affine

什么是 affine？

affine 是 Bittensor 的 120 号子网，一个去中心化的强化学习和“推理挖矿”网络，它向矿工支付报酬，奖励他们产出的开源权重推理模型能够在一组困难的评估环境中击败现任冠军。

它要解决的实际问题并不是泛化的推理供给，而是在对抗性激励机制下定向提升模型推理能力：矿工提交模型权重，验证者将挑战者与现任冠军进行对比测试，奖励会集中到在性能上有可证明改进的模型上，而不是集中到单纯处理请求数量最多的矿工上。

该子网声称的护城河是其锦标赛式的评估循环，在 Affine GitHub 仓库 中有所描述：矿工在链上提交一个 Hugging Face 模型与版本号的配对，而挑战者必须在所有已配置环境中以一定优势击败当前冠军，才能“夺取”子网的权重。(github.com)

affine 是一个偏小众但异常显眼的 Bittensor 应用子网，而不是一个独立的一层公链或通用智能合约平台。截至 2026 年 6 月下旬，第三方子网追踪工具将 SN120 列为较大的 Bittensor alpha 市场之一，SubnetRadar 将其排在子网市值榜的前列，并显示 UID 集几乎被完全占满，而 Bittensor 的子网目录 则将 Affine 定义为“去中心化推理模型评估”。

这些数据更应被视为市场结构指标，而不是终端用户需求的证据，因为 Bittensor 子网的市值、流动性和“TVL”主要来源于 dTAO 质押池和 alpha 代币敞口，而不是传统意义上的协议收入。(subnetradar.com)

谁在什么时候创立了 affine？

affine 似乎于 2025 年上线，OpenTAO 显示 SN120 于 2025 年 6 月 10 日注册，发生在 Bittensor 进入 dTAO 之后的阶段，当时各个子网从单纯由验证者主导的激励目标演变为可投资的 alpha 代币市场。

公开的生态资料通常将该子网与 Affine Foundation 和 Jacob Steeves 联系在一起，后者又被称为 “Const”，是 Bittensor 的联合创始人，不过除此之外的运营团队并未在类似企业年报的正式文档中被广泛披露。此类信息不透明在 Bittensor 子网中较为常见，但对于机构尽调来说却十分重要，因为一个子网的技术可信度、所有权激励以及治理风险，往往集中在一个小型创始人或运营团队上，而不是分散在成熟的公众公司结构中。(opentao.ai)

affine 的叙事从早期宽泛的“推理市场”概念，逐渐演化为更加具体的开放模型强化学习竞赛。早期描述强调的是推理的商品化和多子网资源协同；而当前代码库则更加收敛且可度量，聚焦于模型提交、一次性 hotkey 承诺、抄袭控制、每日挑战者窗口，以及如 SWE-INFINITE、LIVEWEB、NAVWORLD、MEMORY、DISTILL 和 TERMINAL 等具体评估环境。这一转变很关键，因为它让 affine 从模糊的“去中心化 AI 故事”转向一个可被证伪、以基准测试驱动的机制，但代价在于其经济价值依然取决于：这些基准测试上的胜利能否转化为可复用的外部推理需求。(github.com)

affine 网络如何运作？

affine 更适合作为 Bittensor 内部的一个应用特定激励层来理解，而不是一个独立的共识网络。它没有采用自己的 PoW、PoS 或 DAG 共识；结算、注册、质押、alpha 记账以及奖励分发由 Bittensor 的 Subtensor 基础设施负责，而子网层面的工作分配则由 Bittensor 的 Yuma 共识机制治理。

在 Yuma 共识中，验证者为矿工提交排名或权重，而链上流程会将这些排名转化为矿工和验证者的代币排放；在 affine 的场景下，排名信号来源于：提交的推理模型能否在子网评估规则下击败现任冠军。Bittensor Yuma 共识文档 将这一更广泛的机制描述为：根据验证者对矿工表现的评估，计算矿工和验证者排放的算法。(docs.learnbittensor.org)

该子网最具特色的技术设计在于其“胜者通吃”的模型评估循环。矿工训练或微调模型，将公开权重上传到 Hugging Face，并在链上提交单一的模型版本；随后，验证者拉取该提交，与冠军模型对比，在所有活跃环境中全部取胜且满足严格条件时，才会用挑战者替换冠军。

Affine FAQ 描述了一次性承诺、对重复提交的永久作废、模型哈希抄袭检查，以及在网络不稳定时可选择将部分权重路由至 UID 0 作为类似销毁的安全机制。验证者的操作相对轻量，因为他们只需提交权重并监控后端评分，而不一定要在本地运行 GPU 密集型推理；验证者指南 指出，计算由后端服务完成，验证者主要负责拉取权重、配置 burn 参数，并在链上设置这些权重。(github.com)

sn120 的代币经济是怎样的？

sn120 是 Bittensor netuid 120 的子网专属 alpha 代币，Bittensor 区块浏览器将其标记在 120 号子网地址下。在 Dynamic TAO 模式下，每个子网 alpha 代币都有自己独立的 TAO/alpha 流动性池，并具有 2100 万 alpha 单位的硬顶，对应主网 TAO 的 2100 万上限，同时排放遵循类似减半的节奏，而不是从创世就完全流通的固定供应。Dynamic TAO FAQ 和 Bittensor 子网文档 解释说，将 TAO 质押到某个子网，本质上是用 TAO 敞口交换该子网的 alpha 代币敞口，由池中的准备金比率决定 alpha 价格。截至 2026 年 6 月下旬，官方提供的资产数据和第三方看板显示，sn120 的市值在数千万美元量级，代币价格约在十几美元区间，但这些数值是流动性池输出的波动结果，而非稳定的基本面。docs.learnbittensor.org

sn120 的主要用途是质押敞口和排放分配，而不是在独立链上支付 gas。

用户质押进入 affine 时，会获得 SN120 alpha 代币敞口，并通过某个验证者参与子网奖励经济；矿工通过产出胜出的推理模型获取排放，验证者通过正确评估和设置权重获利，而质押者则通过 dTAO 激励层获取收益，同时承担 alpha 价格风险。

