีฬาเพียงอย่างเดียวเป็นตลาดเฉพาะที่มีผู้เล่นเดิมฝังรากอยู่แล้ว ในขณะที่ข่าวกรองจากกล้องสำหรับองค์กรมีขนาดใหญ่กว่า แต่ก็เพิ่มความเสี่ยงด้านการปฏิบัติการ: Score ต้องพิสูจน์ว่าสามารถขยายออกไปนอกเหนือฟุตบอลได้ โดยไม่สูญเสียความเข้มงวดในการตรวจสอบผลลัพธ์ที่ทำให้การออกแบบซับเน็ตดั้งเดิมสอดคล้องกัน (kucoin.com)

เครือข่าย Score ทำงานอย่างไร?

Score ไม่ได้รันบล็อกเชนแบบ proof-of-work, proof-of-stake หรือ DAG ของตัวเอง แต่เป็นซับเน็ตเฉพาะแอปที่รันอยู่บน Subtensor L1 ของ Bittensor โดย “คอนเซนซัส” ที่เกี่ยวข้องกับ Score คือกระบวนการ Yuma Consensus แบบถ่วงน้ำหนักด้วยสเตกของ Bittensor แทนที่จะเป็นกลไกสร้างบล็อกแบบอิสระ ใน Bittensor ซับเน็ตคือ “ตลาดแรงจูงใจ”: ไมเนอร์ทำงาน AI ที่กำหนด วาลิเดเตอร์ประเมินคุณภาพของงานนั้น และ Yuma Consensus แปลงการให้คะแนนของวาลิเดเตอร์ให้กลายเป็นการแจกจ่ายโทเคนแก่ไมเนอร์และวาลิเดเตอร์

เอกสาร Bittensor ระบุว่า Yuma Consensus ทำงานบนเชนภายใน Subtensor และคำนวณการจ่ายโทเคนให้ไมเนอร์และวาลิเดเตอร์จากการจัดอันดับไมเนอร์ของวาลิเดเตอร์ โดยใช้การ “clip” แบบถ่วงด้วยสเตกเพื่อลดการให้คะแนนแบบฮั้วหรือไม่น่าเชื่อถือ สำหรับ sn44 นั่นหมายความว่าโมเดลความปลอดภัยสืบทอดมาจากเชนของ Bittensor บางส่วน และขึ้นกับว่ากลุ่มวาลิเดเตอร์ของ Score จะสามารถแยกแยะเอาต์พุตคอมพิวเตอร์วิทัศน์คุณภาพสูงออกจากการส่งงานที่คุณภาพต่ำหรือเป็นปฏิปักษ์ได้ดีเพียงใด (docs.learnbittensor.org)

ในเชิงเทคนิค สถาปัตยกรรมของ Score เป็นระบบสามบทบาท: ไมเนอร์รับงานวิดีโอหรือภาพแล้วรันการตรวจจับวัตถุ การติดตาม หรืออินเฟอเรนซ์โมเดลเฉพาะทางในเครื่อง วาลิเดเตอร์ทำการสุ่มตัวอย่างและให้คะแนนผลลัพธ์ของไมเนอร์ และเจ้าของซับเน็ตดูแลการออกแบบภารกิจ พารามิเตอร์แรงจูงใจ และสุขภาพโดยรวมของเครือข่าย

คุณลักษณะเด่นคือแนวทางการตรวจสอบผลลัพธ์ แทนที่จะตรวจสอบทุกเฟรมด้วยอินเฟอเรนซ์โมเดลแบบเต็มที่มีต้นทุนสูง Score ใช้การกรองเฟรม การตรวจเช็กเชิงความหมาย การตรวจสอบความสมเหตุสมผลของจุดสำคัญและเรขาคณิตของสนาม ข้อผิดพลาดจากการฉายภาพกลับ (reprojection error) และเมตริกการจับคู่การตรวจจับแบบ GS-HOTA เพื่อประมาณคุณภาพอย่างมีประสิทธิภาพ

