jacob robert steeves розкриває бачення AI-майнінгу Bittensor: поєднання економіки та штучного інтелекту

У ексклюзивній бесіді з спостерігачами індустрії блокчейн, Джейкоб Роберт Стівз, творець Bittensor, поділився своєю перспективою щодо застосування механізмів майнінгу у стилі Bitcoin до штучного інтелекту — новаторського підходу, який переосмислює спосіб координації розподілених обчислювальних ресурсів у цифрову епоху. Це інтерв’ю простежує вражаючий шлях Стівза від роботи інженером-програмістом у Google до пионерства в одному з найамбіційніших проектів інфраструктури криптовалют з AI.

Bittensor (TAO), як відкритий протокол, зайняв унікальну нішу, застосовуючи економічні стимули до обчислень штучного інтелекту. Мережа функціонує приблизно з 128 підмережами, які змагаються у сферах інференції, навчання, підкріплювального навчання та обслуговування даних. За останніми даними ринку станом на березень 2026 року, TAO торгується за $182,60 з ринковою капіталізацією близько $1,75 мільярда. Екосистема значно розвинулася з моменту запуску основної мережі у 2021 році, залучаючи учасників-розробників і обчислювальні ресурси з усього світу.

Шлях від Google до децентралізованої архітектури AI

Шлях Джейкоба Роберта Стівза до заснування Bittensor почався у університеті Саймон Фрейзер у Ванкувері, Канада, де він вивчав математику та комп’ютерні науки. Його рання кар’єра пройшла через роботу над мікросхемами для мозок-комп’ютерних інтерфейсів у компанії-підряднику DARPA, де його наставник познайомив його з Bitcoin і концепціями енергетичних обчислень. «З 2015 року я глибоко залучений і до Bitcoin, і до AI», — пояснив Стівз. «Ці дві сфери природно сумісні, оскільки ядро AI — це дослідження зворотних зв’язків — бекапропагація, генетичні алгоритми, підкріплювальне навчання — тоді як Bitcoin є першою програмованою економічною системою з зворотним зв’язком».

Його робота у Google стала переломною. Працюючи інженером з машинного навчання, Стівз став свідком публікації революційної статті «Attention Is All You Need», яка представила трансформери і сприяла експоненційному розвитку великих мовних моделей. Він засвоїв важливі знання від команд, що працювали на передовій у галузі розподіленого машинного навчання — параметричних серверів, паралелізму моделей і технік розподілу даних, — які згодом вплинули на обчислювальну архітектуру Bittensor.

Незважаючи на престиж роботи у технологічному гіганті, Стівз обрав слідувати своєму баченню незалежно. Починаючи у 2015 році у вільний час, він розробив основні концепції Bittensor, а у 2018 році перейшов на повну зайнятість і запустив основну мережу у 2021 році. «Досвід у Google навчив мене розподілених систем і масштабів, необхідних для ефективного машинного навчання у глобальному масштабі», — згадує він. «Але фундаментальна різниця між Bittensor і традиційним корпоративним AI — це наш філософський підхід до координації ресурсів».

Економічна модель Bittensor: майнінг і машинне навчання

За своєю суттю, Bittensor змінює спосіб організації та компенсації обчислювальних ресурсів. На відміну від традиційних платформ-агрегаторів, які просто «накладають моделі», протокол вбудовує програмовані економічні стимули безпосередньо у процес навчання AI. «Хто надає більш корисну інференцію, навчання або інструменти — той отримує більше нагород», — підкреслює Стівз. «Це зовсім інше, ніж просто складання моделей».

Прорив полягає у тому, що за останні 15 років AI довів: прогрес досягається через адаптивне навчання з використанням зворотних зв’язків — бекапропагації або підкріплювального навчання. Bittensor реалізує цей принцип, безпосередньо інтегруючи валюту і економічні сигнали у цикл розвитку AI. Ринкові сили постійно оптимізують якість пропозиції та її вартість.

«Значення децентралізації», — пояснює Стівз, — «у відсутності дозволу для входу та опору єдиній точці відмови. Будь-хто може запустити підмережу і змагатися. Хороший ресурс підсилюється за допомогою стимулів; поганий — природно усувається». Така конкуренція забезпечує постійне покращення без централізованих воротарів.

