비텐서(TAO)는 배출량을 AI 서브넷 자본 흐름과 일치시키기 위한 dTAO 업그레이드를 실시합니다.

• 비텐서는 인공지능을 위한 분산형 시장으로 운영되며, ‘인텔리전스 증명’ 방식을 사용하여 참여자들이 제공하는 머신러닝에 대한 정보의 가치에 따라 보상을 받습니다.
• 최근의 Dynamic TAO(dTAO) 업그레이드를 통해 서브넷별 스테이킹 및 배출량 할당 방식이 도입되었습니다. 이는 네트워크 자본 유입에 따라 이루어지며, 자원 분배를 위한 시장 주도적 메커니즘을 구축합니다.
• 이러한 구조적 변화는 자본이 가장 가치 있는 AI 결과를 생성하는 서브넷으로 흘러가도록 해줍니다. 이로 인해 네트워크 전반에서 컴퓨팅 리소스가 어떻게 할당되는지가 근본적으로 바뀝니다.
• 기관 참여자들은 검증자의 성능과 인프라의 신뢰성을 평가해야 합니다. 왜냐하면 이 네트워크는 낮은 성능을 보장하기 위해 프로토콜 수준의 최적화보다는 배출량 감소에 의존하기 때문입니다.

비텐서는 오픈소스, 분산형 네트워크로서 인공지능 서비스를 제공하는 마켓플레이스 역할을 합니다. 사용자들은 인공지능 서비스를 이용하고 맞춤화할 수 있으며, 생산자와 소비자 간의 투명한 상호작용도 보장됩니다. 이 네트워크는 텍스트 생성이나 이미지 인식과 같은 특정 인공지능 작업을 처리하는 전용 서브넷들로 구성되어 있습니다. 참여자들로는 컴퓨팅 리소스와 모델을 제공하는 마이너들, 출력 품질을 평가하고 점수를 부여하는 검증자들, 그리고 검증자를 지원하기 위해 TAO를 예치하는 대리인들이 있습니다.

이 네트워크는 ‘Proof of Intelligence(PoI)’라는 합의 메커니즘을 사용합니다. 이 메커니즘은 컴퓨팅 작업이나 자본 투자보다는 머신러닝에 대한 기여도를 기준으로 참여자들에게 보상을 제공합니다. 중요한 특징 중 하나는 Yuma Consensus입니다. 이 시스템은 검증자의 평가 결과를 종합하여 처리합니다. 최근 dTAO 업그레이드로 인해 배출량 할당 방식이 각 서브넷에 투입된 TAO의 양에 따라 결정됩니다. 이러한 설계 덕분에 자본이 가장 가치 있는 AI 결과를 생성하는 서브넷으로 흐릅니다.

TAO 토큰의 공급량은 2100만 개로 제한되어 있으며, 비트코인과 같은 디플레이션 모델을 따릅니다. 특히 2025년 12월에 첫 번째 할링이 발생하여 블록 내에서 발생하는 가치가 50% 감소합니다. 할링 이후에는 각 블록당 0.5 TAO가 채굴되어 서브넷에 분배됩니다. 각 서브넷 내에서는 가치의 41%는 검증자에게, 41%는 마이너들에게, 18%는 서브넷 소유자에게 지급됩니다. dTAO 모델 하에서는 서브넷의 가치 분배율이 Taoflow 모델에 의해 결정되며, 이 모델은 TAO 유입이 긍정적인 서브넷에 더 많은 가치를 배분합니다(스테이킹 대비 언스테이킹).

스테이킹 옵션으로는 루트 스테이킹(서브넷 0)이 있습니다. 이 방식은 TAO를 알파 토큰으로 변환하지 않으면서도 안전한 투자 기회를 제공합니다. 또한 서브넷 스테이킹도 가능하며, 특정 AI 분야에 집중된 투자를 할 수 있지만 알파 토큰의 변동성이 존재합니다. 기관 투자자들은 검증자 성능, 수수료율, 인프라 신뢰성 등을 고려해야 합니다. 현재 비텐서는 프로토콜 수준의 제재가 없으며, 성능이 좋지 않을 경우 배출량을 줄이는 방식을 사용하고 있습니다.

dTAO 업그레이드는 자원 할당 방식을 어떻게 변경하나요?

