Googleから分散型AIへ：ジェイコブ・ロバート・スティーブズがBittensorのインセンティブ駆動型ネットワークを構築した方法

ジェイコブ・ロバート・スティーブズは、ブロックチェーンを通じて人工知能を革命化しようとしたわけではない。彼の旅は最もあり得ない場所から始まった—ビットコイン、脳-コンピュータインターフェースチップの会社、そして数学とともに。今日、Bittensor（TAO）の創設者として、ジェイコブ・ロバート・スティーブズは、二つの変革技術の交差点に立ち、ビットコインを革命的にしたマイニング経済学を現代AIの計算課題に応用している。

Googleを去った数学者：ジェイコブのAIとビットコインへの旅

2018年にBittensorをフルタイムで立ち上げる前、ジェイコブはカナダ・バンクーバーのサイモンフレーザー大学で数学とコンピュータサイエンスを学んだ。卒業後、彼はDARPAの契約企業で脳-コンピュータインターフェースチップを開発するソフトウェアエンジニアとして働き、その経験が計算とインセンティブシステムの基本的理解を形成した。彼のメンターであり会社の創業者も、初期のビットコイン支持者であり、「エネルギーに基づく計算」やビットコインの設計に埋め込まれた熱力学の原則といった概念をジェイコブに紹介した。

この早期の経験は変革的だった。ジェイコブは、AIとビットコインは共通のDNAを持つことに気づいた。両者ともフィードバックループを通じて動作しているのだ。AIは逆伝播、遺伝的アルゴリズム、強化学習を通じて学習し、すべてフィードバック駆動のプロセスである。一方、ビットコインはスケール可能な最初のプログラム可能な経済的フィードバックループを作り出した。2015年以降、ジェイコブは両分野に同時に没頭し、その自然な相性を認識していた。

2016年以降のGoogleでの勤務は、この技術的基盤を深めた。機械学習エンジニアとして、「Attention Is All You Need」（トランスフォーマー論文）が公開されたのを目の当たりにした。これは大規模言語モデルの指数関数的拡大を引き起こした。さらに、Googleの分散AIインフラから実践的な知識を吸収した。パラメータサーバー、モデル並列化、データ並列化の技術だ。これらはBittensorのアーキテクチャにとって不可欠な要素となる。しかし、Googleは名誉あるプロジェクトを提供したが、ジェイコブが本当に望んだもの—ネットワークレベルでの分散インセンティブをAIに適用する能力—を提供できなかった。この気づきにより、彼はBittensorをサイドプロジェクトとして開発し、2021年にメインネットを立ち上げた。

AIへのマイニング経済学の応用：Bittensorの核心的革新

Bittensorの核心は、ビットコインのマイニング哲学を人工知能に直接翻訳したものである。ジェイコブはこれを「ビットコインスタイルのマイニングインセンティブメカニズム」をAI計算に適用すると表現している—ただし、これは正確な理解を要する。Bittensorはオープンソースのプロトコルで、ネイティブトークンTAOを持ち、現在約128の特殊サブネットで運用されている。各サブネットは推論、学習、強化学習、コーディングエージェント、ストレージ、予測・取引信号といった異なる計算タスクを中心に構成されている。

この革新は、集約ではなく、学習過程に直接埋め込まれたプログラム可能なインセンティブにある。より有用な推論や学習、ツールを提供した者が比例して高い報酬を得る。これにより、継続的な最適化ループが生まれる。市場の信号が品質向上を促し、パフォーマンスの低い供給は経済的圧力によって自然に排除される。この仕組みは従来の「マイナー報酬・合意」モデルを、「有用なAI供給・市場報酬・ネットワーク合意」へと変革させる。

実務的には、開発者はサブネットを立ち上げたり参加したりし、計算資源やモデルを提供し、パフォーマンス指標に基づいて継続的にインセンティブを獲得できる。需要側の参加者は推論サービス、計算能力、AutoML、予測信号をネットワークを通じて直接購入できる。全体の構造はパーミッションレスで透明性が高く、世界中の開発者が公平に参加できる。

これは、単にモデルを積み重ねるだけの従来のAI集約プラットフォームとは根本的に異なる。ジェイコブは、「Crypto + AI」という表現は知的には表層的だと強調する。本当の革新は、暗号経済的インセンティブを用いてAI研究そのものを行い、市場の力で計算の質を絶えず洗練させる点にある。

