От Google к децентрализированному ИИ: как Джейкоб Роберт Стивз создал сеть с мотивационной системой Bittensor

Джейкоб Роберт Стивс не ставил перед собой целью революционизировать искусственный интеллект с помощью блокчейна. Его путь начался в самом необычном месте — с Биткойна, компании по производству чипов для интерфейсов мозг-компьютер и математики. Сегодня, будучи основателем Bittensor (TAO), Джейкоб Роберт Стивс стоит на пересечении двух трансформирующих технологий, применяя экономику майнинга, которая сделала Биткойн революционным, к вычислительным задачам современного ИИ.

Математик, покинувший Google: путь Джейкоба в ИИ и Биткойн

Перед тем как полностью сосредоточиться на Bittensor в 2018 году, Джейкоб изучал математику и информатику в Университете Симон Фрейзер в Ванкувере, Канада. После выпуска он работал инженером-программистом на контракте DARPA, разрабатывавшим чипы для интерфейсов мозг-компьютер — опыт, который сформировал его фундаментальное понимание вычислений и систем стимулов. Его наставник, также основатель компании, был одним из ранних сторонников Биткойна и познакомил Джейкоба с концепциями, такими как «энергетические вычисления» и термодинамические принципы, заложенные в дизайн Биткойна.

Этот ранний опыт оказался трансформирующим. Джейкоб понял, что ИИ и Биткойн имеют общую ДНК: оба работают через обратные связи. ИИ учится с помощью обратного распространения ошибок, генетических алгоритмов и обучения с подкреплением — все процессы, основанные на обратной связи, — в то время как Биткойн создал первую масштабируемую программируемую экономическую обратную связь. С 2015 года Джейкоб погружен одновременно в обе области, видя их естественную совместимость, а не противоположность.

Его работа в Google с 2016 года углубила эту техническую базу. В качестве инженера по машинному обучению он стал свидетелем публикации статьи «Attention Is All You Need» — трансформерной модели, которая вызвала экспоненциальный рост больших языковых моделей. Более того, он усвоил практические знания о распределенной инфраструктуре ИИ Google: параметрических серверах, параллелизме моделей и методах распределения данных, которые оказались ключевыми для архитектуры Bittensor. Однако, несмотря на престижные проекты, Google не мог предложить то, что Джейкоб действительно хотел — возможность применять децентрализованные стимулы на уровне сети для ИИ. Это осознание подтолкнуло его к разработке Bittensor как побочного проекта, который в 2021 году стал его основным занятием с запуском мейннета.

Экономика майнинга, примененная к ИИ: ключевое нововведение Bittensor

В основе Bittensor лежит прямое перенесение философии майнинга Биткойна в сферу искусственного интеллекта. Джейкоб описывает это как применение «стимулов майнинга в стиле Биткойна» к вычислениям ИИ — но для этого нужно точное понимание. Bittensor — это протокол с открытым исходным кодом и собственным токеном TAO, который в настоящее время работает примерно на 128 специализированных подсетях. Каждая подсеть организована вокруг конкретных задач: вывод, обучение, обучение с подкреплением, кодирующие агенты, хранение данных и сигналы для предсказаний/торговли.

Ключевое нововведение заключается не в агрегировании, а в программируемых стимулах, встроенных непосредственно в процесс обучения. Тот, кто предоставляет более полезные выводы, обучение или инструменты, получает пропорционально большие вознаграждения. Это создает непрерывную оптимизационную петлю: рыночные сигналы стимулируют повышение качества, а плохо работающие участники естественным образом исключаются через экономическое давление, а не административные решения. Система превращает традиционную модель «майнер — вознаграждение — консенсус» в «полезный ИИ — рынок — вознаграждение — сеть — консенсус».

Практически разработчики могут запускать или присоединяться к подсетям, вносить вычислительные ресурсы и модели, постоянно зарабатывая стимулы на основе показателей эффективности. Участники спроса могут приобретать услуги вывода, вычислительную мощность, AutoML или сигналы для предсказаний напрямую через сеть. Вся структура остается без разрешений и прозрачной, что позволяет любому разработчику по всему миру участвовать честно.

Это кардинально отличается от традиционных платформ агрегирования ИИ, которые просто объединяют модели без экономической оптимизации. Джейкоб подчеркивает, что истинное значение выходит за рамки «Крипто + ИИ» — фразы, которую он считает поверхностной. Настоящее нововведение — использование криптоэкономических стимулов для проведения исследований в области искусственного интеллекта, позволяя рыночным силам постоянно совершенствовать вычислительное качество.