เอกสาร Score ช่วงแรกเน้นคลิปฟุตบอล การตรวจจับผู้เล่น–ลูกบอล การดึงเส้นสนาม และช่วงคลิปการแข่งขัน 30 วินาที ขณะที่เอกสารช่วงใหม่เน้นการกลั่นโมเดล (distillation) และ “ทักษะวิทัศน์” ที่มีน้ำหนักเบาและสามารถดีพลอยบน edge ได้ ซึ่งในเชิงเทคนิคถือว่าสมเหตุสมผล แต่ก็สร้างความตึงเครียดหลักอย่างหนึ่ง: ยิ่ง Score ขยายไปสู่ภารกิจวิทัศน์องค์กรที่หลากหลายมากเท่าไร ก็ยิ่งยากที่จะรักษาระบอบการตรวจสอบเดียวที่แข็งแรง และยิ่งทำให้ซับเน็ตต้องพึ่งการออกแบบชุด benchmark อย่างระมัดระวัง แทนที่จะเพิ่มจำนวนไมเนอร์เข้าไปเฉย ๆ (github.com)

โทเคโนมิกส์ของ sn44 เป็นอย่างไร?

sn44 เป็นโทเคนอัลฟาภายใต้โมเดล Dynamic TAO ของ Bittensor ดังนั้นกลไกปริมาณและมูลค่าจะต่างจากโทเคน ERC-20 แบบตารางจัดสรรคงที่ เอกสาร FAQ ของ Dynamic TAO ระบุว่าแต่ละโทเคนอัลฟาของซับเน็ตมีเพดานอุปทาน 21 ล้านโทเคนและมีตาราง halving ขณะที่เอกสาร emissions อธิบายว่าโทเคนอัลฟาเฉพาะซับเน็ตจะถูกแจกจ่ายให้ไมเนอร์ วาลิเดเตอร์ ผู้สเตก และผู้สร้างซับเน็ต ณ ปลายเดือนมิถุนายน 2026 หน้าตลาดบุคคลที่สามระบุว่ามี SN44 หมุนเวียนอยู่ราว 4–5 ล้านโทเคน และมีมูลค่าตลาดรวมประมาณช่วง 30 ล้านปลาย ๆ ถึง 40 ล้านต้น ๆ ดอลลาร์ ขณะที่สแนปช็อตสินทรัพย์ที่ผู้ใช้ให้มาระบุมูลค่าตลาดราว 42.4 ล้านดอลลาร์ และราคาโทเคนอยู่ในช่วงตัวเลขหลักเดียวระดับสูง โครงสร้างโดยรวมคือ sn44 มีลักษณะเงินเฟ้อไปจนกว่า emissions จะลดลงตาม halving และอุปทานเข้าใกล้เพดาน; โมเดลนี้ไม่ได้เน้นการเผาโทเคนเป็นหลัก แม้ว่าค่าใช้จ่ายการลงทะเบียนใน Bittensor และกลไกระดับโปรโตคอลอื่น ๆ จะส่งผลต่อการไหลเวียนของ TAO/อัลฟา รอบ ๆ การมีส่วนร่วมในซับเน็ตได้ docs.learnbittensor.org

มูลค่าที่สะสมมาจากดีมานด์การสเตก เศรษฐศาสตร์ไมเนอร์–วาลิเดเตอร์ และการประเมินของตลาดว่า ซับเน็ตนี้ผลิตเอาต์พุตคอมพิวเตอร์วิทัศน์ที่มีค่าเพียงใด ภายใต้ Dynamic TAO ผู้ใช้ที่นำ TAO ไปสเตกในซับเน็ตขุดจะเหมือนกับการแลก TAO เป็นอัลฟาของซับเน็ตนั้นแล้วนำอัลฟาไปสเตกกับวาลิเดเตอร์ มูลค่าตอนออกจึงขึ้นอยู่กับอัตราส่วนพูลระหว่างอัลฟากับ TAO ณ เวลาถอน เอกสาร emissions ของ Bittensor เดือนมิถุนายน 2026 มีความสำคัญเพราะระบุว่าเครือข่ายได้กลับไปใช้โมเดลอิงราคาสำหรับการกระจาย TAO ข้ามซับเน็ต หลังจากที่ใช้โมเดลอิงกระแส (flow-based) ระหว่างเดือนพฤศจิกายน 2025 ถึงมิถุนายน 2026 ซึ่งหมายความว่าราคาโทเคนของซับเน็ตและค่าเฉลี่ยเคลื่อนที่จะส่งผลต่อส่วนแบ่ง emissions อีกครั้ง

