Score 是一个去中心化计算机视觉平台和视觉 AI 研究公司，作为第 44 号子网构建于 Bittensor 网络之上。该项目的核心使命是通过创建一个开放、无许可的基础设施，将原始视频转化为结构化的可操作数据，从而“让每一台摄像机都变得智能”。它将专有的“可编程视觉”框架与去中心化的矿工及验证者网络相结合，用于创建和评估适应性强的视觉分析 AI 模型。Score 最初专注于体育分析，现已将其业务范围扩展到包括零售、农业和物流在内的多个企业领域。 ^{[1] [2]}​

概述

Score 解决了传统视频分析成本高、效率低的问题，因为传统分析通常依赖于耗时的手动标注。^[3] 通过利用 Bittensor 网络，Score 创建了一个竞争性市场，全球贡献者（矿工）网络使用各自的机器学习模型处理视频数据。这些模型随后由 验证者 进行评估，从而建立一个自我完善的生态系统，旨在将视频分析成本降低 10 到 100 倍，同时提高速度和准确性。该项目认为，这种去中心化的方法使先进的计算机视觉能力变得民主化，允许开发者和企业在不需要专门的 AI/ML 团队的情况下构建和部署视觉系统。^{[4] [5]}​

该项目最初专注于体育领域，利用足球这种复杂的多智能体环境作为其基础模型的训练场。这一策略基于这样一个前提：一个能够理解现场体育运动中混乱且细微活动的系统，可以推广到其他现实世界的场景中。^[1] 自成立以来，该公司已扩大了其愿景，旨在成为物理世界的通用视觉层，为多个行业开发商业应用。该项目的一系列产品旨在使这项技术变得触手可及，其中最著名的是 Manako，这是一款视觉 AI 助手，允许用户使用简单的文本提示创建自定义视觉系统。^[2]​

历史与发展

Score 于 2024 年由 Maxime Sebti、Tim Kalic 和 Nigel Grant 在纽约市创立。该公司最初被构想为一个“点球成金”（Moneyball）协议，首要重点是体育分析。在此期间，它与雷丁足球俱乐部（Reading Football Club）建立了关键合作伙伴关系，提供招聘分析，展示了该技术在职业体育领域的潜力。^[2]​

2024 年底，公司调整了战略，从特定于体育的协议扩展为适用于广泛行业的更通用的视觉层。这一转变标志着该项目雄心的重大演变。2025 年，联合创始人 Maxime Sebti 参加了达沃斯论坛期间一个专注于人工智能和数据中心基础设施的私人边会，并与来自 Opentensor 基金会 的代表及其他行业领袖进行了讨论。^[2]​

该项目于 2025 年第一季度作为 Bittensor 网络上的 Subnet 44 启动了其 主网。这次部署是一个关键的里程碑，标志着项目从一个中心化的研发实体转型为由全球贡献者社区驱动的去中心化人工智能网络。主网启动后的路线图包括增强平台功能的计划，例如用于识别特定事件的“动作捕捉”（action spotting）、比赛事件字幕生成，以及发布面向第三方开发者的集成 API。^[3]​

技术与架构

Score 在 Bittensor 的第 44 号子网上运行，利用该网络的去中心化结构来持续创建、验证和改进计算机视觉模型。^[5]​

网络参与者

该生态系统通过关键参与者之间的互动运行，这些参与者通过 Bittensor 的原生代币 TAO 获得激励：

• 矿工 (Miners)： 这些是贡献计算资源以处理和分析视频流的网络参与者。他们运行自己的计算机视觉模型，对网络提供的视频剪辑执行目标检测、跟踪和标注等任务。矿工根据其工作的准确性、一致性和速度获得 TAO 奖励。^[4]
• 验证者 (Validators)： 验证者 负责维护网络安全并确保矿工提交的工作质量。他们创建挑战（例如提供用于分析的视频数据），然后使用专有的验证协议评估矿工的输出。验证者因准确评估矿工绩效并为网络共识做出贡献而赚取 TAO 奖励。^[3]
• 子网所有者 (Subnet Owner)： Subnet 44 的所有者 Score 团队负责管理子网的整体健康状况和发展方向。这包括优化网络参数和调整激励机制，以鼓励高质量的贡献。^[3]

