作者： @OnchainLu
編譯：Felix, PANews
如果您正在閱讀本文，則表示您已經熟悉Bittensor 生態系統，並且知道於2 月13 日的Dynamic TAO 升級。如果沒有，建議閱讀《 Dynamic TAO for Dummies 》，該文章描述了dTAO 對Bittensor 生態系統的高階變化和影響。本文的目的是深入分析dTAO 的引入將如何改變網路的發行分配、激勵結構和經濟性。
發行機制
dTAO 透過實施子網路特定的Alpha 代幣，在恆定產品自動做市商（AMM）上與TAO 進行交易，從而為Bittensor 的經濟模型帶來了根本性轉變——以下為AMM 如何與dTAO 配合的解釋。透過這種新機制，子網路Alpha 代幣的相對價格直接影響其收到的TAO 發行量，而不是由一小部分驗證者控制發行分配。
發行組件
新的發行將由三個部分組成：
- 基於子網Alpha 代幣價格的TAO 分配（第1 部分）
- 向子網流動性池注入Alpha（第2 部分）
- 在子網路所有者、驗證者和礦工之間分配的額外Alpha 發行（第3 部分）
這些發行按每個區塊（約12 秒）計算。
TAO 發行公式
核心TAO 發行（第1 部分）公式如下所示：
子網路TAO 發行=（子網路Alpha 價格/ 所有子網路Alpha 價格總和）×（每個區塊的TAO 總發行量）
其中：
- 子網路TAO 發行→ 向特定子網路發行的TAO 數量
- 子網Alpha 價格→ 子網Alpha 代幣的價格
- 所有子網路Alpha 價格總和→ 所有子網路Alpha 代幣價格總和
- 每個區塊的TAO 總發行量→ 每個區塊發行的TAO 總量（1 TAO）
此公式根據每個子網路Alpha 代幣的相對市值分配TAO 發行量。需求和流動性較高的子網路將獲得更大份額的TAO 發行量，從而激勵有價值的服務和用戶吸引力。
Alpha 代幣注入（第2 部分）
Alpha 注入遵循類似但經過修改的公式：
Alpha 注入= min( [每個區塊的TAO 總發行量/ 所有子網路Alpha 價格總和] , [子網路Alpha 發行上限] )
要點：
- 每個區塊的TAO 總發行量最初為1 TAO，但遵循減半計畫。
- 子網路Alpha 發行上限→ 每個區塊可以注入子網路流動性池的最大Alpha（最初為每個區塊1 Alpha，也遵循減半計畫）。
- Alpha 注入與注入的TAO 成比例，除以所有子網路價格總和（同時以[子網路Alpha 發行上限]為上限）
此機制為子網路AMM 提供流動性，同時防止過度通膨。
額外的Alpha 發行（第3 部分）
除了注入流動性池的Alpha 之外，還有額外的Alpha 發行分發給子網路所有者、驗證者和礦工。每個子網路每個區塊最多可發行1 個Alpha，並遵循TAO 減半計畫。
分配明細：
- 18%：子網路所有者
- 41%：驗證者
- 41%：礦工
此獎勵機制激勵子網所有者、驗證者和礦工為子網路營運、安全和成長做出貢獻。
每個區塊的總Alpha 發行量（減半前）：
- 最多1 個Alpha 注入子網路流動性池（第2 部分）
- 最多1 個Alpha 分發給子網路所有者、驗證者和礦工（第3 部分）
需要注意的是，兩種形式的Alpha 發行——注入流動性池的Alpha（Alpha-in）和分發給子網參與者的Alpha（Alpha-out）——都遵循與TAO 相同的減半計劃。
需要明確的是，每個子網路都遵循自己的減半計畫。較早啟動的子網將經歷較高的發行率時期，因為它們從減半計劃開始時就啟動了。較晚的子網路必須接受它們啟動時目前的（較低）發行率，因為所有子網路都遵循基於預定供應里程碑的相同減半閾值。
所有發行的同步減半有助於維持可預測的代幣供應成長並控制整個系統的通貨膨脹。
範例計算
假設有三個子網，Alpha 價格分別為2 TAO、1 TAO 和1 TAO（總計4 TAO）。
對於區塊的TAO 發行（第1 部分）：
- 第一個子網路→ 0.5 TAO（2/4 × 1 TAO）
- 其他兩個子網路→ 每個0.25 TAO（1/4 × 1 TAO）
現在關注相應的Alpha 注入（第2 部分）：
每個子網路的Alpha 發行上限為每塊1 個（假設它們都處於減半計劃的初始階段），因此它們分別獲得min{0.25, 1}、min{0.25, 1} 和min{0.25, 1} Alpha。
除了這些池注入之外，每個子網路還會收到額外的1 個Alpha（第3 部分），以18/41/41 的比例分配給所有者、驗證者和礦工。
這創造了一種強大的動態，即價值較高的子網自然會吸引更多的TAO 發行，而注入上限和固定獎勵的組合則保持了經濟穩定。佔Alpha 總市場價值50% 的子網路將獲得50% 的TAO 發行，從而在市場價值和資源分配之間建立直接聯繫。
Alpha 價格操縱？
您可能會擔心Alpha 價格被操縱。隨著交易規模相對於子網池流動性的成長，滑點成本會增加，恆定乘積AMM 能為Alpha 價格被操縱創造了防禦機制。
範例：
假設子網路的Alpha/TAO 池有10 萬個Alpha 和5 萬個TAO → Alpha 價格= 0.5 TAO。
購買1 萬個Alpha 將花費5,556 個TAO，使每個Alpha 的有效價格為0.5556 TAO（11% 的價格影響）。
簡而言之，佔池流動性1% 的交易將產生約1% 的價格影響，但佔池流動性10% 的交易將產生約11% 的價格影響。
這使得大規模的操縱交易極為昂貴，同時又能維持正常市場運作的效率。
訂單排序隨機決定
對於潛在的子網投資者，還有一點需要注意：Bittensor 採用了訂單排序隨機確（ Random Order Finalization）的機制，這意味著每個區塊執行的交易順序不是先到先得。
例如，如果許多投資者試圖進入同一個區塊內的同一子網流動性池（可能是由於協調努力或跟單交易者團隊），他們的訂單順序將被隨機化，這意味著：
價格操縱的風險降低了，因為攻擊者無法有效地提前執行訂單。
每個投資者所經歷的價格影響和滑點會有所不同，這取決於他們在該區塊內交易的隨機順序。由於隨機化，有些人可能會獲得比其他人更優惠的價格。
雖然這種機制可以有效地阻止操縱，但卻為大型協作投資帶來了不可預測性。因此，希望在特定子網路中進行協作投資的投資者應該做好準備，某些成員可能會面臨比其他成員更高的滑點成本。透過降低同區塊交易結果的可預測性，其最終將鼓勵更有機和去中心化的市場動態。
