dTAO 업그레이드 1주일 후, 비텐서 생태계는 어떤 측면에서 개선되어야 할까?

2025.03.04

dTAO 업그레이드 1주일 후, 비텐서 생태계는 어떤 측면에서 개선되어야 할까?

최종 검증은 TAO 가격과 서브넷 실용 가치 간의 긍정적 피드백 루프 구축 여부에 달려 있으며, 실패할 경우 Web3 AI 분야가 지속적으로 경량화 방향으로 전환될 가능성이 있다.

2025.03.04 - 08:16:28

Bittensor

Web3 심층 보도에 집중하고 흐름을 통찰

글: 블록부스터의 리서처 케빈

요약 (TL;DR)

Bittensor는 dTAO를 통해 서브넷 보상 배분 방식을 고정 비율에서 스테이킹 가중치 기반으로 전환하고, 50%를 유동성 풀에 공급함으로써 탈중앙화된 평가를 통해 고품질 서브넷 발전을 촉진하고자 한다.
초기 단계에서는 높은 변동성, APY 함정 및 역선택이 공존하며, 채굴자 품질 선별, 사용자 인식 장벽, 시장 관심도 불일치라는 세 가지 모순을 조율해야 한다.
현재 상위 10개 서브넷 중 오직 1곳만이 채굴자에게 오픈소스 모델 제출을 요구하고 있으며, 나머지 대부분은 익명 팀, 제품 연계 부재 등의 문제를 안고 있어 Web3 AI 인프라의 한계를 드러내고 있다.
최종 검증은 TAO 가격과 서브넷 실용 가치 간 긍정적 피드백 루프 형성 여부에 달려 있으며, 실패할 경우 Web3 AI 분야가 경량화 방향으로 전환될 가능성이 있다.

배경 회고

dTAO 도입으로 Bittensor 일일 발행 규칙 재편성:

기존 규칙: 서브넷 보상은 고정 비율로 배분—검증자 41%, 채굴자 41%, 서브넷 소유자 18%. 서브넷의 tao 발행량은 검증자 투표로 결정됨.

dTAO 이후 규칙: 이제 신규 발행되는 dTAO 토큰의 50%가 유동성 풀에 추가되며, 나머지 50%는 서브넷 참여자의 결정에 따라 검증자, 채굴자, 서브넷 소유자 사이에 배분된다. 서브넷의 TAO 발행량은 서브넷 스테이킹 가중치에 의해 결정됨.

dTAO의 설계 목적:

dTAO의 주요 목표는 실제 수익 잠재력을 지닌 서브넷의 성장을 촉진하고, 진정한 사용 사례 애플리케이션의 탄생을 자극하며, 그러한 애플리케이션이 올바르게 평가받도록 하는 것이다.

탈중앙화된 서브넷 평가:少数 검증자에 의존하지 않고, dTAO 풀의 동적 가격 책정이 TAO 발행량 배분을 결정한다. TAO 보유자는 자신이 믿는 서브넷을 지원하기 위해 TAO를 스테이킹할 수 있다.

서브넷 용량 증대: 서브넷 상한선 폐지로 생태계 내 경쟁과 혁신을 촉진.

조기 참여 유인: 사용자가 새로운 서브넷에 주목하도록 유도하고, 전체 생태계가 새 서브넷을 평가하도록 장려한다. 왜냐하면 새로운 서브넷으로 조기에 이주하는 검증자는 더 높은 보상을 받을 수 있기 때문이다. 조기에 새로운 서브넷으로 이주한다는 것은 낮은 가격에 해당 서브넷의 dTAO를 구매할 수 있음을 의미하며, 미래에 더 많은 TAO를 얻을 가능성도 커진다.

채굴자와 검증자가 고품질 서브넷에 집중하도록 유도: 채굴자와 검증자가 고품질의 새로운 서브넷을 찾도록 더욱 자극한다. 채굴자의 모델은 체외(链下)에 위치하고, 검증자의 검증 또한 체외에서 이루어지며, Bittensor 네트워크는 검증자의 평가에 기반해 채굴자에게 보상을 지급한다. 따라서 다양한 유형 또는 모든 종류의 AI 애플리케이션에 대해 채굴자-검증자 아키텍처를 따르는 한 Bittensor는 이를 정확하게 평가할 수 있다. Bittensor는 AI 애플리케이션에 매우 높은 포용성을 가지고 있으며, 각 단계의 참여자들이 모두 인센티브를 받을 수 있도록 하여 그 가치를 스스로 강화한다.

dTAO 가격 흐름에 영향을 미치는 세 가지 시나리오 분석

기본 메커니즘 회고

매일 일정량의 TAO와 동일량의 dTAO가 유동성 풀에 공급되어 새로운 유동성 풀 파라미터(k 값)를 구성한다. 여기서 dTAO의 50%는 유동성 풀에 들어가고, 나머지 50%는 가중치에 따라 서브넷 소유자, 검증자, 채굴자에게 배분된다. 가중치가 높은 서브넷일수록 더 큰 비율의 TAO를 할당받는다.