สำหรับ Score โดยเฉพาะ สแนปช็อตปลายเดือนมิถุนายนจาก Bittensor.ai แสดงให้เห็นว่าเจ้าของซับเน็ตได้รับส่วนแบ่ง 18% และ emissions ถูกแบ่งระหว่างไมเนอร์ วาลิเดเตอร์/ผู้สเตก และเจ้าของ โดยมีค่า APY การสเตกที่แสดงไว้สูงมาก ซึ่งควรถูกตีความว่าเป็นเอาต์พุต emissions ที่ผันผวน แทนที่จะเป็นผลตอบแทนคงที่ ในเชิงเศรษฐศาสตร์ ผู้ถือ sn44 กำลังรับความเสี่ยงในระบบที่สะท้อนตัวเอง: โมเดลที่มีประโยชน์และดีมานด์ภายนอกสามารถทำให้การไหลเข้าของสเตกและ emissions เป็นเหตุเป็นผลได้ แต่ emissions ที่ไม่มีดีมานด์จากค่าธรรมเนียมจะทำให้ผู้ถือถูกดิลูทและให้รางวัลกับการหมุนเวียนทุนระยะสั้นมากกว่าการสร้างยูทิลิตีเครือข่ายที่ยั่งยืน (docs.learnbittensor.org)

ใครกำลังใช้ Score?

ประเด็นสำคัญคือการแยกความแตกต่างระหว่างกิจกรรมของโทเคนกับการใช้งานผลิตภัณฑ์ On-chain trading volume, holders, จำนวนตัวตรวจสอบ (validator) และมูลค่าที่ถูกล็อกในสเตกกิง (staking TVL) แสดงให้เห็นว่าสินทรัพย์มีการมีส่วนร่วมจากตลาด แต่ตัวชี้วัดเหล่านี้ไม่ได้พิสูจน์ว่าองค์กรหรือทีมกีฬากำลังจ่ายเงินเพื่อรับเอาต์พุตจากระบบวิชัน

การใช้งานจริงสามารถอนุมานได้ดีกว่าจากกิจกรรมของงาน (task activity), ผลการทดสอบมาตรฐานของโมเดล (model benchmarks), การแข่งขันของไมเนอร์ และแอปพลิเคชันเชิงพาณิชย์ที่สร้างอยู่บนซับเน็ต เอกสารสาธารณะของ Score ระบุการวิเคราะห์กีฬา การออกอากาศ การเดิมพัน การสเกาต์ และการโค้ช เป็นตลาดเป้าหมายเริ่มต้น ในขณะที่การสื่อสารสาธารณะล่าสุดพูดถึงเส้นทางคอมพิวเตอร์วิชันที่กว้างขึ้น เช่น การตรวจจับบุคคล การตรวจจับยานพาหนะ การตรวจจับไฟ และการมอนิเตอร์ปั๊มน้ำมัน

ณ กลางปี 2026 รูปแบบการใช้งานที่น่าเชื่อถือที่สุดไม่ใช่ผู้ใช้รายย่อยที่โต้ตอบโดยตรงกับ sn44 แต่เป็นบิลเดอร์ที่ใช้ซับเน็ตเป็นแบ็กเอนด์แบบกระจายศูนย์สำหรับการค้นหาโมเดล (model discovery) และการกลั่นโมเดล (model distillation) (github.com)