З точки зору користувача, модель працює на кількох рівнях. Розробники можуть запускати або приєднуватися до підмереж, додавати моделі та обчислювальні потужності і отримувати постійні стимули, пов’язані з їхньою продуктивністю. Учасники з боку попиту купують послуги, включаючи інференцію, обчислювальну потужність, автоматичне машинне навчання або сигнали прогнозування ринку. Платформа перетворює традиційну модель «майнер — нагорода — консенсус» у «корисний AI-постачальник — ринкова нагорода — мережевий консенсус».

Китайські команди ведуть інновації у підмережах Bittensor

Коли його запитали про перший візит до Китаю для обговорення Bittensor, Стівз підкреслив стратегічну важливість участі азіатських розробників. «Китай — одна з найшвидше зростаючих, можливо, найпотужніших країн у глобальній сфері штучного інтелекту», — зазначив він. «Коли майнінг Bitcoin був легальним, Китай займав понад 50% обчислювальної потужності. Навіть сьогодні регіон виробляє 90% світових чипів. Я дуже поважаю технічну силу Китаю».

Ще важливіше, Стівз зауважив конкуренційний патерн у екосистемі Bittensor: «У Bittensor існує приказка, що коли китайські майнери входять у підмережу, конкуренція стає набагато жорсткішою, до такої міри, що багато початкових учасників виходять. Це цілком очікувано — інтенсивність конкуренції в Китаї справді вражає». Він сприймає це позитивно, вважаючи, що сувора навчальна культура у університетах і інженерна майстерність природно узгоджуються з конкурентною системою Bittensor.

Конкретні докази внеску китайських учасників видно у топових проектах підмережі. Affine, одна з найбільших підмереж у мережі, створена китайськими розробниками і стала однією з найконкурентніших механізмів платформи. Одночасно, Lium — підмережа, орієнтована на GPU-ресурси, — залучила значну обчислювальну потужність з Азії. Завдяки цим проектам китайські майнери сприяють глобальному ринку, одночасно отримуючи доступ до міжнародного попиту на обчислювальні ресурси.

«Рівень інженерії тут надзвичайно високий, майже без рівних», — сказав Стівз про китайську спільноту розробників. «Я хочу сприяти залученню більшої кількості таких команд, бо їхній внесок у пропускну здатність мережі і конкурентну якість безцінний».

Сила децентралізації: понад агрегування

Загальновідомий міф — що Bittensor просто є «агрегатором AI-моделей», але Стівз категорично заперечує цю характеристику. «Ядро Bittensor — це вбудовування програмованих стимулів у процес навчання AI — це принципово відрізняється від простої комбінації моделей», — наполягає він.

Різниця між Bittensor і традиційними платформами виходить за межі архітектури і стосується філософії. «Те, що називають Crypto + AI, — це просто застосування криптовалюти до AI або AI до криптовалюти, що не торкається суті нашої роботи», — пояснює Стівз. «Ми фактично використовуємо крипто-економічні стимули для досліджень штучного інтелекту. Це не децентралізація заради децентралізації — це використання ринкових сигналів і конкуренції для масштабування корисних обчислень».

Ця стійкість стала очевидною, коли у кінці 2024 року AWS зазнав масштабного збою, що спричинив відмову багатьох централізованих AI-сервісів. Архітектура Bittensor, розподілена і гнучка у маршрутизації, продовжила працювати безперервно. «Цей випадок доводить цінність децентралізації — вона забезпечує стійкість проти єдиної точки відмови», — зазначає Стівз. «Але він також показав, що багато так званих децентралізованих екосистем насправді не є справжніми децентралізованими, оскільки деякі проєкти не змогли відновитися після збою. Основний дизайн Bittensor, побудований на розподілі ресурсів і гнучкості маршрутизації, дає нам переваги у безперервності та стійкості до збоїв».

Ринкова позиція TAO і п’ятирічний план

З моменту виходу на біржу у березні 2023 року, TAO став важливим гравцем у сфері крипто-економічної інфраструктури. Екосистема токенів нещодавно продемонструвала сильну довіру інституцій — TAO Treasury завершила приватний раунд залучення 11 мільйонів доларів, залучивши інвесторів, зокрема стратегічного радника Джеймса Альтучера і материнську компанію Grayscale — DCG.

Щодо циклу халвінгу 2025 року — першого зменшення пропозиції Bittensor — Стівз висловив стриману позицію: «Єдине, що зміниться — це обмеження пропозиції. Але це не вплине на основний стимулюючий механізм мережі. Все ще будуть величезні економічні стимули для розробників, щоб будувати на цій платформі». Це свідчить про його впевненість у довгостроковій стійкості економічної моделі, що виходить за межі простої механіки дефіциту токенів.

