Score는 Bittensor 네트워크의 서브넷 44로 구축된 탈중앙화 컴퓨터 비전 플랫폼이자 비전 AI 연구 기업입니다. 이 프로젝트의 핵심 미션은 가공되지 않은 비디오를 구조화되고 실행 가능한 데이터로 변환하는 개방형 무허가 인프라를 구축하여 "모든 카메라를 지능화"하는 것입니다. 이는 독점적인 "프로그래머블 비전(Programmable Vision)" 프레임워크와 채굴자 및 검증자로 구성된 탈중앙화 네트워크를 결합하여 시각적 분석을 위한 적응형 AI 모델을 생성하고 평가합니다. 초기에는 스포츠 분석에 집중했으나, 현재는 소매, 농업, 물류 등 다양한 기업 부문으로 서비스 범위를 확장했습니다. ^{[1] [2]}​

개요

Score는 종종 시간이 많이 소요되는 수동 주석 작업에 의존하는 전통적인 비디오 분석의 높은 비용과 비효율성 문제를 해결합니다. ^[3] Bittensor 네트워크를 활용함으로써, Score는 전 세계의 기여자(채굴자)들이 각자의 머신러닝 모델을 사용하여 비디오 데이터를 처리하는 경쟁적인 시장을 구축했습니다. 이러한 모델들은 검증자(validators)에 의해 평가되며, 이를 통해 비디오 분석 비용을 10배에서 100배까지 절감하는 동시에 속도와 정확성을 향상시키는 자가 개선형 생태계를 조성합니다. 이 프로젝트는 이러한 탈중앙화된 접근 방식이 고급 컴퓨터 비전 기능에 대한 접근을 민주화하여, 개발자와 기업이 전문적인 AI/ML 팀 없이도 비전 시스템을 구축하고 배포할 수 있게 해준다고 상정합니다. ^{[4] [5]}​

이 프로젝트는 스포츠 분야에 초점을 맞추어 시작되었으며, 축구와 같은 복잡한 다중 에이전트 환경을 기초 모델의 훈련장으로 활용했습니다. 이러한 전략은 라이브 스포츠의 혼란스럽고 미묘한 활동을 이해할 수 있는 시스템이 다른 현실 세계의 시나리오로도 일반화될 수 있다는 전제에 기반했습니다. ^[1] 창립 이래, 이 회사는 물리적 세계를 위한 일반화된 비전 레이어가 되기 위해 비전을 확장해 왔으며, 여러 산업을 위한 상업적 애플리케이션을 개발하고 있습니다. 이 프로젝트의 제품군은 이 기술을 쉽게 이용할 수 있도록 설계되었으며, 특히 사용자가 간단한 텍스트 프롬프트를 사용하여 맞춤형 비전 시스템을 만들 수 있는 비전 AI 어시스턴트인 Manako가 대표적입니다. ^[2]​

역사 및 개발

Score는 2024년 뉴욕에서 Maxime Sebti, Tim Kalic, Nigel Grant에 의해 설립되었습니다. 초기에는 "머니볼(Moneyball)" 프로토콜로 구상되었으며, 회사의 첫 번째 초점은 스포츠 분석에 맞춰져 있었습니다. 이 기간 동안 레딩 FC(Reading Football Club)와 핵심 파트너십을 체결하여 영입 분석 서비스를 제공함으로써 전문 스포츠 분야에서 기술의 잠재력을 입증했습니다. ^[2]​

2024년 말, 회사는 전략을 수정하여 스포츠 전용 프로토콜에서 다양한 산업에 적용 가능한 보다 일반화된 비전 레이어(vision layer)로 비전을 확장했습니다. 이러한 변화는 프로젝트의 야망에 있어 중요한 진화를 의미했습니다. 2025년, 공동 창립자 Maxime Sebti는 다보스에서 열린 AI 및 데이터 센터 인프라 중심의 프라이빗 사이드 포럼에 참석하여 Opentensor 재단(Foundation) 대표 및 기타 업계 리더들과 논의에 참여했습니다. ^[2]​

이 프로젝트는 2025년 1분기에 Bittensor 네트워크의 서브넷 44(Subnet 44)로 메인넷(mainnet)을 출시했습니다. 이 배포는 프로젝트가 중앙 집중식 연구 개발 엔티티에서 글로벌 기여자 커뮤니티에 의해 운영되는 탈중앙화 AI 네트워크로 전환되는 중요한 이정표가 되었습니다. 메인넷 출시 이후의 로드맵에는 특정 이벤트를 식별하는 "액션 스포팅(action spotting)", 경기 이벤트 캡셔닝, 제3자 개발자를 위한 통합 API 출시와 같은 기능으로 플랫폼을 강화하려는 계획이 포함되었습니다. ^[3]​