สัญญาณการยอมรับจากฝั่งเอนเทอร์ไพรซ์ที่จับต้องได้ที่สุดคือ Manako Labs ในเดือนเมษายน 2026 Manako ประกาศความร่วมมือกับ PwC France และ Maghreb โดยระบุว่า PwC France จะใช้ Business Operations World Model ของ Manako ที่ขับเคลื่อนด้วย Score - Subnet 44 เพื่อช่วยองค์กรต่าง ๆ เปลี่ยนเครือข่ายกล้องที่มีอยู่ให้กลายเป็นระบบข่าวกรองเชิงปฏิบัติการ ในเดือนมิถุนายน 2026 บทความของ CryptoBriefing ที่เผยแพร่ซ้ำโดย KuCoin รายงานว่า Manako ได้เปิดตัวแพลตฟอร์มเอเจนต์ Vision AI ที่ขับเคลื่อนด้วย Score Subnet 44 ของ Bittensor ซึ่งมาพร้อมอินเทอร์เฟซแบบไม่ต้องเขียนโค้ด โมเดลที่รันได้บน CPU การประมวลผลที่ขอบเครือข่าย (edge processing) การแจ้งเตือนผ่าน Slack และการลงทุน TaoWeave มูลค่า 1 ล้านดอลลาร์ที่ระบุไว้เพื่อการขยายในอเมริกาเหนือ นี่เป็นสัญญาณเชิงพาณิชย์ที่มีนัยสำคัญ แต่ยังไม่เท่ากับรายได้ที่ผ่านการตรวจสอบ การรักษาลูกค้า หรือเมตริกการปรับใช้ในระดับเอนเทอร์ไพรซ์ มุมมองเชิงสงสัยคือ Score มีช่องทางกระจายตัวที่น่าตื่นเต้นผ่าน Manako และช่องทางที่เกี่ยวเนื่องกับที่ปรึกษาอย่าง PwC แต่ยังจำเป็นต้องเปิดเผยหลักฐานที่แข็งแรงยิ่งขึ้นของลูกค้าที่กลับมาใช้ซ้ำ ปริมาณงานที่มีการชำระเงิน และทรานส์พุตที่วัดเป็นจำนวนชั่วโมงกล้องที่ถูกประมวลผลหรือจำนวนงานโมเดลที่ได้รับการยอมรับ (manako.ai)

ความเสี่ยงและความท้าทายของ Score มีอะไรบ้าง?

ความเสี่ยงด้านกฎระเบียบของ Score เป็นทางอ้อมแต่มีอยู่จริง จากแหล่งข้อมูลสาธารณะที่ตรวจสอบ ไม่ปรากฏว่ามีคดีความจากหน่วยงานกำกับดูแลซึ่งมุ่งตรงมาที่ Score หรือ sn44 โดยเฉพาะ แต่ sn44 ได้รับผลสืบเนื่องจากความไม่แน่นอนในวงกว้างเกี่ยวกับ TAO, โทเค็นซับเน็ตของ Bittensor, การสเตกกิง และสินทรัพย์ดิจิทัลที่ขับเคลื่อนด้วยการปล่อยโทเค็น (emissions) เอกสาร S‑1 ของ Grayscale Bittensor Trust ที่ยื่นต่อหน่วยงานได้กล่าวถึงความเสี่ยงอย่างชัดเจนว่า TAO อาจถูกโต้แย้งว่าเป็นหลักทรัพย์ และระบุว่า SEC หรือศาลอาจมีมุมมองที่ขัดแย้ง แม้ผู้สนับสนุนจะมองว่า TAO ไม่ใช่หลักทรัพย์ก็ตาม สิ่งนี้สำคัญสำหรับ sn44 เพราะโทเค็น alpha มีความเชื่อมโยงแน่นแฟ้นยิ่งกว่ากับกิจกรรมของผู้สร้างซับเน็ต การออกแบบการปล่อยโทเค็น กระแสสเตกกิง และความคาดหวังต่อความพยายามด้านการจัดการที่ก่อให้เกิดผลผลิต ความเสี่ยงหลักประการที่สองคือการรวมศูนย์ หน้า Bittensor.ai ในสแน็ปช็อตช่วงปลายเดือนมิถุนายนแสดงให้เห็นว่ามีตัวตรวจสอบบน sn44 เพียงเก้าราย สัดส่วนส่วนแบ่งเจ้าของ 18% การตั้งค่า commit‑reveal และ liquid‑alpha ถูกปิดใช้งาน และมีป้ายสถานะสุขภาพที่อธิบายซับเน็ตว่าถูกละทิ้ง พร้อมทั้งแสดงว่าไม่มีคอมมิต GitHub ในช่วง 30 วันที่ผ่านมา และคอมมิตล่าสุดเกิดขึ้นราว 200 วันก่อนหน้า ป้ายเหล่านี้บางส่วนอาจล่าช้ากว่าการพัฒนานอกเชน แต่ผู้ลงทุนสถาบันควรมองความเข้มข้นของตัวตรวจสอบ ดุลยพินิจของเจ้าของ รีโปที่นิ่ง และธรรมาภิบาลของงานที่ไม่โปร่งใส ว่าเป็นประเด็นตรวจสอบสถานะที่มีสาระสำคัญ sec.gov