Китайские разработчики и жесткая конкуренция: создание сети ИИ в Азии

Решение Джейкоба посетить Китай в конце 2024 года отражает стратегическое понимание: Азия обладает самым быстрорастущим и, возможно, самым мощным экосистемой искусственного интеллекта в мире. В Китае производится 90% мировых полупроводниковых чипов. Когда майнинг Биткойна был легализован, Китай контролировал более 50% мировой майнинговой мощности. Эти показатели подчеркивают, почему Джейкоб видит в Китае не периферийного участника, а важную инфраструктуру для глобальной сети Bittensor.

Что особенно поражает Джейкоба в китайских разработчиках — это не только их техническая компетентность, но и уровень конкуренции. В подсетях Bittensor появляется явный эффект: как только китайские майнеры входят в подсеть, конкуренция резко возрастает. Многие изначальные участники решают выйти, не из-за технических недостатков, а потому что конкуренция становится значительно жестче. Джейкоб считает это полностью ожидаемым, учитывая, что система университетов Китая формирует одни из самых конкурентных групп в мире.

Это подтверждается конкретными примерами. Одна из крупнейших подсетей — Affine — полностью создана китайскими разработчиками и стала одной из самых сложных механизмов конкуренции в сети. Lium, еще одна крупная подсеть, предоставляющая GPU-ресурсы, показывает, как инфраструктура Китая интегрируется в безразрешительный рынок Bittensor. Многие китайские майнеры вносят GPU-вычислительные мощности (определяемые по IP-адресам азиатского происхождения), фактически выводя азиатские вычислительные ресурсы на глобальный рынок через децентрализованную инфраструктуру.

Эти вклады Джейкоб считает «очень важными» — не просто техническим участием, а фундаментальными вкладом в устойчивость сети и ее конкурентную оптимизацию. Уровень инженерии у этих команд «чрезвычайно высокий, почти без конкурентов», по его личной оценке.

Вне агрегирования: почему Bittensor принципиально отличается

Джейкоб прямо говорит о распространенном заблуждении: что Bittensor — это «агрегатор моделей ИИ», объединяющий существующие сервисы. Это неправильно и упускает суть архитектурных инноваций Bittensor. Настоящие платформы агрегирования просто объединяют модели без встроенных стимулов для постоянного улучшения. В отличие от них, дизайн Bittensor внедряет экономические стимулы прямо в обратные связи, которые управляют обучением ИИ.

15-летний опыт развития ИИ показывает закономерность: прорывы происходят благодаря адаптивному обучению на основе обратной связи и вознаграждений. Обратное распространение ошибок, обучение с подкреплением и другие базовые техники работают по этому принципу. Инновация Bittensor — в том, что криптовалюта и рыночные стимулы встроены прямо в эти механизмы, позволяя рыночным сигналам в реальном времени оптимизировать как качество предложения, так и эффективность сети.

Децентрализация играет важную роль в этой системе. Безразрешительный вход означает, что любой человек или команда может запустить подсеть и конкурировать с существующими сервисами. Хорошее предложение усиливается экономическими стимулами; плохое — естественным образом исключается. Распределение ресурсов по узлам создает устойчивость против единой точки отказа — яркий пример этого — крупные сбои AWS в последние месяцы. Многие проекты, заявляющие о децентрализации, столкнулись с серьезными сбоями, тогда как архитектура Bittensor осталась работоспособной именно потому, что не зависит от централизованных инфраструктурных провайдеров.

Однако Джейкоб подчеркивает, что децентрализация — это средство, а не цель. Основная движущая сила — масштабирование полезных вычислений через стимулоориентированную конкуренцию. Эта разница критична: Bittensor конкурирует с традиционными централизованными платформами ИИ не из-за идеологических предпочтений, а благодаря превосходным техническим примитивам и механизму.

Доход протокола, предиктивные рынки и планы на пять лет

Экономическая устойчивость Bittensor обеспечивается за счет нескольких источников дохода на уровне протокола. Сеть зарабатывает, продавая услуги вывода, доступ к вычислительным мощностям, AutoML и сигналы для предиктивных рынков. Такой диверсифицированный доход предотвращает чрезмерную зависимость от одного кейса и создает множество стимулов для участников сети.

Джейкоб особенно заинтересован в предиктивных рынках как прорывном применении. Платформы вроде Kalshi и Polymarket представляют собой «настоящие финтех-приложения» и «первые потребительские приложения», которые реально меняют процессы принятия решений. В экосистеме Bittensor создаются подсети, развивающие инфраструктуру предиктивных рынков, демонстрируя способность протокола поддерживать сложные финансовые приложения.

На ближайшие пять лет Джейкоб ставит перед собой единственную цель: вывести технологию Bittensor к «миллионам» пользователей при сохранении устойчивой работы сети. Сейчас около 100 000 активных пользователей используют Bittensor. В будущем планируется не только доминировать в области вывода, но и расширяться в прикладной слой — в конечном итоге обслуживая миллиарды пользователей по всему миру.