기술 및 아키텍처

Score는 Bittensor의 서브넷 44에서 작동하며, 네트워크의 분산형 구조를 활용하여 컴퓨터 비전 모델을 지속적으로 생성, 검증 및 개선합니다. ^[5]​

네트워크 참여자

이 생태계는 비텐서(Bittensor)의 네이티브 토큰인 TAO를 통해 인센티브를 받는 주요 참여자들의 상호작용을 통해 작동합니다.

• 채굴자(Miners): 비디오 스트림을 처리하고 분석하기 위해 컴퓨팅 자원을 제공하는 네트워크 참여자입니다. 이들은 자체 컴퓨터 비전 모델을 실행하여 네트워크에서 제공하는 비디오 클립에 대해 객체 탐지, 추적, 주석 달기 등의 작업을 수행합니다. 채굴자는 작업의 정확성, 일관성 및 속도에 따라 TAO로 보상을 받습니다. ^[4]
• 검증자(Validators): 검증자는 네트워크를 보호하고 채굴자가 제출한 작업의 품질을 보장하는 역할을 담당합니다. 이들은 분석을 위한 비디오 데이터를 제공하는 것과 같은 과제를 생성한 다음, 독자적인 검증 프로토콜을 사용하여 채굴자의 결과물을 평가합니다. 검증자는 채굴자의 성과를 정확하게 평가하고 네트워크 합의에 기여한 대가로 TAO 보상을 받습니다. ^[3]
• 서브넷 소유자(Subnet Owner): 서브넷 44의 소유자인 Score 팀은 서브넷의 전반적인 상태와 방향을 관리합니다. 여기에는 네트워크 매개변수 최적화 및 고품질 기여를 장려하기 위한 인센티브 메커니즘 조정이 포함됩니다. ^[3]

핵심 개념 및 혁신

Score의 플랫폼은 몇 가지 주요 기술 혁신을 기반으로 구축되었습니다:

• 프로그래밍 가능한 비전(Programmable Vision): 단일 작업을 위해 거대하고 단일체적인 모델을 개발하는 대신, Score는 작고 전문화된 "비전 기술"(예: "사람 감지", "공 추적") 라이브러리를 생성합니다. 이러한 기술은 프로그래밍 방식으로 조합될 수 있는 빌딩 블록 역할을 하여, 처음부터 다시 학습시킬 필요 없이 새로운 애플리케이션을 위한 복잡하고 맞춤화된 비전 시스템을 구축할 수 있게 합니다. ^[1]
• Turbo Vision: 이 시스템은 고급 비전 언어 모델(VLM)을 사용하여 소량의 비디오 프레임 샘플에 대한 레이블을 자동으로 생성합니다. 이 프로세스는 "의사 정답(pseudo ground truth)" 데이터셋을 생성하며, 이는 전체 비디오를 고속 및 저비용으로 처리할 수 있는 더 작고 효율적인 모델을 훈련하는 데 사용됩니다. ^[5]
• 경량화된 검증(Lightweight Validation): 검증자의 계산 오버헤드를 최소화하기 위해 Score는 2단계 검증 방법을 개발했습니다. 먼저 관련 없는 비디오 프레임을 필터링하고 키포인트(예: 선수 위치)의 정확성을 검증합니다. 그런 다음 주요 프레임에 대해 CLIP 기반 객체 체크를 사용하여 감지된 객체의 분류를 확인하며, 모든 프레임을 집중적으로 처리하지 않고도 높은 수준의 정확도를 보장합니다. ^[3]
• 이중 트랙 시스템(Dual-Track System): 플랫폼은 서로 다른 요구 사항을 충족하기 위해 두 개의 병렬 트랙을 운영합니다. 퍼블릭 트랙(Public Track)은 모델이 공개적으로 제공되는 투명한 환경을 제공합니다. 프라이빗 트랙(Private Track)은 민감한 데이터를 보유한 기업 고객을 위해 설계되었으며, 데이터 프라이버시를 보장하기 위해 신뢰 실행 환경(TEE) 내에서 계산을 수행합니다. ^[5]