동적 TAO(dTAO) 업그레이드는 비텐서가 분권화된 자원을 관리하는 방식에 있어서 중요한 변화를 의미합니다. 이전에는 네트워크가 정적인 분배 모델에 의존했으며, 각 AI 서브넷의 다양한 요구와 활용도를 충분히 고려하지 못했습니다. dTAO 모델은 동적인 할당 시스템을 도입하여, 배출량의 분배는 Taoflow 모델에 따라 결정됩니다. 이 모델에서는 순수익이 긍정적인 서브넷에 더 많은 배출량이 할당되며, 이는 더 많은 스테킹 자본을 끌어들이는 서브넷에게 보상이 되는 방식입니다.

이 메커니즘은 자본 유입과 자원 분배 사이의 직접적인 관계를 만들어냅니다. 네트워크에 더 많은 정보 가치와 유용성을 제공하는 서브넷들은 더 많은 대표자와 검증자가 모여들게 되고, 그 결과 스테이킹도 증가합니다. 따라서 이러한 서브넷들은 블록 생성에서 더 많은 비율을 차지하게 되며, 이로 인해 생태계 내에서의 위치가 강화됩니다. 이러한 시장 중심의 접근 방식 덕분에 컴퓨팅 자원은 가장 생산적이고 가치 있는 AI 작업에 집중될 수 있습니다.

dTAO로의 전환은 네트워크 내 참여자들의 행동에도 영향을 미칩니다. 마이너와 유효성 검사자는 더 많은 대표자를 끌어들기 위해 자신의 머신러닝 결과의 품질을 향상시키도록 유도됩니다. 특히 유효성 검사자는 출력물의 품질을 평가하고 점수를 부여하는 데 중요한 역할을 하며, 이는 그들이 지원하는 서브네트워크의 명성과 매력을 직접적으로 결정합니다. 이로 인해 품질과 효율성이 더 많은 에너지 배출권으로 보상되는 경쟁적인 환경이 형성됩니다.

TAO 토큰노믹스와 스테이킹에 어떤 영향이 있을까?

TAO 토큰의 공급량은 2100만 개로 고정되어 있으며, 디플레이션 모델도 비트코인과 동일합니다. 첫 번째 할리브먼트는 2025년 12월에 일어났으며, 이로 인해 블록당 발행량이 50% 줄었습니다. 할리브먼트 이후에는 각 블록당 0.5 TAO가 채굴되어 서브넷에 분배됩니다. 이러한 공급량 감소와 dTAO의 동적 배분 방식으로 인해 토큰 보유자들에게 복잡한 경제 환경이 형성됩니다.

네트워크의 스테이킹 옵션은 루트 스테이킹과 서브넷 스테이킹을 포함하는 방식으로 확장되었습니다. 루트 스테이킹은 ‘서브넷 0’이라고도 불리며, TAO를 알파 토큰으로 변환하지 않고도 네트워크에 대한 보수적인 접근을 가능하게 합니다. 이 옵션은 특정 AI 분야와 관련된 변동성을 피하면서도 비텐서 생태계에 대한 포괄적인 접근을 원하는 투자자들에게 적합합니다. 반면, 서브넷 스테이킹은 특정 AI 작업에 집중된 접근을 제공하여, 투자자들이 특정 머신러닝 모델이나 애플리케이션의 성공 가능성에 베팅할 수 있도록 합니다.

하지만 서브넷 스테이킹 방식은 알파 토큰의 변동성을 초래합니다. 왜냐하면 기반이 되는 알파 토큰의 가치는 특정 서브넷의 성능과 수요에 따라 변동될 수 있기 때문입니다. 기관 투자자들은 자본을 투자하기 전에 검증자의 성능, 수수료율, 인프라의 신뢰성 등을 꼼꼼히 평가해야 합니다. 현재 네트워크에는 프로토콜 수준의 처벌 메커니즘이 없으므로, 검증자나 마이너들의 성능이 좋지 않으면 스테이킹된 토큰이 직접 손실되는 것이 아니라, 배출량이 줄어드는 형태로 처벌됩니다. 이러한 처벌 방식으로 인해 투자자들은 네트워크의 건강 상태와 검증자의 행동을 주의 깊게 모니터링해야 합니다.

반쪽으로 나뉘는 일정, 동적 방출 할당, 그리고 투자 옵션들 사이의 상호작용은 TAO의 투자 환경을 더욱 복잡하게 만듭니다. 네트워크가 성능이 좋은 서브네트워크에 자본을 유치하고 유지할 수 있는 능력은 그 장기적인 성공을 결정하는 핵심 요소가 될 것입니다. 생태계가 성숙해짐에 따라, dTAO 모델은 개발자, 검증자, 마이너, 위임자 간의 인센티브를 더욱 잘 조율하여 분산형 AI 시장의 지속적인 성장을 촉진할 것으로 예상됩니다.