Экономическое преимущество этого видения основано на стоимости. Ridges, одна из крупных подсетей Bittensor, сфокусирована на кодирующих агентах и показывает этот принцип. Используя распределенную оптимизацию по всему миру, сеть достигает значительных сокращений затрат: сценарии, когда централизованные провайдеры взимают $1000 в месяц за услуги стоимостью $200, могут быть заменены ценами сети в $10, отражающими реальные издержки в $6. Такой экономический закон масштабирования — невозможен в централизованных архитектурах — позволяет достигать глобального охвата и массового внедрения.

Джейкоб проводит историческую параллель с успехом Биткойна: он превзошел централизованные системы не только благодаря идеологии, а благодаря внедрению превосходных технических примитивов и механизмов. Хотя Bittensor еще не достиг этого преимущества во всех сферах, он демонстрирует этот принцип в отдельных вычислительных областях. Более того, миллионы уже используют сервисы Bittensor ежедневно, не осознавая этого — сеть работает прозрачно на уровне приложений.

Конкурентная борьба сводится к простому выводу: если Bittensor сохранит технологическое превосходство по ключевым параметрам — производительности, скорости и стоимости — централизованные поставщики ИИ, работающие по традиционной инфраструктуре, в конечном итоге не смогут конкурировать. И наоборот, неспособность сохранить эти преимущества сделает всю концепцию бессмысленной. Эта ясность цели — добиться реального технического превосходства или потерпеть неудачу — определяет стратегию Джейкоба на ближайшие пять лет.

Эволюция рынка и первый цикл халвинга

По состоянию на март 2026 года, Bittensor (TAO) отражает рыночную динамику любого успешного протокола. Токен, впервые появившийся в марте 2023, прошел через циклы, отражающие общие тренды криптовалют и ИИ. В настоящее время TAO торгуется по цене $197,10 с рыночной капитализацией около $1,89 млрд. Это естественный процесс ценового открытия в безразрешительных рынках.

Мнение Джейкоба о первом халвинге TAO в 2025 году — уже завершившемся — подчеркивает важность именно предложения, а не спекулятивных нарративов. Халвинг сокращает предложение токенов, но Джейкоб явно заявляет, что это не меняет фундаментальных стимулов Bittensor. Экономические мотивы для разработчиков остаются сильными независимо от графика эмиссии. Основная ценность сети — вычислительная полезность и распределение вознаграждений на основе рынка, а не дефицит предложения.

Этот взвешенный взгляд отражает инженерный склад ума Джейкоба, а не психологию трейдера. Основное внимание уделяется полезности сети, стимулов для разработчиков и конкурентной оптимизации — тем метрикам, которые определяют реальное внедрение технологий, а не спекулятивные ценовые колебания токенов.

Стратегическая позиция Азии: открытый исходный код ИИ и децентрализованная инфраструктура

Джейкоб видит решающий стратегический сдвиг в развитии искусственного интеллекта. Китай, Сингапур и Восточная Азия в целом лидируют в так называемой «революции открытого исходного кода ИИ». Лучшие модели с открытым исходным кодом, включая DeepSeek, происходят из китайских команд. Гонконг и Сингапур с их более гибким регулированием и развитой инфраструктурой капитала способствуют индустриализации и трансграничному техническому сотрудничеству. Эта региональная динамика создает естественную совместимость с децентрализованной моделью Bittensor.

Помимо коммерческой разработки, ведущие азиатские университеты — Пекинский университет, Цинхуа — вносят фундаментальный вклад в академический прогресс ИИ. Это сочетание — открытые модели, инженерная реализация и академическая строгость — идеально соответствует тому, что требуется децентрализованному ИИ: прозрачная разработка, конкурентная оптимизация и глубокая техническая компетентность.

Взгляд за рамки партнерства: конкуренция и технические примитивы

На вопрос о возможностях сотрудничества с традиционными лабораториями ИИ и крупными технологическими компаниями Джейкоб отвечает с ясностью. Партнерства с командами вроде DeepSeek, Kimi и Moonshot выглядят естественно — эти организации могут запускать подсети на Bittensor, монетизировать свои модели через сеть и одновременно использовать предоставляемые сервисы. Централизованные американские лаборатории, напротив, «предпочитают консолидировать и контролировать», а не открываться и участвовать без разрешений.

Джейкоб рассматривает это не как враждебность к традиционным компаниям ИИ, а как неизбежность технического развития. Либо централизованные провайдеры примут децентрализованные подходы Bittensor, либо столкнутся с долгосрочным технологическим отставанием, поскольку издержки и показатели эффективности все больше будут склоняться в пользу стимулоориентированных, распределенных вычислений. Итог зависит не от рыночных позиций или капитала, а от технического исполнения.