Kunstmatige intelligentie wordt snel een verhandelbaar digitaal goed. Toch blijft de infrastructuur die het produceert geconcentreerd op gecentraliseerde platforms. @opentensor's Bittensor introduceert een marktplaats waar machine-intelligentie concurreert om beloningen. Hier is hoe het netwerk werkt 🧵

Bittensor is een Layer-1 blockchain die is ontworpen om AI-productie te coördineren. In plaats van blokken te minen, strijden deelnemers om nuttige digitale outputs te produceren. 🔹 Modellen 🔸 Inference-antwoorden 🔹 Trainingsresultaten 🔸 Gegevens of opslag Het netwerk beloont waardevolle bijdragen met TAO.

Een momentopname van het netwerk begin maart 2026 toont aan hoe snel Bittensor is uitgebreid. 🔹 TAO prijs: ~$194 🔸 Marktkapitalisatie: $2,0B 🔹 Circulerende voorraad: 10,7M TAO 🔸 Netwerkemissies: ~3.600 TAO dagelijks verdeeld 🔹 Actieve subnetten: 128 gespecialiseerde markten TAO coördineert prikkels. Subnetten genereren de intelligentie.

Een subnet is een gespecialiseerde marktplaats binnen Bittensor. Elk subnet richt zich op het produceren van een specifieke digitale grondstof. Voorbeelden zijn: 🔹 AI-inferentie 🔸 Modeltraining 🔹 Opslaginfrastructuur 🔸 Autonome agenten Subnets concurreren om kapitaal, rekencapaciteit en emissies.

Elke subnet functioneert als zijn eigen competitieve omgeving. Deelnemers zijn onder andere: 🔹 Miners die outputs produceren zoals modellen of inferentie 🔸 Validators die de kwaliteit van die outputs evalueren 🔹 Stakers die TAO-kapitaal toewijzen over subnets Scores worden geaggregeerd via Yuma Consensus, die bepaalt hoe emissies worden verdeeld.

Het ontwerp creëert verschillende potentiële voordelen voor gedecentraliseerde AI-infrastructuur. 🔹 Wereldwijde computermarkten waar iedereen modellen of hardware kan bijdragen 🔸 Incentives die nuttige output belonen in plaats van gesloten platforms 🔹 Composable subnets die voortbouwen op elkaars capaciteiten 🔸 Marktgedreven kapitaalallocatie naar productieve netwerken Als het succesvol is, wordt de productie van intelligentie een open economie.

Het ecosysteem is snel gegroeid. Subnets zijn gestegen van ongeveer 70 halverwege 2025 naar ongeveer 128 vandaag. Echter, de activiteit is ongelijkmatig. Een relatief kleine groep subnets vangt de meeste emissies, liquiditeit en ontwikkelaarsaandacht in het netwerk.

Het evalueren van subnetactiviteit vereist een blik verder dan alleen het aantal dat bestaat. Signalen die doorgaans echte activiteit aangeven, zijn onder andere: 🔹 Emissieaandeel dat laat zien waar de prikkels zich concentreren 🔸 Liquiditeit en TAO-stromen die een duurzame kapitaalallocatie weerspiegelen 🔹 Actieve miners en validators die concurreren binnen het subnet 🔸 Publieke API's, tools of ontwikkelaarsactiviteit die echte gebruik suggereren Deze helpen om actieve markten van stille markten te onderscheiden.

Op basis van deze indicatoren springen verschillende subnets consistent in het oog 🔹 @chutes_ai (SN64) — gedecentraliseerde inferentie-infrastructuur die open modellen bedient 🔸 @affine_io (SN120) — interoperabiliteits- en benchmarklaag voor subnetmodellen 🔹 @ridges_ai (SN62) — autonome agenten gericht op software-engineeringtaken 🔸 @tplr_ai (SN3) — gedistribueerde AI-modeltraining over wereldwijde rekenkracht 🔹 @hippius_subnet (SN75) — gedecentraliseerde opslaginfrastructuur voor AI-gegevens Elk vertegenwoordigt een ander deel van de opkomende stack.

Samen illustreren deze subnetten de architectuur die zich binnen Bittensor vormt. In plaats van één verenigd AI-systeem, evolueert het netwerk door gespecialiseerde markten: 🔹 Trainingslagen 🔸 Inferentie-infrastructuur 🔹 Autonome agenten 🔸 Opslagnetwerken 🔹 Evaluatiesystemen Deze lagen kunnen geleidelijk samenkomen in een breder intelligentienetwerk.

Ondanks de groei staat het ecosysteem nog steeds voor structurele uitdagingen. 🔹 Hoge technische barrières voor miners en validators 🔸 Kwaliteitscontrole voor gedecentraliseerde AI-uitvoer 🔹 Latentie versus gecentraliseerde cloudproviders 🔸 Kapitaalfragmentatie over veel subnetten 🔹 Regelgevende onzekerheid rond AI en tokenmarkten Het systeem is nog in een vroeg stadium.

Bittensor vertegenwoordigt een poging om een open markt voor machine-intelligentie te creëren. In plaats van dat gecentraliseerde platforms bepalen welke modellen succesvol zijn, bepalen kapitaal en concurrentie de waarde. Als het model werkt, zou de AI-infrastructuur kunnen evolueren naar een gedecentraliseerde wereldwijde reken economie.