ความเสี่ยงด้านการแข่งขันก็มีนัยสำคัญเช่นกัน ในด้านการวิเคราะห์กีฬา Score ต้องแข่งขันทางเศรษฐกิจกับผู้ให้บริการข้อมูลและวิดีโอวิเคราะห์เจ้าเดิม เช่น ผู้ให้บริการข้อมูลกีฬาแบบ Opta สแตกวิเคราะห์ของสโมสร ระบบติดตามสำหรับการออกอากาศ และผู้ให้บริการคอมพิวเตอร์วิชันเฉพาะทางที่ไม่จำเป็นต้องใช้แรงจูงใจจากคริปโต ในด้านวิชันสำหรับเอนเทอร์ไพรซ์ Score แข่งขันกับแพลตฟอร์ม AI บนคลาวด์ ผู้ให้บริการ edge‑AI เครื่องมือแบบ Roboflow โมเดลโอเพนซอร์ส และโซลูชันเฉพาะแนวตั้งแบบปิดที่ฝังอยู่ในซอฟต์แวร์ด้านความปลอดภัย ค้าปลีก โลจิสติกส์ และอุตสาหกรรม โมเดลซับเน็ตแบบกระจายศูนย์อาจเป็นข้อได้เปรียบด้านต้นทุนและการค้นพบบุคลากร หากสามารถหาโมเดลที่ดีกว่าได้อย่างน่าเชื่อถือ แต่ก็อาจใช้เวลานานกว่าจะทำให้พร้อมใช้งานเชิงผลิตภัณฑ์ เทียบกับผู้ให้บริการแบบรวมศูนย์ที่มีวงจรฟีดแบ็กจากลูกค้าโดยตรง ข้อตกลงระดับการให้บริการ ทีมจัดซื้อจัดจ้าง และการควบคุมด้านกำกับดูแล โทเค็นยังเป็นภัยคุกคามอีกประการหนึ่ง: หากผลตอบแทนจากการปล่อยโทเค็นน่าดึงดูดกว่ารายได้จากภายนอก ไมเนอร์และตัวตรวจสอบอาจปรับให้เหมาะกับกลไกการให้รางวัลแทนผลลัพธ์ของลูกค้า ทำให้เกิดช่องว่างระหว่างกิจกรรมบนซับเน็ตกับเอาต์พุตที่มีประโยชน์ทางเศรษฐกิจจริง medium.com

แนวโน้มในอนาคตของ Score เป็นอย่างไร?