주석 및 인센티브 파이프라인

원시 비디오를 데이터로 변환하는 과정은 구조화된 파이프라인을 따릅니다. 전체 비디오 파일은 프로그램에 의해 30초 분량의 클립으로 슬라이싱되어 마이너(miners)에게 배포됩니다. 마이너는 클립을 처리하여 JSON 형식의 구조화된 데이터를 반환합니다. 그 후 검증자(validators)가 정확성을 확인하기 위해 의미론적 및 기하학적 검사를 수행합니다. 정확한 제출물을 제공한 마이너는 점수를 받고 보상을 받으며, 지속적으로 높은 성과를 낼 경우 지급액을 높여주는 "연속 승수(streak multiplier)"가 적용됩니다. 검증된 클립들은 이후 하나로 합쳐져 원본 비디오에 대한 완전하고 풍부한 데이터 타임라인을 생성합니다. ^{[4] [5]}

제품 및 생태계

Score의 기술은 다양한 시장의 요구를 충족하는 일련의 제품군과 전문화된 엔티티를 통해 제공됩니다.

핵심 제품

• Manako: 플래그십 애플리케이션 레이어인 Manako는 노코드(no-code) 인터페이스를 갖춘 비전 AI 어시스턴트입니다. 사용자는 카메라 피드를 연결하고 간단한 텍스트 프롬프트를 사용하여 분석 작업을 정의할 수 있습니다. 그러면 Manako는 Score의 라이브러리에서 필요한 비전 기술을 자동으로 선택하고 결합하여 기능적인 비전 시스템을 구축합니다. ^{[1] [2]}
• AVIA: 소매 연료 및 편의점 부문을 위한 상업용 솔루션입니다. 시설의 기존 카메라를 활용하여 고객 행동, 워크플로 효율성에 대한 실시간 인텔리전스를 제공하고, 유출 사고나 무단 침입과 같은 이상 징후에 대한 보안 알림을 제공합니다. ^[1]
• Two-a-Day: 농업 및 식품 생산 환경을 위해 설계된 솔루션입니다. 생산 라인의 카메라 피드를 분석하여 품질 관리를 모니터링하고, 병목 현상을 식별하며, 폐기물을 줄입니다. ^[1]

소비자용 애플리케이션

• Score 앱: 축구 팬들이 경기 예측을 통해 "인간 채굴자" 역할을 할 수 있게 해주는 모바일 애플리케이션입니다. 사용자는 정확한 예측에 대해 포인트를 획득하며, TAO를 포함한 보상을 받을 수 있습니다. ^[5]
• 판타지 스포츠 앱: 이 프로젝트는 서브넷의 심층 분석 데이터를 기반으로 한 판타지 스포츠 애플리케이션을 출시할 계획이며, 2026년 월드컵 전후 출시를 목표로 하고 있습니다. ^[5]

생태계 구성 요소

• Mettle: 스포츠 분석에 특화된 부문으로, Reading F.C.와의 파트너십 등을 지원합니다. ^[1]
• Lavance: 자동차 서비스 산업을 위한 애플리케이션으로, 세차장 및 대형 차량 세척 스테이션의 운영을 모니터링하는 데 사용됩니다. ^[2]
• Sire: Score의 분석 역량을 활용하여 예측 시장에 참여하기 위해 개발된 AI 에이전트입니다. ^[1]

활용 사례 및 응용 분야

Score 플랫폼에서 생성된 구조화된 데이터는 다양한 산업 분야에서 폭넓은 응용을 가능하게 합니다.

스포츠 분석

Score의 초기이자 기초적인 활용 사례는 스포츠입니다. 이 플랫폼은 다음 분야에 대한 데이터를 제공합니다:

• 축구: 280개 이상의 리그를 대상으로 한 실시간 전술 분석, 객관적인 선수 성적 평가 및 스카우팅. 이 데이터는 구단, 코치 및 스포츠 베팅 신디케이트에서 사용됩니다. 시스템은 기대 득점(xG) 및 팀 압박 강도와 같은 인사이트를 생성하도록 설계되었습니다. ^[4]
• 크리켓: 플랫폼은 크리켓 분야로 확장 중이며, 스카우팅 및 전술 개발에 활용하기 위해 표준 방송 영상을 사용하여 호크아이(Hawkeye) 방식의 볼 추적 기술을 복제하고 개선하는 것을 목표로 하고 있습니다. ^[5]

