Sportstensor 是一个去中心化的人工智能 (AI) 网络，专为体育预测而设计，作为 Bittensor 区块链 上的子网 41 运行。该项目旨在创建一个竞争环境，开发者、数据科学家和 AI 爱好者（称为“矿工”）可以在其中构建、部署预测模型并将其货币化。通过利用集体智慧和集成建模的原则，Sportstensor 将大量独立预测聚合到一个更准确的“元模型”中，以发现和利用体育博彩市场中持续存在的、可预测的模式。 ^{[1] [2]}

概述

Sportstensor 旨在解决算法体育预测领域的高准入门槛问题，该行业历来由拥有大量计算和财政资源的专业量化公司主导。该项目的核心前提是，体育比赛充当“数学试验场”，尽管表面上混乱，但可利用的模式会出现。它提供了一个去中心化平台，个人开发者可以在保护其知识产权的同时，竞争创建卓越的预测模型。 ^{[3] [4]}

该网络作为一个持续的实时算法竞赛运行。矿工提交来自其专有模型的预测，然后由独立验证者网络根据现实世界的结果进行评估。性能通过网络的原生代币 SN41 奖励，从而为持续的模型改进和创新创造直接的经济激励。 ^{[5] [6]} 最终目标是创造一种超越任何单一贡献模型和传统市场赔率的集体智慧，该项目用口号“通过集体智慧战胜赔率”来概括这一概念。 ^[7]

历史

Sportstensor 的开发始于 2024 年初，首次提交到其公共 GitHub 存储库发生在 2024 年 3 月 31 日。^[6] 该项目通过在 2024 年 6 月创建其官方 X（前身为 Twitter）帐户来建立其社交媒体影响力，并于 2024 年 7 月 15 日正式作为 Bittensor 子网启动。^[7] 该项目的基础阶段发生在 2024 年第三季度，其中包括在 Bittensor 测试网（Subnet 172）上启动，以及开发美国职业足球大联盟（MLS）和美国职业棒球大联盟（MLB）的基线预测模型。^[8]

一项重大的技术改革“Incentive v2”于 2024 年 10 月 11 日实施，引入了矿工的联赛承诺处理和基于“收盘优势”价值的评分系统等关键功能。^[6] 到 2025 年 2 月，该项目的国库显示出早期的成功，其智能模型产生了 17,842 美元的交易利润，当月资本回报率为 178.42%。这些利润随后被再投资到该项目的原生代币中。^[7]

Sportstensor 在 2025 年 4 月获得了机构认可，当时它出现在 FS Insight 撰写的 Grayscale 发布的关于 Bittensor 的研究报告中。^[7] 整个 2025 年都在持续开发，更新以支持英格兰足球超级联赛等联赛的新赛季，并保持与不断发展的 Bittensor 协议的兼容性。2025 年 9 月 11 日，该项目发布了对其激励机制的另一项重大更新“IM v2.5 Sortino”，该更新集成了 Sortino 比率和基于损益（PnL）的计算，以更好地奖励一致的、风险管理的绩效。^[6]

2025 年 9 月 14 日，Sportstensor 宣布与预测市场平台 Polymarket 建立战略合作伙伴关系，以扩大体育预测市场的可访问性并开发新的流动性增强方法。^[7] 该项目还在 2025 年 10 月报告了其计算机视觉技术的进展，指出重点是构建改进的数据集以进行模型训练。^[7]

技术和架构

Sportstensor的技术基础建立在Bittensor网络之上，它作为一个专门的、独立的体育情报经济市场运作。 ^[3]​

Bittensor Subnet Foundation

作为 Bittensor 主网上的 Subnet 41 (SN41)，Sportstensor 利用父网络的去中心化基础设施进行点对点机器学习。这使其能够利用 Bittensor 的核心功能进行激励分配、共识以及网络参与者之间的安全通信，而无需从头开始构建区块链。该项目还使用 Subnet 172 进行测试。 ^{[6] [5]}​

矿工-验证者机制

网络的架构由两个主要角色组成：矿工和验证者。这种结构创造了一种“数字适者生存”的环境，其中性能与奖励直接相关。^[3]​

• 矿工是人工智能开发者和数据科学家，他们创建、部署和运营预测模型。他们从验证者那里接收计算任务（针对特定比赛的预测请求），使用其专有模型和数据执行这些任务，并返回结果。该系统允许矿工将其模型货币化，同时保持其底层代码和知识产权的私密性。^{[3] [6]}
• 验证者负责协调网络并维护其完整性。他们为矿工生成预测任务，评估提交的预测结果的质量和准确性（根据实际游戏结果），并根据性能分配代币奖励。使用多个独立的验证者旨在确保透明的性能跟踪，并使作弊变得困难。^{[3] [1]}