시나리오 1: 스테이킹 증가의 긍정적 순환

검증자에게 위임되는 TAO가 지속적으로 증가하면 서브넷 가중치가 함께 상승하고, 채굴자 보상 배분 비율도 확대된다. 검증자가 서브넷 토큰을 대량 매수하려는 동기는 두 가지로 나뉜다:

1. 단기 차익 실현 행동

서브넷 소유자가 검증자로서 TAO를 스테이킹하여 가격을 끌어올린다(기존 발행 모델 유지). 그러나 dTAO 메커니즘은 이러한 전략의 확실성을 약화시킨다:

비합리적인 스테이킹 사용자의 비중이 품질 중심 사용자보다 높을 경우, 단기 차익 실현이 지속될 수 있음
반대의 경우 초기에 매집한 토큰이 빠르게 가치 하락하며, 균등 발행 메커니즘이 자금 확보를 제한하여 장기적으로 고품질 서브넷에 의해 도태될 수 있음

2. 가치 포착 논리

실제 응용 시나리오를 갖춘 서브넷은 실제 수익을 통해 사용자를 유치하며, 스테이킹 참여자는 레버리지화된 dTAO 수익과 추가 스테이킹 보상을 동시에 획득하여 지속 가능한 성장 사이클을 형성한다.

시나리오 2: 상대적 성장 정체의 어려움

서브넷 스테이킹량이 증가하더라도 선두 프로젝트에 비해 뒤처질 경우, 시가총액은 안정적으로 상승하나 수익 극대화에는 어려움을 겪는다. 이때 다음 요소들을 집중적으로 검토해야 한다:

채굴자 품질이 한계를 결정: TAO는 학습 플랫폼이 아닌 오픈소스 모델 인센티브 플랫폼으로서, 그 가치는 고품질 모델의 산출과 활용에서 비롯된다. 서브넷 소유자의 전략 방향 선택과 채굴자가 제출한 모델의 질이 공동으로 발전 한계를 형성한다.
팀 역량 반영: 최고 수준의 채굴자는 대부분 서브넷 개발 팀 출신이며, 채굴자 품질은 사실상 팀의 기술 역량을 반영한다.

시나리오 3: 스테이킹 유출의 붕괴 나선

서브넷 스테이킹량이 감소할 경우, 쉽게 악순환이 발생한다(스테이킹 감소→수익 하락→추가 유출). 구체적인 원인은 다음과 같다:

경쟁적 도태: 서브넷이 실용 가치를 지녔으나 제품 품질이 뒤떨어져 가중치 하락으로 인해 탈락. 생태계 건강한 발전을 위한 이상 상태이나, 현재까지 TAO가 'Web3 애플리케이션 육성 도구'로서의 가치가 명확히 나타나지 않았다.
기대 붕괴 효과: 시장이 서브넷 전망에 회의감을 가지며 투기적 스테이킹이 철수. 일일 발행량 감소가 시작되면 핵심이 아닌 채굴자들이 가속적으로 이탈하며 결국 되돌릴 수 없는 쇠퇴 추세를 형성한다.

잠재적 리스크와 투자 전략

높은 변동성 창구 기간: dTAO 초기 발행总量이 크지만 일일 발행량은 일정하여 초기 몇 주간 가격이 격렬하게 변동할 수 있다. 이때 루트 네트워크 스테이킹은 리스크 완충 전략이 되어 기초 수익을 안정적으로 확보할 수 있다.
APY 함정: 높은 APY의 단기적 유혹이 유동성 부족과 서브넷 경쟁력 결핍이라는 장기 리스크를 가릴 수 있다.
가중치 경쟁 메커니즘: 검증자의 가중치는 서브넷 dTAO 가치와 루트 네트워크 TAO 스테이킹이 복합적으로 결정(복합 가중치 모델). 서브넷 출시 후 100일 이내에는 루트 네트워크 스테이킹이 여전히 수익 확실성 면에서 우위를 지닌다.

메임코인(Meme) 거래 특성 유사: 현재 단계에서 서브넷 스테이킹 행위는 메임코인 투기와 유사한 리스크 속성을 지닌다.