Bittensor 的排放系统也已经发生了实质性变化：文档指出，截至 2026 年 6 月，排放已回退到基于价格的模型，使用子网代币价格的 EMA；而 2025 年 11 月至 2026 年 6 月期间采用的基于流量的 Taoflow 模型已被弃用。这一点对 sn120 很重要，因为价值累积较少依赖直接费用捕获，而更多取决于质押需求、验证者信心以及对模型实用性的感知能否支撑该子网的 alpha 市场。(docs.learnbittensor.org)

谁在使用 affine？

可观测到的用户群体主要是加密原生和基础设施侧角色：矿工、验证者、质押者以及关注模型排行榜的开发者。截至 2026 年 6 月下旬，SubnetRadar 显示 affine 的 UID 利用率接近饱和，拥有数百个矿工席位和少量验证者，这表明为了争夺排放，网络内存在充分竞争，但不能将其简单等同为面向消费者的采用。

项目在链上的实际效用，是生产和评估开放的推理模型；SN120/TAO 资金池中的投机性交易量则是另一回事，即便底层推理产品的外部收入有限，这种交易也可能主导短期市场活动。公开的代码库进一步强化了这一点：它将核心逻辑放在矿工提交、验证者设置权重和模型评估上，而非传统的 SaaS 客户增长管道。(subnetradar.com)

机构或企业级采用仍然有限，应当以保守态度看待。

目前最具体的集成说法是 Bittensor 内部的互操作性：OpenTAO 和 Affine 相关材料称，获胜模型会通过或接入诸如 Chutes 等推理基础设施，从而让下游开发者和智能体构建者可以通过类似 API 的方式消费这些推理输出。不过，SubnetRadar 的研究页面并未显示 affine 在 30 天或 90 天区间有经验证的外部收入，因此目前的公开证据还不足以将 SN120 视为企业营收资产，而更适合将其定位为一个有前景的子网级研究市场。(opentao.ai)

affine 面临哪些风险和挑战？

监管风险主要源自 Bittensor 和 TAO，而非 affine 本身，但这种区分在美国监管机构对其进行审查时，未必能为子网 alpha 持有者提供实质保护，如果 U.S. regulators scrutinize the 更广泛的网络。Grayscale 的 Bittensor Trust S-1/A 申报文件指出，如果其注册与上市流程生效，该信托拟在 NYSE Arca 以代码 GTAO 上市，但文件同时披露，目前信托并未对其持有的 TAO 进行质押，且监管批准并无保证。更早的 Grayscale 风险披露也警告称，TAO 的早期分发方式以及 Opentensor Foundation 的角色，可能使其被归类为证券的风险高于类比比特币的资产。对 sn120 来说，更直接的中心化风险是运营层面的：有限数量的验证者、与创始人相关联的子网、由后端控制的评分服务，以及“赢家通吃”的激励规则，即便挖矿过程在名义上是无需许可的，也会集中影响力。sec.gov

竞争威胁是双向的。在 Bittensor 体系内，affine 为争夺通胀激励（emissions）、质押资本与心智份额，要与其他高知名度子网竞争，例如 Chutes、Targon、Templar 以及其他用于模型训练、推理和评估的网络；在 Bittensor 体系外，它则要与中心化的 AI 实验室和开源模型社区竞争——这些主体同样可以改进推理模型，而无需依赖代币化的激励层。

其机制在经济上也较为脆弱：如果基准测试被攻破（被“游戏化”），如果模型改进无法泛化，如果验证者未能维持可信的评分，或者如果质押者轮换至收益更高的子网，alpha 代币就可能很快失去通胀激励的支撑。

Bittensor 在 2026 年 5 月和 6 月的协议变更——包括移除子网注册时的免费 owner alpha，以及 Spec 413 关于 protocol-alpha 记账的热修复——表明 dTAO 经济仍在被积极修订，而非已经作为一个稳定的货币设计运行中。(tao.media)

affine 的未来前景如何？

affine 的前景，与其说取决于价格升值，不如说取决于它能否证明：开放的、对抗式的强化学习激励，能够产生外部用户真正愿意消费的、持久的推理能力改进。

可验证的近期技术方向在代码仓库中是清晰可见的：新的矿工指南要求新的提交必须基于 Qwen3.6-35B-A3B 微调，强制执行一次性提交（one-shot commits），检查模型大小和对话模板的安全性，并依赖每日挑战者窗口（daily challenger windows），在该窗口内用单个模型对抗现任模型进行处理。在协议层面，Bittensor 2026 年 6 月的通胀激励文档与 Spec 413 升级表明，对包括 affine 在内的所有子网而言，底层环境正在变化：通胀激励再次与基于价格的 EMA 机制挂钩，且在子网解散期间，对 alpha 的记账处理更加严格。

因此，其结构性障碍不仅仅是“写出更多代码”；affine 必须证明其评分环境能抵抗过拟合，验证者控制下的评估仍然可信，以及推理模型的输出可以成为有用的基础设施，而不是只围绕通胀激励展开的内部循环竞争。github.com