评分和激励

激励机制旨在奖励“真正的智能，而不仅仅是幸运的连胜”。 ^[3] 评估矿工表现的主要指标是“收盘优势”，它衡量预测值与比赛开始前可用的最终、最有效的市场赔率之间的关系。这鼓励模型寻找真正的阿尔法，而不仅仅是预测显而易见的结果。“IM v2.5 Sortino”更新通过引入Sortino比率进一步完善了这一点，Sortino比率是一种风险调整指标，它对下行波动性的惩罚比上行波动性更重，从而奖励矿工产生持续、稳定的回报。 ^[6]

Sportstensor Meta Model (STMM)

STMM是一种先进的集成架构，它汇总了来自整个竞争矿工模型网络的预测。其核心原则是，来自一组多样化的智能模型的综合预测将比任何单一模型更准确和稳健。2025年4月的Grayscale报告中的一张图表显示，在三个月的时间里，STMM的表现明显优于NBA市场。 ^[7]​

计算机视觉倡议

Sportstensor 正在积极开发计算机视觉 (CV) 技术，以实现体育视频数据的民主化和注释。目标是分析视频素材，提取新的见解和细粒度的数据点，例如球员和球的帧级位置数据。然后，矿工可以使用这些丰富的数据来训练更复杂和准确的预测模型。 ^{[7] [8]}​

产品和生态系统

Sportstensor 的技术为不断增长的产品生态系统提供支持，并为体育分析和去中心化金融领域的各种受众提供服务。

Almanac

Almanac是在Polymarket平台上构建的预测市场层。它作为Sportstensor网络集体智慧货币化的主要工具。Almanac将其元模型中来自Sportstensor矿工的最高质量预测进行聚合，并使用这些信号在Polymarket上用自己的资金进行交易。它对成功的交易收取1%的费用，产生的收入用于回购子网的SN41代币，并有可能销毁代币以减少供应。 ^[8]​

支持的市场和数据消费者

该平台被设计为模型无关的，支持各种方法，如神经网络和模拟。它涵盖主要的全球体育联盟，包括美国国家橄榄球联盟（NFL）、美国国家篮球协会（NBA）、美国职业棒球大联盟（MLB）、国家冰球联盟（NHL）、英格兰足球超级联赛（EPL）和美国职业足球大联盟（MLS）。 ^{[4] [6]}​

该网络生成的预测数据被各种实体使用。一个显著的例子是BillyBets，这是一个自主的人工智能体育博彩代理，它通过分析直接来自Sportstensor的实时数据来制定其策略。 ^[1]​

未来发展

该项目的路线图包括开发一个专有的大型语言模型（LLM）聊天机器人，该机器人与矿工预测相关联，以提供对话式见解。其他计划中的举措包括扩展计算机视觉管道，以及探索一个对Almanac的聚合、正预期价值信号进行交易的对冲基金。 ^[8]​

代币经济学 (SN41)

Sportstensor子网的原生实用代币是SN41 Alpha代币，代号为SN41。它是Bittensor主要加密货币 TAO的衍生品，是网络激励机制的核心。 ^[3]​

• 代号： SN41
• 网络： Bittensor
• 最大供应量： 21,000,000 SN41
• 总供应量（截至2025年11月6日）： 3,085,453 SN41
• 流通供应量（截至2025年11月6日）： 3,085,453 SN41

SN41的主要用途是奖励矿工和验证者对网络智能的宝贵贡献。持续提供准确、高价值预测的矿工将获得更多的代币排放份额。 ^[3] 代币的价值也受到项目财务策略的支持，该策略将其交易活动的利润再投资于代币。此外，Almanac产品的费用机制对公开市场产生持续的回购压力。 ^{[7] [8]}​

代币的价格历史包括2025年11月2日的历史最低价16.73。 ^[5]​

合作关系与认可

Sportstensor已经建立了重要的合作关系，以增强其生态系统，并在更广泛的AI和区块链行业中获得信誉。

• Polymarket： 该项目与最大的预测市场平台之一Polymarket建立了战略合作伙伴关系。此次合作旨在提高流动性并开创新型激励结构。在Sportstensor团队已经为该平台带来了显著的交易量之后，该合作关系才正式确立，这证明了其预测信号的价值。Sportstensor的Almanac产品构建在Polymarket之上。 ^{[7] [8]}
• Grayscale / FS Insight： 在2025年4月，Sportstensor在Grayscale和FS Insight的“Bittensor：AI互联网”研究报告中被重点介绍。此次收录为该项目提供了重要的机构认可，并验证了其在Bittensor生态系统中的地位。 ^[7]

团队

Sportstensor 由 Leo Lucian 创立 (X 账号: )。团队还包括一位名为 Stephen 的成员 (账号: Neuromancer)。截至 2025 年 10 月，核心团队由五人组成。 ^[8]​

该项目还感谢更广泛的社区的贡献。值得注意的贡献者包括为计算机视觉技术做出贡献的人员，以及 GitHub 用户，如 xzistance、conidig 和 Cardoso-topdev，他们在项目的开源存储库中非常活跃。 ^{[7] [6]}​