기업용 솔루션

Score는 다양한 기업의 요구사항을 충족하기 위해 기술력을 확장해 왔습니다:

• 소매 및 안전: Score는 유럽의 주요 석유 회사와 계약을 맺고 수천 개의 자동 주유소를 모니터링하고 경보를 전송하는 서비스를 제공하고 있습니다. ^[5]
• 농업: 주요 과일 수출업체인 Two-a-Day Group과의 파트너십을 통해, Score의 기술은 생산 라인에서 과일의 선별, 등급 분류 및 품질 분석을 개선하는 데 사용됩니다. ^[2]
• 물류 및 보험: 부동산의 비디오 워크스루를 분석하여 이사 물품 목록을 자동으로 생성함으로써 물류 및 보험 회사의 프로세스를 간소화하는 데 기술이 활용됩니다. ^[5]
• 보안: 이 플랫폼은 더욱 지능적이고 정확한 경보를 제공함으로써 가정용 및 CCTV 보안 시스템을 강화할 수 있습니다. ^[5]

토크노믹스 (Tokenomics)

Score의 네이티브 서브넷 토큰은 SN44입니다. Bittensor 네트워크의 서브넷으로서, 이 경제 모델은 Bittensor의 기본 토큰인 TAO와 깊이 통합되어 있습니다.

• 티커(Ticker): SN44
• 최대 공급량: 21,000,000 SN44
• 역할: SN44 토큰은 더 넓은 Bittensor 생태계 내에서 Score의 특정 지능 시장(서브넷 44)에 대한 지분 또는 소유권 공유를 나타냅니다.
• 인센티브: SN44가 네이티브 토큰이지만, 서브넷에 기여한 채굴자와 검증자에게 지급되는 주요 보상은 TAO로 지불됩니다. ^{[6] [4]}

Score 팀은 프로젝트의 실제 기업 수익을 Bittensor 생태계와 직접 연결하는 것을 목표로 하는 "Alphanomics"라는 공식 경제 모델을 개발하고 있습니다. 이 프로젝트는 수익의 일부(약 20%)를 사용하여 TAO 바이백(buybacks) 및 소각을 실행할 의도를 밝혔으며, 이는 네트워크와 토큰 보유자를 위한 가치를 창출하기 위해 설계된 메커니즘입니다. ^[5]

팀 및 주요 인력

• Maxime Sebti: 공동 창립자 겸 CEO ^[2]
• Tim Kalic: 공동 창립자 겸 CTO ^[5]
• Nigel Grant: 공동 창립자 겸 CSO ^[5]
• Matthew Cyzer: 회장. Cyzer는 골드만삭스(Goldman Sachs)의 파트너를 역임하고 BTIG, Cowen, Toronto Dominion Bank에서 고위직을 맡는 등 글로벌 금융 분야에서 35년 이상의 경력을 보유하고 있습니다. ^[2]
• 기타 팀원: 기타 주요 구성원으로는 Peter Cotton, Nick Compton(전직 프로 크리켓 선수), Arnaud Deffuant, Jack Devlin(마케팅 매니저), Gaetan Lajeune(검증인 및 채굴자 매니저), Alfie Grant(축구 분석가) 등이 있습니다. ^{[2] [5]}

파트너십

Score는 대상 산업 전반에 걸쳐 다음과 같은 다수의 전략적 파트너십을 구축했습니다:

• 레딩 FC (Reading Football Club): 축구 영입 분석을 위한 초기 파트너. ^[2]
• 투어데이 그룹 (Two-a-Day Group (Pty) Limited): 농업 분야의 품질 분석을 위해 Score의 기술을 사용하는 주요 아프리카 과일 수출업체. ^[2]
• 라방스 (Lavance): 자동차 서비스 산업 파트너로, 프랑스 전역의 세차장에 비전 AI(Vision AI)를 배포함. ^[2]
• 유럽 석유 회사 (European Petroleum Company): 주유소의 안전 및 모니터링을 위해 익명의 대형 유럽 석유 회사와 계약 체결. ^[5]
• 스포츠 베팅 신디케이트 (Sports Betting Syndicate): 예측 분석 제공을 위해 50억 달러 규모의 익명 스포츠 베팅 신디케이트와 전략적 파트너십 체결. ^[5]
• 스포츠 데이터 제공업체 (Sports Data Provider): 400,000회 이상의 경기를 포함하는 283개 리그의 영상 자료 접근을 위한 파트너십. ^[5]