แนวโน้มของ Score ขึ้นอยู่กับประเด็นด้านการเปลี่ยนช่องเทคนิคเฉพาะทางที่น่าเชื่อถือให้กลายเป็นโครงสร้างพื้นฐานเชิงพาณิชย์ที่ทำซ้ำได้ มากกว่าขึ้นอยู่กับสมรรถนะด้านราคา

โรดแมปที่ผ่านการยืนยันในเอกสารสาธารณะบน GitHub วางลำดับปี 2025 ไว้ตั้งแต่ Game State Recognition และการตรวจสอบด้วย VLM ไปจนถึงการดีพลอยบนเมนเน็ต การตรวจสอบแบบมนุษย์มีส่วนร่วม (human‑in‑the‑loop) แดชบอร์ด การจับการกระทำ (action spotting) การใส่คำบรรยายเหตุการณ์ (event captioning) API สำหรับการอินทิเกรต กีฬาเพิ่มเติม เครื่องมือสำหรับนักพัฒนา และแอปพลิเคชันข้ามโดเมน

ภายในกลางปี 2026 เรื่องเล่าสาธารณะได้ขยับไปสู่ข่าวกรองกล้องสำหรับเอนเทอร์ไพรซ์ที่ขับเคลื่อนโดย Manako และการกลั่นโมเดลขนาดเล็กที่เจาะจงงาน ขณะที่ตัว Bittensor เองก็มีการเปลี่ยนแปลงด้านโทเคโนมิกส์ที่สำคัญ รวมถึงการกลับไปใช้การปล่อยโทเค็นอิงราคาในเดือนมิถุนายน 2026

ดังนั้นหมุดหมายสำคัญจากนี้จึงเป็นเชิงปฏิบัติมากกว่าเชิงโปรโมต: การพัฒนาโอเพนซอร์สที่รีเฟรชอย่างต่อเนื่อง เทเลเมทรีของตัวตรวจสอบและไมเนอร์ที่ชัดเจนขึ้น ผลการทดสอบมาตรฐานของโมเดลที่ผ่านการตรวจสอบ เอกสารสาธารณะของ API หลักฐานของปริมาณงานที่มีการชำระเงิน และกรอบการตรวจสอบที่แข็งแรงสำหรับงานที่ไม่ใช่ฟุตบอล (github.com)

อุปสรรคเชิงโครงสร้างคือ Score ต้องพิสูจน์ให้ได้ว่าซับเน็ตนี้มีมากกว่าการเป็นเพียงการแข่งขันโมเดลที่ได้รับเงินอุดหนุนจากการปล่อยโทเค็น

หาก Manako และแอปพลิเคชันลักษณะใกล้เคียงสามารถส่งผ่านปัญหาจริงด้านวิชันของเอนเทอร์ไพรซ์เข้าสู่ sn44 ได้อย่างต่อเนื่อง เปรียบเทียบมาตรฐานเอาต์พุตของไมเนอร์ ดีพลอยโมเดลขนาดกะทัดรัดที่ขอบเครือข่าย และแสดงให้เห็นข้อได้เปรียบด้านต้นทุนหรือความแม่นยำเมื่อเทียบกับเครื่องมือแบบรวมศูนย์ Score ก็จะมีบทบาทที่ป้องกันการแข่งขันได้ในฐานะตลาดแรงงานคอมพิวเตอร์วิชันแบบ Bittensor‑native หากไม่เป็นเช่นนั้น สินทรัพย์นี้เสี่ยงที่จะถูกให้มูลค่าส่วนใหญ่ในฐานะการเดิมพันแบบมีคูณต่อการเก็งกำไรซับเน็ตของ Bittensor โดยมีช่องว่างจำกัดระหว่างสภาพคล่องของโทเค็นกับการเข้าถึงจุดเหมาะสมของสินค้าในตลาดอย่างแท้จริง จึงไม่สมควรให้คำพยากรณ์ราคา; คำถามที่เกี่ยวข้องคือ sn44 จะสามารถรักษาการตรวจสอบคุณภาพสูง กระจายอำนาจการควบคุม และเปลี่ยนข้อมูลจากกล้องให้กลายเป็นโครงสร้างพื้นฐานที่มีความต้องการจากภายนอกได้ทันก่อนที่แพลตฟอร์มวิชันแบบรวมศูนย์จะปิดช่องว่างด้านประสิทธิภาพต้นทุนหรือไม่