核心概念与创新

Score 的平台建立在几项关键技术创新之上：

• 可编程视觉 (Programmable Vision)： Score 不再为单一任务开发大型、单一的模型，而是创建了一个由小型、专门的“视觉技能”组成的库（例如“检测人员”、“追踪球”）。这些技能作为构建块，可以通过编程方式组合起来，为新应用创建复杂、定制的视觉系统，而无需从头开始重新训练。 ^[1]
• Turbo Vision： 该系统使用先进的视觉语言模型 (VLM) 自动为少量视频帧样本生成标签。此过程创建了一个“伪地面真值 (pseudo ground truth)”数据集，随后用于训练更小、更高效的模型，以高速且低成本地处理整个视频。 ^[5]
• 轻量级验证 (Lightweight Validation)： 为了最大限度地减少验证者的计算开销，Score 开发了一种两步验证方法。它首先过滤无关的视频帧并验证关键点（如球员位置）的准确性。然后，对于关键帧，它使用基于 CLIP 的对象检查来验证检测到的对象的分类，从而在不密集处理每一帧的情况下确保高度准确。 ^[3]
• 双轨系统 (Dual-Track System)： 该平台运行两个并行轨道以满足不同需求。公共轨道 (Public Track) 提供模型公开可用的透明环境。私有轨道 (Private Track) 专为拥有敏感数据的企业客户设计，在可信执行环境 (TEE) 内运行计算以确保数据隐私。 ^[5]

标注与激励流水线

将原始视频转化为数据的过程遵循结构化的流水线。完整的视频文件通过程序自动切分为30秒的片段并分发给矿工。矿工处理这些片段，并以JSON格式返回结构化数据。随后，验证者进行语义和几何检查以核实准确性。提交准确数据的矿工将获得评分和奖励，并设有“连续奖励倍数”以增加持续高水平表现的收益。经过验证的片段随后被汇总，从而构建出原始视频完整且数据丰富的时序记录。 ^{[4] [5]}

产品与生态系统

Score 的技术通过一系列针对不同市场的产品和专业实体进行交付。

核心产品

• Manako： 作为旗舰应用层，Manako 是一款具有无代码界面的视觉 AI 助手。用户可以连接摄像头馈送，并使用简单的文本提示来定义分析任务。随后，Manako 会自动从 Score 的库中选择并组合必要的视觉技能，以创建一个功能完备的视觉系统。 ^{[1] [2]}
• AVIA： 一种针对零售燃油和便利店行业的商业解决方案。它利用设施现有的摄像头，提供有关客户行为、工作流效率的实时情报，并针对溢出或未经授权进入等异常情况发出安全警报。 ^[1]
• Two-a-Day： 专为农业和食品生产环境设计的解决方案。它分析生产线上的摄像头馈送，以监控质量控制、识别瓶颈并减少浪费。 ^[1]

消费者应用

• Score App： 一款移动应用程序，允许足球迷通过进行比赛预测来充当“人类矿工”。用户通过正确的预测赚取积分，并可以赢取包括 TAO 在内的奖励。 ^[5]
• 幻想体育应用 (Fantasy Sports App)： 该项目计划推出一款由子网深度分析数据驱动的幻想体育应用程序，目标发布时间定在 2026 年世界杯前后。 ^[5]

生态系统实体

• Mettle： 一个专注于体育分析的专业分支，为与雷丁足球俱乐部（Reading F.C.）等合作伙伴关系提供支持。 ^[1]
• Lavance： 一款针对汽车服务行业的应用程序，用于监控洗车场及重型车辆清洗站的运营情况。 ^[2]
• Sire： 一个旨在参与预测市场的 AI 代理，利用 Score 的分析能力发挥作用。 ^[1]