中国の開発者と激しい競争：アジアのAIネットワーク構築

ジェイコブが2024年末に中国を訪れた決断は、戦略的な認識に基づくものだった。アジアは世界で最も急成長し、最も強力なAIエコシステムを抱えている。中国だけで世界の半導体チップの90%を生産している。ビットコインマイニングが合法だった時代、中国は世界のマイニング力の50%以上を支配していた。これらの指標は、ジェイコブが中国を周辺参加者ではなく、Bittensorのグローバルネットワークにとって不可欠なインフラと見なす理由を示している。

中国の開発者について最も印象的なのは、その技術力だけでなく、競争の激しさだ。Bittensorのサブネット内では、観察可能な現象として、中国のマイナーが参入すると競争が激化する。多くの元参加者は、技術的な劣勢ではなく、競争の激しさにより退出を選ぶ。これは中国の大学システムの競争的訓練が「世界でも最も競争力の高い集団を生み出している」ことを反映している。

具体的な証拠もある。Bittensor最大のサブネットの一つであるAffineは、中国の開発者だけで構築され、ネットワークの最も洗練された競争メカニズムの一つとなっている。GPUリソースを提供するもう一つの主要サブネットLiumも、中国の計算インフラがBittensorのパーミッションレス市場に統合されている例だ。多くの中国のマイナーはGPU計算能力を提供し（IPアドレスからアジア由来と識別可能）、分散型インフラを通じてアジアの計算資源をグローバル市場に持ち込んでいる。

これらの貢献は、ジェイコブが「非常に重要」と考えるものであり、単なる技術参加を超え、ネットワークの耐性と競争最適化に根本的に寄与している。これらのチームのエンジニアリングレベルは「非常に高く、ほぼ他に劣らない」とジェイコブは評価している。

集約を超えて：Bittensorが根本的に異なる理由

ジェイコブは、誤解されやすい点に直接言及する。Bittensorは「AIモデルの集約者」として既存のサービスを結合するものだと誤解されているが、これは根本的な設計革新を見落としている。真の集約プラットフォームは、単にモデルを結合するだけで、継続的な改善のための構造的インセンティブを持たない。Bittensorの設計は、AIの学習を駆動するフィードバックループに経済的インセンティブを直接埋め込んでいる。

AIの進歩の15年の軌跡は、一貫してフィードバックと報酬に基づく適応学習から革新が生まれていることを示す。逆伝播や強化学習などの基礎技術もこの原則に従う。Bittensorの革新は、暗号通貨と市場のインセンティブをこれらのメカニズムに直接埋め込み、リアルタイムの市場信号によって供給の質とネットワーク効率を最適化できる点にある。

分散化はこの枠組みの中で重要な役割を果たす。パーミッションレスの参加により、誰もがサブネットを立ち上げ、既存のサービスと直接競争できる。良質な供給は経済的インセンティブによって増幅され、質の低い供給は自然に排除される。ノード間の資源分散は、単一点の故障に対する耐性を生み出す。これは、最近のAWSの大規模障害時に明らかになった。多くの分散型プロジェクトが深刻な障害に見舞われる中、Bittensorの分散アーキテクチャは、中央集権的インフラに依存しないため、稼働し続けた。

ただし、ジェイコブは、分散化はあくまで手段であり目的ではないと強調する。真の推進力は、「分散化そのもの」のためではなく、「インセンティブ駆動の競争を通じて有用な計算を拡大すること」にある。この区別は重要であり、Bittensorは、イデオロギー的な分散化の好みではなく、優れた技術的プリミティブとメカニズム設計によって従来の中央集権的AIプラットフォームに対抗している。

プロトコル収益、予測市場、そして五年後の目標

Bittensorの経済的持続性は、複数の収益源から成り立つ。推論サービスの販売、計算能力の提供、AutoML（自動機械学習）、予測市場へのシグナル提供など、多様な収益モデルが存在し、特定のユースケースに過度に依存しない構造になっている。これにより、参加者のインセンティブも多様化している。

特にジェイコブは、予測市場のブレークスルーとしての可能性に強い関心を示す。KalshiやPolymarketのようなプラットフォームは、「実用的なフィンテックアプリケーション」や「最初のコンシューマーアプリケーション」として、人間の意思決定を根本から変革しつつある。Bittensorのエコシステム内では、予測市場のインフラを開発するサブネットもあり、プロトコルの金融応用能力を示している。

