Jacob Robert Steeves 揭示 Bittensor 的 AI 挖矿愿景：连接经济学与人工智能

在与区块链行业观察者的专访中，Bittensor的创始人雅各布·罗伯特·斯蒂夫斯分享了他关于将比特币式挖矿机制应用于人工智能的观点——这是一种重新定义数字时代分布式计算资源协调方式的新颖方法。此次访谈追溯了斯蒂夫斯从谷歌软件工程师到开创加密货币最雄心勃勃的AI基础设施项目之一的非凡旅程。

作为一个开源协议，Bittensor（TAO）通过将经济激励应用于AI计算，开辟了独特的细分市场。该网络大约运营128个子网，涵盖推理、训练、强化学习和数据服务等多个领域。根据2026年3月的最新市场数据，TAO的交易价格为182.60美元，市值流通约为17.5亿美元。自2021年主网上线以来，生态系统已发生显著变化，吸引了全球开发者和计算资源的参与。

从谷歌到去中心化AI架构的旅程

雅各布·罗伯特·斯蒂夫斯的创立Bittensor之路始于加拿大温哥华的西蒙弗雷泽大学，他在那里学习数学与计算机科学。他的早期职业包括在DARPA承包商公司从事脑机接口芯片的研发，一次关键的导师指导让他接触到比特币和能量计算的概念。“自2015年以来，我一直深度参与比特币和AI，”斯蒂夫斯解释道。“这两个领域天生兼容，因为AI的核心是反馈回路的研究——反向传播、遗传算法、强化学习——而比特币代表了第一个可编程的经济反馈回路。”

他在谷歌的任期带来了转变。作为一名机器学习工程师，斯蒂夫斯见证了开创性论文《Attention Is All You Need》的发表，该论文引入了Transformer模型，推动了大型语言模型的指数级发展。他从前线团队吸收了关于分布式机器学习实践的关键知识——参数服务器、模型并行和数据并行技术——这些后来都成为Bittensor计算架构的基础。

尽管在科技巨头工作享有盛誉，斯蒂夫斯还是选择追随自己的愿景。大约在2015年开始，他在业余时间开发了Bittensor的基础概念，直到2018年全职投入，并于2021年推出主网。“在谷歌的经历让我学到了分布式系统和全球规模高效运行机器学习所需的规模，”他回忆道。“但Bittensor与传统企业AI的根本区别在于我们对资源协调的哲学方法。”

Bittensor的经济模型：挖矿与机器学习的结合

本质上，Bittensor改变了计算资源的组织和补偿方式。不同于传统的模型堆叠平台，协议将可编程的经济激励直接嵌入到AI学习过程中。“提供更有用的推理、训练或工具的参与者会获得更多奖励，”斯蒂夫斯强调。“这与简单的模型堆叠完全不同。”

突破点在于认识到过去15年的AI进步已证明：通过反馈机制——无论是反向传播还是强化学习——的自适应学习推动了技术进步。Bittensor通过将货币和经济信号直接整合到AI开发周期中，将这一原则付诸实践。市场力量不断优化供应质量和成本效益。

“去中心化的重要性在于无许可进入和抗单点故障，”斯蒂夫斯澄清道。“任何个人或团队都可以启动子网并参与竞争。优质供应通过激励放大，劣质供应则自然被淘汰。”这种竞争环境确保了持续改进，无需中央门槛。

从用户角度看，该模型在多个层面运作。开发者可以启动或加入子网，贡献模型和计算能力，并获得与其表现挂钩的持续激励。需求方参与者购买推理、计算能力、自动化机器学习或市场预测信号等服务。平台将传统的“矿工——奖励——共识”范式转变为“有用的AI供应——市场奖励——网络共识”。

中国团队引领Bittensor子网创新

当被问及首次专程访问中国讨论Bittensor的经历时，斯蒂夫斯强调了亚洲开发者参与的战略重要性。“中国是全球人工智能领域增长最快、可能最强大的国家之一，”他指出。“比特币挖矿合法时，中国的算力占比超过50%。即使在今天，该地区仍生产全球90%的芯片。我非常尊重中国的技术实力。”

更为重要的是，斯蒂夫斯观察到Bittensor生态系统内的竞争格局：“在Bittensor中，有一句话，一旦中国矿工进入某个子网，竞争就会变得异常激烈，甚至导致许多原始参与者退出。这完全在预料之中——中国的竞争强度令人震惊。”他对此持积极看法，认为中国高校的严格训练文化和工程卓越与Bittensor的竞争优绩框架自然契合。

中国贡献的具体证据体现在Bittensor的顶级子网项目中。Affine是网络上最大的子网之一，由中国开发者构建，已成为平台上最具竞争力的机制之一。同时，专注于GPU资源的Lium子网也整合了大量亚洲算力。通过这些项目，中国矿工为全球市场提供处理器资源，同时也获得了国际计算需求的准入。

“这里的工程水平极高，几乎无人能及，”斯蒂夫斯评价中国开发者社区。“我希望能促成更多这样的团队加入，因为他们对网络容量和竞争质量的贡献是无价的。”

