Targon

什么是 Targon？

Targon（SN4）是在 Bittensor 生态系统内的一种专门化“子网代币”，聚焦于一个范围较窄但在经济上可度量的问题：在尽量削减传统上使第三方算力难以用于敏感 AI 工作负载的信任假设的前提下，把 GPU 时间转化为一种可验证、具有市场定价的商品。

在实践层面，Targon 最好被理解为一个带有激励机制的算力市场：矿工提供硬件，验证者持续地校验性能和安全姿态，需求方则提交推理或其他 AI 工作负载。

它声称的竞争优势，在于对机密计算和持续远程认证（remote attestation）的明确关注——尝试让“不受信任”的运营方通过策略而非声誉变得可用，这一点体现在 Manifold Labs 关于 Targon Virtual Machine（TVM）的发布中，并在英特尔的一篇文章中被再次强调，该文章从 Intel TDX 加上 NVIDIA Confidential Computing 的角度来描述这一设计。

从市场结构的角度看，Targon 不是一个与通用智能合约平台竞争的基础层区块链；它是在 Bittensor 固定子网架构之内的一个应用特定经济区。

截至 2026 年初，追踪 Bittensor 子网的第三方看板显示，SN4 是按市值和流动性深度计较大且交易较活跃的子网代币之一，其池子层面的交易数据可以在类似 GeckoTerminal 的 SN4/TAO 交易池页面上查看，而子网层面的活动与“健康度”聚合则由诸如 SubnetRadar 之类的工具展示。

话虽如此，子网中的“规模”指标应当被审慎看待：流动性、质押流向以及通胀分配路径会产生一种反身性需求，看起来像是产品牵引力；更具持久性的信号是需求方是否会持续为算力付费，以及验证者在对抗性环境下能否可信地执行质量与机密性约束。

谁创立了 Targon？是什么时候？

Targon 与 Manifold Labs 关系紧密。Manifold 将自己定位为一个去中心化的前沿 AI 实验室和基础设施建设者。Manifold 在公开信息中称其成立于 2023 年，总部位于德克萨斯州奥斯汀，支持者包括 OSS Capital 和 DCG 等，如该公司自己的 Targon/Manifold “company” 页面 以及其 A 轮融资公告 所述。

同样的材料也较为清晰地揭示了治理现实：虽然在谁可以运行矿工和验证者这件事上，Bittensor 子网是“开放”的，但子网所有者仍然在机制设计与运维发布上拥有实质性的裁量权，从而引入一种混合结构，而不是一个完全可信中立的协议。

随着更广义的 Bittensor 叙事从“开放机器智能”实验转向生产化服务，该项目的叙事也随之演进。

在早期定位中，它强调的是通用 AI 推理与子网实验，但从 2024 年中到 2025 年，公开路线图愈发突出市场微观结构（价格发现与可预期的收益分配）以及机密计算原语。

例子包括：Targon v2.0.0 发布 强调重写的机制和反博弈调整；Targon v6.2.1 发布 为矿工引入类似订单簿的 “ask” 系统；以及在 Targon v7 中围绕 TVM 持续再认证的机密执行环境的后续叙事。

这一切与其说是一种在算力边际成本上竞争的策略，不如说是一种在可验证性与面向企业的安全主张上进行差异化的策略。

Targon 网络是如何运作的？

Targon 不是一个独立的共识网络；它从 Bittensor 的 Subtensor 链继承基础层安全性、终局性与记账功能，并在子网层面通过验证者打分和通胀分配来表达其“共识”。

在 Bittensor 的模型中，验证者评估矿工的工作并分配权重，链则利用这些权重来分配子网通胀；其共识目标更接近于“基于质押权重的效用评分”，而不是 Nakamoto 式的交易排序。这一点在 Bittensor 自己关于通胀与共识设计的技术文档中有所描述，例如 LearnBittensor 通胀概览 与 Bittensor 的共识文稿（如 PoS Utility Consensus PDF）。