今後五年の展望として、ジェイコブは「何百万ものユーザーにBittensor技術を届ける」ことを目標とし、持続可能なネットワーク運営を維持したいと語る。現在、約10万人が積極的にBittensorの技術を利用している。今後の道筋は、推論サービスの支配だけでなく、応用層への拡大—最終的には何十億人ものユーザーにサービスを提供することを目指す。

このビジョンの経済的基盤はコスト効率にある。コードエージェントに焦点を当てたサブネットの一つ、Ridgesは、分散最適化を活用し、コスト削減を実現している。例えば、中央集権的なプロバイダーが月額1,000ドルのサブスクリプションで200ドルの価値を提供するのに対し、ネットワークは10ドルで6ドルの実コストに相当する価格を実現できる。この経済スケーリングの法則は、中央集権型アーキテクチャでは不可能であり、グローバルな普及と採用を可能にしている。

ジェイコブは、ビットコインの成功例と比較しながら、こう述べる。ビットコインは、イデオロギーだけでなく、優れた技術的プリミティブとメカニズム設計を採用したことで、中央集権システムを凌駕した。Bittensorも、すべての分野でこれを達成しているわけではないが、特定の計算領域ではこの原則を実証している。さらに、何百万人もが日常的にBittensorのサービスを意識せずに利用しており、ネットワークはアプリケーション層全体で透明に動作している。

最終的な競争の本質はシンプルだ。Bittensorが性能、速度、コスト効率といった重要な側面で技術的優位を維持できるなら、従来のインフラ経済に基づく中央集権的AI提供者は最終的に勝てない。逆に、これらの技術的優位を失えば、全ての前提は崩れる。この明確な目的—真の技術的優越を達成するか、意味のない失敗に終わるか—が、ジェイコブの五年計画の戦略的ビジョンを形作っている。

市場の進化と最初の半減期サイクル

2026年3月現在、Bittensor（TAO）は、成功したプロトコルに内在する市場ダイナミクスを反映している。2023年3月に上場して以来、市場サイクルは暗号通貨とAIセクターの動向を映し出している。現在、TAOは197.10ドルで取引され、時価総額は約18.9億ドル。これは、パーミッションレス市場における自然な価格発見の結果だ。

ジェイコブは、2025年の最初のTAO半減期—すでに完了したことについて、供給の動態に焦点を当てている。半減はトークン供給を絞るが、ジェイコブはこれだけではBittensorの根本的なインセンティブメカニズムは変わらないと明言する。開発者の経済的インセンティブは、トークン供給スケジュールに関係なく堅固だ。ネットワークの価値提案は、計算の有用性と市場駆動の報酬分配に依存しており、供給の希少性だけに左右されない。

この冷静な見方は、ジェイコブのエンジニアリング志向を反映している。ネットワークの有用性、開発者のインセンティブ、競争最適化に焦点を当てており、これらが真の技術採用を決定する指標だと考えている。

アジアの戦略的地位：オープンソースAIと分散型インフラ

ジェイコブは、人工知能の発展において決定的な戦略的変化を見ている。中国、シンガポール、東アジアは、「オープンソースAI革命」をリードしていると彼は述べる。DeepSeekをはじめとするトップのオープンソースモデルは中国のチームから出ている。香港やシンガポールは、規制の柔軟性と資本インフラの優位性を活かし、産業化と国境を越えた技術協力を促進している。この地域のダイナミクスは、Bittensorの分散型モデルと自然に調和している。

商業的な発展を超え、北京大学や清華大学といったトップのアジア大学もAIの学術的進展に根本的な貢献をしている。これらの要素—オープンソースモデル、エンジニアリングの実装、学術的厳密さ—は、分散型AIに必要な透明性、競争的最適化、深い技術力と完全に一致している。

パートナーシップを超えて：競争と技術的プリミティブ

伝統的なAI研究所や大手テック企業との協力について尋ねられたとき、ジェイコブは明確に哲学的な見解を示す。DeepSeekやKimi、Moonshotのようなチームとの提携は自然に相性が良い。これらの組織は、Bittensor上にサブネットを立ち上げ、モデルを収益化し、同時にネットワークのサービスを利用できる。一方、アメリカの大手研究所は、「統合とコントロール」を好み、オープン性とパーミッションレスな参加を受け入れにくい。

ジェイコブは、これを敵対と捉えているのではなく、技術的な必然性とみなす。中央集権的な提供者がBittensorの分散型トレーニング手法を採用しなければ、コスト構造やパフォーマンスの面で長期的に不利になる。最終的には、技術の実行力次第だと考えている。