去中心化的真正力量：超越简单聚合

一个常见误解是将Bittensor仅视为“AI模型聚合器”，但斯蒂夫斯坚决纠正了这一点。“Bittensor的核心是在AI学习过程中嵌入可编程激励——这与单纯堆叠模型完全不同，”他强调。

Bittensor与传统平台的区别不仅在架构上，更在理念上。“所谓的加密货币+AI，只是将加密货币应用到AI或将AI应用到加密货币，这并没有触及我们所做的核心，”斯蒂夫斯解释。“我们实际上是在利用加密经济激励进行人工智能研究。这不是为了去中心化而去中心化——而是利用市场信号和竞争来扩展有用的计算。”

这种方法的韧性在2024年底AWS大规模故障时得到了验证，许多中心化AI服务因此中断。Bittensor的分布式架构意味着它得以持续运行。“这次事件证明了去中心化的价值之一——它提供了对单点故障的抗性，”斯蒂夫斯指出。“但也证明了许多所谓的去中心化生态系统实际上并不真正去中心化，因为一些项目在故障后无法恢复。Bittensor的基础设计，建立在资源分配和路由灵活性之上，为我们在连续性和容错方面提供了优势。”

TAO的市场地位与五年路线图

自2023年3月上市以来，TAO已成为加密经济基础设施的重要一员。其代币生态系统近期展现出强烈的机构信心，TAO财库完成了1100万美元的私募融资，投资者包括战略顾问James Altucher和Grayscale母公司DCG。

关于2025年的减半周期——Bittensor的首次供应减缩事件——斯蒂夫斯持审慎态度：“减半对Bittensor唯一的影响是供应收紧，但这不会影响网络的基本激励机制。仍然会有巨大的经济激励促使开发者在平台上构建。”这显示了他对基础经济模型可持续性的信心，超越了单纯的代币稀缺机制。

协议的收入来源正在多元化。主要包括销售推理服务、计算能力、自动化机器学习（AutoML）和市场预测信号。这种多元化收入方式类似传统技术平台，同时保持去中心化治理。

关于预测市场，斯蒂夫斯强调其变革潜力：“我认为Kalshi和Polymarket是真正的金融科技应用，也是面向大众的首批应用之一，”他说。“这非常有意义，深刻改变了人类的工作方式。Bittensor的预测市场子网代表了去中心化决策基础设施的下一个前沿。”

五年愿景：规模扩展至数百万用户

展望未来，斯蒂夫斯提出了一个雄心勃勃但可衡量的目标：将这项技术带给数百万用户，真正提供全球开放的智能服务，同时保持网络的可持续运行。

“我最希望看到的头条是：我们已将这项技术带给‘数百万’用户，真正向世界提供开放的智能服务，且网络持续扩展，”他说。目前大约有10万用户在使用Bittensor技术，规模化的路径在技术上是可行的。

经济优势是主要的增长驱动力。“在许多场景中，我们可以凭借成本优势击败中心化提供商，尤其是在推理方面，”斯蒂夫斯解释。“竞争格局是：中心化的AI产品可能收费1000美元订阅，但实际价值只有200美元。而Bittensor可以提供10美元的订阅，网络成本约6美元——成本效率优势达60%。”

以专注编码代理的大型子网Ridges为例，全球团队通过竞争激励共同优化编码辅助，推动价格下降同时提升质量。相同的经济机制也适用于其他领域。

“我们的目标是服务全球数十亿用户，”斯蒂夫斯阐述。“如果中心化的AI公司不采用这些底层技术原语，长远来看它们将难以在性能、速度和成本方面追赶。这是我们的根本优势。”

他特别提到比特币的成功：“比特币之所以能在网络层面超越主权国家或中心化系统，是因为它采用了正确的技术原语和机制设计，”他指出。虽然承认Bittensor尚未在所有领域实现这一点，但他强调在GPU推理和预测市场等特定领域，网络已展现出这些优势。

有趣的是，斯蒂夫斯指出，许多用户实际上在日常生活中使用Bittensor的基础设施，却未必意识到。“很多人实际上在日常生活中使用Bittensor，却不知道它在背后支持着应用和服务，”他暗示，技术正作为底层基础设施在更高层次上支撑着各种应用。

与主要AI机构合作的潜力也是未来增长的一个维度。“是的，有可能，”斯蒂夫斯谈到与OpenAI或中国AI企业合作时说。“这取决于我们的理念是否一致。一些中心化实验室倾向于集中控制，而我们强调开放和无许可。”他特别对与DeepSeek、Kimi和Moonshot等开放思想团队的合作表示热情。“如果我们能与他们合作实现真正的去中心化训练，我们非常欢迎。这只是时间问题：要么合作，要么采用我们的去中心化训练方式。”

这种通过经济激励推动全球规模人工智能发展的愿景，代表了雅各布·罗伯特·斯蒂夫斯对市场、竞争和经济机制如何扩展有益技术、服务人类的根本贡献。