가치 투자와 시장 불일치

생태계 건설 역설: dTAO 메커니즘은 실용적 서브넷 육성을 목표로 하지만, 가치 투자 특성 때문에 다음과 같은 문제가 발생:
시장 교육 비용 높음: 채굴자 품질 / 응용 시나리오 / 팀 배경 / 수익 모델 등을 지속적으로 평가해야 하며, AI 전문성이 없는 투자자들에게는 인식 장벽이 존재.
관심 전환 지연: 에이전트(agent) 토큰과 대조적으로, 서브넷 토큰은 아직 동등한 규모의 시장 공감대를 형성하지 못했다.

비합리적 스테이킹의 시스템적 리스크

역사적 곤경 재현: 사용자들이 계속해서 발행량 지표에盲目하게 따를 경우 다음 현상이 발생:
검증자 권력寻租: 기존 메커니즘 하에서 서브넷 자가투표의 폐단 재현
메커니즘 업그레이드 무효화:: dTAO 설계 의도인 품질 선별 기능에 반한다.
인지 장벽 요구: 투자자는 서브넷 품질 평가 능력을 가져야 하나, 현재 시장 성숙도는 메커니즘 요구에 미달.

투자 시점의 게임 이론적 딜레마

최적 투자 창구: 투자 창구는 서브넷 출시 후 수 개월 후(팀 역량/네트워크 잠재력이 가시화되는 단계)로 후퇴해야 하지만 다음 리스크에 직면:

시장 관심도 감소 리스크
조기 투기자들의 철수로 인한 유동성 위축

성공 지표의 이중 검증:

TAO 가격과 서브넷 실용 가치 간 긍정적 피드백 형성
검증자가 지속적인 수익을 얻기 위해 TAO 보유를 선택하고 매도하지 않음

채굴자 품질 통제 불능 리스크

역선택 문제:
품질 선별 메커니즘 부재: 현재 모델로는 채굴자의 기여 품질을 효과적으로 구분하기 어렵다.
인센티브 환경 불균형: 저품질 채굴자의 차익 실현 행동이 고품질 개발자의 생존 공간을 압박.
생태계 건설 병목: 오픈소스 모델 육성 환경이 아직 성숙하지 못해 '나쁜 돈이 좋은 돈을 몰아낸다'는 악화 국면에 빠질 수 있음.

dTAO 서브넷 투자의 세 가지 모순:

핵심 모순:

서브넷이 고품질 채굴자 자원을 유치할 수 있는가?
사용자 평가 시스템이 효력을 지니는가?

부차적 모순:

서브넷에 실질적인 상업적 응용 시나리오가 존재하는가?

잠재적 리스크 요소:

개발 팀 정보 공개 투명성
수익 모델 설계 타당성
마케팅 실행 능력
외부 자본 유입 가능성
토큰 발행 메커니즘 설계

관찰과 기대

오픈소스 모델은 기술 발전의 주류 방향이지만, 탈중앙화 분야에서는 발전 병목을 돌파하기 어렵다.

현재 Bittensor는 업계 선두주자로서, dTAO 서브넷 생태계에도 여전히 뚜렷한 품질 결함이 존재한다. 아래 그래프에서 TAO 보상 발행량 기준 상위 10개 서브넷을 분석하면, TOP10 중 단 1곳만이 채굴자에게 오픈소스 모델 제출을 요구하고 있으며, 나머지 서브넷들의 채굴자 집단과 모델 개발 간 연계성은 약하다.

오픈소스 모델 학습은 매우 높은 기술 장벽을 지녀 Web3 개발자에게 중대한 도전이 된다. 대부분의 서브넷은 채굴자 기반을 유지하기 위해 적극적으로 기술 진입 장벽을 낮추며, 토큰 인센티브 풀 공급을 보장하기 위해 모델 오픈소스 요구를 회피한다.

비록 오픈소스 모델을 의무화하지 않는 서브넷이라도 그 생태 품질은 마찬가지로 우려된다.

TOP10 서브넷에서 일반적으로 나타나는 문제:

검증 가능한 실물 제품 부재

익명 개발 팀 비중 과다
dTAO 토큰과 제품 가치 간 효과적인 앵커링 부재
수익 모델이 시장 설득력 부족
dTAO의 기본 설계 철학은 선견지명을 지녔으나, 현행 Web3 인프라는 이상적인 생태계 구축을 뒷받침할 만큼 충분하지 않다. 이러한 이상과 현실의 괴리는 두 가지 결과를 초래할 수 있다:
dTAO 서브넷 평가 체계의 하향 조정 필요
Bittensor 오픈소스 모델 플랫폼 검증에 실패할 경우, Web3 AI 분야는 에이전트 애플리케이션 및 미들웨어 개발 등 경량화 방향으로 전환될 수 있음