因此，Targon 的“网络”本质上是矿工、验证者以及定义“有用算力”含义和在对抗性激励下如何度量它的机制代码三者共同作用后的涌现行为。

在这一框架内，使 Targon 在技术上与众不同之处在于，它尝试将经济奖励与一个基于可信执行与持续认证的安全模型绑定，而不是假定算力运营方是诚实的。Manifold 关于 TVM 的材料描述了运行在机密虚拟机中的工作负载，这些虚拟机具备以硬件为根的隔离和周期性再认证间隔，并明确依赖于具备机密计算能力的 CPU 与 GPU，如 Targon v7 中的总结，以及英特尔在其社区博客文章中对去中心化机密计算角色与远程认证流程的更正式阐释。

这一安全模型真正的约束在于，它将信任从“运营方诚实”转移到了“硬件与认证供应链”，而这并非没有代价：它限制了可用硬件的范围，增加了运维复杂度，并创造出一些新的失效模式（认证服务宕机、固件问题、对厂商的依赖等），这些问题与典型的加密风险是正交的。

sn4 的代币经济学是什么样的？

SN4 是在 Bittensor 的 Dynamic TAO（dTAO）机制下创建的一种“alpha 代币”。在这一机制中，每个子网都有自己的代币，获取该代币的主要方式是把 TAO 兑换进该子网的资金池，然后将所得 alpha 质押给验证者。

其具体机制记录在 Taostats 关于 alpha 代币 与dTAO 中质押 的说明中。之所以重要，是因为这里的“供给”更像是一种由资金池调节的质押资产，而不是一个具有固定上限表的 ERC‑20 代币；其价格是资金池余额、质押流向以及通胀预期共同作用的函数。

就 SN4 而言，Bittensor 浏览器使用的链上规范标识是子网 4，对应的分析数据可在 Taostats 的 SN4 metagraph 中查看，而资金池层面的流动性与隐含估值则可在类似 GeckoTerminal 的 SN4/TAO 池这一类市场跟踪工具上观察。在这样的设计下，更相关的代币经济学问题并不是孤立地看“最大供给”，而是要看通胀分配路径和质押流向如何扩张或压缩有效估值，尤其是在 Bittensor 转向基于流量的通胀机制之后。

SN4 的价值获取由通胀奖励以及质押者愿意向 SN4 资金池分配 TAO 的程度所共同决定，而在 2025 年之后的新机制下，这一分配本身也会反过来影响通胀。

Bittensor 向基于资金流的分配（“TAO flow”）转型，意味着各子网日益需要为净 TAO 流入展开竞争，以获取更大比例的网络通胀份额，如 Taostats 的 TAO 通胀 / tao flow 文档 以及更一般性的 LearnBittensor 通胀页面 所述。

对参与者而言，“质押 SN4”在经济上是一个由两部分组成的押注：第一，SN4 的 alpha 代币在资金池动态和资金外流不利的情况下，不会相对于 TAO 被结构性稀释；第二，验证者选择和子网表现能够在扣除滑点和手续费后，提供正的 alpha 通胀收益。

Taostats 关于矿工/验证者通胀分配和销毁规则的说明还强调了一个细微点：通胀并非纯粹是费用的再分配，而是由协议驱动的、通过打分机制路由的“通胀发行”，在某些情况下，特定由所有者分配的激励还会被销毁，如 Taostats 的通胀与矿工共识文档 所述。

谁在使用 Targon？

在子网代币中，将投机性周转与“真实使用”区分开来尤其困难，因为通胀本身就会创造一个原生收益叙事，从而主导资金流向；同时，资金池可以让资本轮换看上去像是产品市场契合。

最具说服力的使用指标，是那些与付费工作负载规模以及在伪造成本上较高的供给侧产能相关的指标。Manifold 在其 A 轮公告 中宣称已经实现了相当可观的付费推理吞吐量以及大规模 H200 算力，并将 Targon 描述为在高吞吐下提供“付费推理代币”的系统，且由大规模高端 GPU 机群支撑；这些说法属于项目方自报，应被视作趋向性数据而非审计结果，但至少是具体可指的。

在链上层面，SN4 metagraph 通过 Taostats 提供子网层面的活跃 UID、验证者数量和矿工参与度视图，可用于区分一个真正“活着”的子网与一个主要只是薄弱交易池的子网。

就机构或企业采用而言，公开记录主要是间接的：能看到的是融资参与方以及生态集成，而具名的企业客户通常不会披露。Manifold 在 Targon v7 以及英特尔所描述的相关机密计算架构中，明确将定位指向企业级机密性与受监管工作负载的适配性，这更像是一种面向企业的意图信号，而非已被完全证实的事实。 adoption.