Протокол диверсифікує свої джерела доходу. Основні — продаж послуг інференції, обчислювальної потужності, автоматичного машинного навчання (AutoML) і сигналів прогнозування ринку. Такий багатоканальний підхід нагадує традиційні технологічні платформи, зберігаючи при цьому децентралізоване управління.

Щодо ринків прогнозів, Стівз підкреслює їх трансформаційний потенціал. «Я вважаю, що Kalshi і Polymarket — це справжні фінтех-застосунки і перші застосунки для масового споживача», — сказав він. «Це дуже значуще і кардинально змінює спосіб роботи людей. Підмережі прогнозних ринків Bittensor — це наступна межа у децентралізованій інфраструктурі прийняття рішень».

П’ятирічна перспектива: масштабування до мільйонів

Мріючи про майбутнє Bittensor, Стівз сформулював амбітну, але досяжну мету: зробити технологію доступною мільйонам користувачів і справді забезпечити відкриті інтелектуальні сервіси по всьому світу, зберігаючи сталий режим роботи мережі.

«Головне, що я хочу побачити — це те, що ми принесли цю технологію «мільйонам» користувачів і справді надали відкриті інтелектуальні сервіси світу, при цьому мережа постійно зростає», — сказав він. З близько 100 000 користувачів, що вже використовують технологію Bittensor, шлях до масштабування здається технічно здійсненним.

Економічна перевага є головним драйвером зростання. «З економічної точки зору, ми можемо перевершити централізованих провайдерів у багатьох сценаріях за рахунок зниження витрат, особливо у інференції», — пояснив Стівз. Уявімо конкуренцію: централізовані AI-продукти можуть стягувати $1 000 за підписку, але давати лише $200 реальної цінності. Bittensor може пропонувати підписки за $10 при витратах мережі близько $6 — перевага у 60% у ефективності.

Ріджес, велика підмережа, орієнтована на кодуючих агентів, ілюструє цю ідею. Команди з усього світу колективно оптимізують допомогу у кодуванні через конкуренційні стимули, знижуючи ціни і підвищуючи якість. Ті ж економічні механізми застосовуються у всіх сферах.

«Наша мета — обслуговувати мільярди користувачів по всьому світу», — заявив Стівз. «Якщо централізовані компанії AI не приймуть ці основні технічні принципи, їм буде важко конкурувати у довгостроковій перспективі за продуктивністю, швидкістю і вартістю. Це наш фундаментальний козир».

Паралель із успіхом Bitcoin є цілком свідомою. «Причина, чому Bitcoin може перевершити держави або централізовані системи на рівні мережі, — це те, що він прийняв правильні технічні принципи і механізми», — зазначив він. Хоча він визнає, що Bittensor ще не досяг цього у всіх сферах, Стівз підкреслює, що у конкретних областях — особливо у GPU-інференції та прогнозних ринках — мережа вже демонструє ці переваги.

Цікаво, що багато користувачів вже отримують вигоду від інфраструктури Bittensor, навіть не усвідомлюючи цього. «Багато людей фактично використовують Bittensor у своєму щоденному житті, навіть не знаючи про це», — припустив він, вказуючи, що технологія функціонує як базова інфраструктура, що підтримує застосунки і сервіси на вищих рівнях.

Можливість співпраці з провідними інститутами AI — ще один напрямок зростання. «Так, це можливо», — сказав Стівз щодо співпраці з OpenAI або китайськими компаніями AI. «Залежить від того, чи співпадають наші філософії. Деякі централізовані лабораторії прагнуть консолідації і контролю, тоді як ми наголошуємо на відкритості і дозволеності». Він особливо зацікавлений у співпраці з відкритими командами, такими як DeepSeek, Kimi і Moonshot. «Якщо ми зможемо працювати з ними для досягнення справді децентралізованого тренінгу, ми дуже раді цьому. Це лише питання часу: або співпрацювати, або впроваджувати наш підхід до децентралізованого тренінгу».

Це бачення — використання економічних стимулів для глобального розвитку штучного інтелекту через розподілені мережі — є фундаментальним внеском Джейкоба Роберта Стівза у розуміння того, як ринки, конкуренція і механізми економіки можуть масштабувати корисні технології для служіння людству у масштабах, що раніше здавалося недосяжними.