使用场景与应用

Score 平台生成的结构化数据支持各行各业广泛的应用。

体育分析

Score 最初且最基础的应用场景是体育。该平台为以下领域提供数据：

• 足球： 提供超过 280 个联赛的实时战术分析、客观球员表现评估以及球探数据。这些数据被俱乐部、教练和体育博彩集团所使用。该系统旨在生成诸如预期进球 (xG) 和球队逼抢强度等见解。 ^[4]
• 板球： 该平台正在向板球领域扩展，目标是利用标准广播画面复制并改进鹰眼（Hawkeye）风格的球路追踪技术，用于球探挖掘和战术开发。 ^[5]

企业解决方案

Score 已将其技术扩展到服务于各种企业需求：

• 零售与安全： Score 与一家主要的欧洲石油公司签订了合同，负责监控数千个自动化加油站并发送警报。 ^[5]
• 农业： 通过与主要水果出口商 Two-a-Day Group 的合作，Score 的技术被用于增强生产线上水果的分拣、分级和质量分析。 ^[2]
• 物流与保险： 该技术通过分析房产的视频走访，自动生成搬家库存清单，从而简化物流和保险公司的流程。 ^[5]
• 安防： 该平台可以通过提供更智能、更准确的警报来增强家庭和闭路电视（CCTV）安全系统。 ^[5]

代币经济学

Score 的原生子网代币为 SN44。作为 Bittensor 网络上的一个子网，其经济模型与 Bittensor 的主要代币 TAO 深度整合。

• 代币符号： SN44
• 最大供应量： 21,000,000 SN44
• 角色： SN44 代币代表了在更广泛的 Bittensor 生态系统中，对 Score 特定智能市场（Subnet 44）的质押或所有权份额。
• 激励机制： 虽然 SN44 是原生代币，但分发给矿工和验证者以表彰其对子网贡献的主要奖励是以 TAO 支付的。 ^{[6] [4]}

Score 团队正在开发一种名为“Alphanomics”的正式经济模型，旨在将项目的现实世界企业收入直接与 Bittensor 生态系统挂钩。该项目已表示，打算利用其收入的一部分（约 20%）来执行 TAO 的回购和销毁，这是一种旨在为网络及其代币持有者创造价值的机制。 ^[5]

团队与核心人员

• Maxime Sebti: 联合创始人兼首席执行官 ^[2]
• Tim Kalic: 联合创始人兼首席技术官 ^[5]
• Nigel Grant: 联合创始人兼首席科学官 ^[5]
• Matthew Cyzer: 主席。Cyzer 在全球金融领域拥有超过 35 年的经验，曾任高盛集团合伙人，并在 BTIG、Cowen 和多伦多道明银行担任高级职务。 ^[2]
• 其他团队成员: 其他关键成员包括 Peter Cotton、Nick Compton（前职业板球运动员）、Arnaud Deffuant、Jack Devlin（营销经理）、Gaetan Lajeune（验证者与矿工经理）以及 Alfie Grant（足球分析师）。 ^{[2] [5]}

合作伙伴关系

Score 已在其目标行业建立了多项战略合作伙伴关系：

• 雷丁足球俱乐部 (Reading Football Club)： 足球招募分析领域的早期合作伙伴。 ^[2]
• Two-a-Day Group (Pty) Limited： 非洲主要的视频出口商，利用 Score 的技术进行农业质量分析。 ^[2]
• Lavance： 汽车服务行业的合作伙伴，在法国各地的洗车场部署视觉人工智能 (Vision AI)。 ^[2]
• 欧洲石油公司 (European Petroleum Company)： 与一家未具名的欧洲大型石油公司签署了合同，负责加油站的安全与监控。 ^[5]
• 体育博彩辛迪加 (Sports Betting Syndicate)： 与一家未具名的价值 50 亿美元的体育博彩辛迪加达成战略合作伙伴关系，提供预测分析。 ^[5]
• 体育数据提供商 (Sports Data Provider)： 合作伙伴关系旨在获取 283 个联赛的视频素材，涵盖超过 400,000 场比赛。 ^[5]