对“机构参与”的一种可辩护表述方式是：确实存在资本形成和生态合作关系——例如，DCG 作为 Manifold A 轮的一方参与者（见 Series A announcement）——但这并不自动等同于可持续的收入，而子网代币的设计又可能掩盖真实的客户需求与投资者 / 质押者需求之间的差异。

塔贡（Targon）面临哪些风险和挑战？

对于 SN4 而言，监管风险与其说是塔贡本身会遭遇特定诉讼——截至 2026 年初，公开资料中并未出现广为记录的、正在进行的美国诉讼或正式定性争议——不如说更多来自这样一个问题：在不断演变的质押、收益型产品与“投资合约”等监管框架下，子网代币会被如何解读。

由于 alpha 代币是通过兑换获取、之后质押给验证者并产生排放（emissions），对于终端用户而言，它们可能看起来像收益类产品，即便其底层机制更接近于协议通胀与“效用评分”，正如 Taostats 在其关于 staking and alpha mechanics 的说明中所描述的那样。

第二个与监管相邻的风险点，是对大型厂商所提供的机密计算硬件及证明（attestation）基础设施的依赖；如果政策变化限制了某些 GPU 类型的出口、供应或企业使用场景，那么塔贡的“护城河”就可能从竞争优势转变为运维瓶颈——这一点在 Targon v7 中所阐述的硬件需求，以及英特尔在其 TDX + NVIDIA 机密计算综述中对所需 CPU/GPU 能力的讨论中，已被隐含地提及。

中心化向量同样不容忽视。子网在任意时点都可能只有相对较小的验证者集合；SN4 的验证者 / 矿工组成可在 Taostats’ metagraph 上观测，而参与节点数量偏少会在关键节点退出或合谋时放大治理风险与活性（liveness）风险。

在协议层面，Bittensor 正在向更明确的竞争与裁剪压力方向演进——包括注册 / 注销规则，以及对子网数量的上限控制——这会给任何长期处于净流出或排名不佳状态的子网带来生存威胁。

链在子网注册 / 注销，以及注销后 alpha 如何处置等方面的逻辑，记载于 Taostats 的 subnet registration/deregistration documentation 中，而 tao flow docs 所描述的基于资金流的排放机制，则可能突然“饿死”那些出现净流出的子网。

竞争威胁同样来自 Bittensor 体系之外：提供类似基元的机密计算云服务商和市场，可以在用户体验、地域覆盖、合规性与服务等级协议（SLA）等方面展开竞争；例如，Phala 在其 confidential AI page 中推介了一套带定价与证明工具的 TDX + NVIDIA 机密计算栈，这也凸显出塔贡的差异化不可仅停留在“我们也有 TEE”这一层面。

塔贡的未来前景如何？

最具可信度的“未来里程碑”，是那些已经锚定在已发布技术版本与明确的近期升级计划之上的内容，而非泛泛而谈的路线图叙事。

Manifold 自身的披露显示，其将持续强化机密计算栈，包括计划整合更多 TEE 技术与更广泛的硬件支持；相关的升级路径在 Series A announcement 以及 Targon v7 的架构说明中都有明确讨论。

另一方面，Bittensor 层面的变更会在塔贡自身工程进展之外，对 SN4 的经济性产生实质影响：自 2025 年之后转向的基于资金流的排放与 dTAO 机制（可参见 Taostats 的 tao flow documentation 及 LearnBittensor’s emissions explanation），意味着塔贡必须维持净流入与被认可的实用性，才能守住自己的排放份额；仅仅维持一个流动性池或叙事热度已不再足够。

结构性难题在于：塔贡试图同时扮演“市场”“安全产品”“代币激励子网”三重角色。

这些层面各自都带来了特有的失败模式：市场机制可能被博弈操纵，TEE 本身可能脆弱或对特定厂商过度依赖，而代币激励又可能吸引对产品质量漠不关心、只看收益的资本，直到某个时刻情绪突然转向。

因此，该项目的可行性，很可能更取决于以下几点，而非只是渐进式的功能更新：它能否将“可验证的机密性”真正转化为可持续的付费算力工作负载，并使之对排放机制变化保持韧性；以及，验证者集合与机制设计能否在无需高度中心化协调的前提下，持续甄别和压制低质量或对抗性的矿工。