Bittensor’s (alleged) $10M rug pull (feat. Mark Jeffrey) | E2275

YouTube에서 보기 ↗ | 2026년 4월 14일, 00:44 | 1:17:56 | This Week in Startups

발언자

Mark Jeffrey — 파트너, Stillcore Capital

Ken Miachi

Will Squires — 콘텐츠 책임자, CoinDesk

Jason Calacanis — 엔젤 투자자 / 창립자, LAUNCH

이 에피소드는 Bittensor 서브넷 운영자(Covenant AI의 Sam)에 의한 최근 1천만 달러 규모의 러그풀 의혹과 TAO 토큰 및 생태계에 미치는 영향을 심층 분석합니다. 게스트들은 거버넌스 개선 방안, TAO 및 서브넷 투자 전략을 논의하고 BitMind(딥페이크 탐지) 및 IOTA(분산 AI 학습)와 같은 유망 서브넷을 소개합니다. 대화는 분산형 AI 플랫폼으로서의 Bittensor의 잠재력과 투자자에게 따르는 리스크 및 기회를 강조합니다. - Covenant AI의 Sam이 1천만 달러 상당의 토큰을 덤핑하고 프로젝트를 떠난 러그풀 의혹에 대한 상세 분석. - 서브넷 운영자에 대한 토큰 락업 등 향후 러그풀을 방지하기 위한 거버넌스 개선 논의. - VC 자금을 지원받은 AI 보안 회사 BitMind(서브넷 34) 소개, 딥페이크 탐지에 초점. - MacroCosmos의 IOTA(서브넷 9) 소개, 중단 가능한 컴퓨팅을 사용한 대규모 AI 모델의 분산 학습을 목표로 함. - Mark Jeffrey의 투자 테제: 제품-시장 적합성과 수익을 갖춘 서브넷에 집중하면서도 다각화된 익스포저로서 TAO에 강세. - TAO(뮤추얼 펀드와 유사) 투자와 개별 서브넷(엔젤 투자와 유사) 선택 비교. - 러그풀이 분산화 문제 때문인지 단순한 탐욕 때문인지에 대한 토론. - Bittensor의 인센티브 정렬 엔진 작동 방식과 실패 가능 지점에 대한 통찰.

아이디어

Mark Jeffrey Partner at Stillcore Capital, Investor in Bittensor Subnets 3:11

Bittensor는 강력한 초기 신호를 가진 AI의 Linux입니다.

대부분의 투자자에게 TAO를 매수하는 것은 벤처 펀드에 투자하는 것과 유사하게 전체 Bittensor 생태계에 분산된 '뮤추얼 펀드' 형태의 노출을 제공합니다. 개별 서브넷을 선택하는 것은 엔젤 투자에 더 가깝고 상당한 연구가 필요합니다. 그는 서브넷 투자가 전통적인 스타트업 지분과 달리 비적격 투자자에게도 열려 있다고 지적합니다.

Mark Jeffrey Partner at Stillcore Capital, Investor in Bittensor Subnets 10:30

제품-시장 적합성과 수익이 있는 서브넷에 투자하세요.

제품-시장 적합성, 수익 및 성숙한 팀을 입증한 특정 Bittensor 서브넷에 투자하며, 이는 전통적인 스타트업을 평가하는 것과 유사합니다. 예로는 Ridges, Shoots, Hippius, Vid.io, Score 등이 있습니다. 또한 NOVA(제약 분자 발견)와 같은 연구 서브넷에도 투자하는데, 이는 매우 투기적이지만 성공할 경우 엄청난 수익을 낼 수 있습니다.

Ken Miachi 24:44

BitMind 서브넷은 자체 개선 시스템으로 딥페이크를 탐지합니다.

BitMind(Subnet 34)는 딥페이크 탐지와 인간 증명에 중점을 둔 AI 보안 회사입니다. 채굴자들이 탐지 모델을 개발하고 이를 속일 데이터를 생성하기 위해 경쟁하는 탈중앙화된 무허가 시스템을 사용하여 지속적으로 학습하는 시스템을 만듭니다. 이 회사는 VC로부터 300만 달러를 조달했으며 미디어, 소셜 미디어, 정부 분야의 기업 및 소비자 사용 사례를 목표로 합니다.

Will Squires 콘텐츠 책임자, CoinDesk 42:00

IOTA는 대규모 AI 모델의 분산 학습을 가능하게 합니다.

IOTA(Subnet 9)는 전 세계 분산 컴퓨팅을 조율하여 최첨단 규모의 AI 모델을 훨씬 낮은 비용으로 학습시키는 것을 목표로 합니다. 유휴 노트북이나 데이터 센터 잉여 자원과 같은 중단 가능한 컴퓨팅을 사용하여 '프랙탈 컴퓨팅'(짧고 가변적인 간격)으로 학습을 가능하게 합니다. 이 프로젝트는 쉽게 참여할 수 있는 집에서 학습 애플리케이션을 제공하며, 중앙 집중식 학습의 높은 비용과 비효율성을 목표로 합니다.