jacob robert steeves sobre Bittensor: Cómo la economía de minería impulsa la IA descentralizada

En la intersección en rápida evolución de blockchain e inteligencia artificial, pocas figuras han articulado una visión convincente para la IA descentralizada tan claramente como Jacob Robert Steeves, creador de Bittensor. Como protocolo de código abierto que aplica incentivos de minería al estilo Bitcoin a la computación de IA, Bittensor representa un cambio fundamental en la forma en que se organizan y recompensan los recursos de computación distribuidos. Recientemente, Jacob Robert Steeves se sentó a conversar extensamente sobre su trayectoria desde ingeniero de Google hasta pionero en blockchain, los mecanismos de la IA impulsada por incentivos y por qué los desarrolladores chinos están adquiriendo una importancia cada vez mayor para el éxito de la red.

Con TAO cotizando actualmente a $189.50 y una capitalización de mercado de 1.820 millones de dólares en marzo de 2026, Bittensor ha consolidado una posición significativa en el ecosistema cripto. El reciente hito de financiación del protocolo—la empresa TAO Treasury, TAO Synergies Inc., completó una ronda privada de 11 millones de dólares con el respaldo de inversores estratégicos como James Altucher y DCG—indica una confianza institucional creciente en la visión de la plataforma.

De ingeniero de Google a pionero en IA: Jacob Robert Steeves construye infraestructura de incentivos descentralizados

El camino de Jacob Robert Steeves hacia la fundación de Bittensor estuvo moldeado por influencias técnicas únicas. Tras estudiar matemáticas e informática en la Universidad Simon Fraser en Vancouver, Canadá, Steeves trabajó para un contratista de DARPA enfocado en chips de interfaz cerebro-computadora. Su mentor, un defensor temprano de Bitcoin, le introdujo conceptos como la “computación energética/termodinámica” y los principios subyacentes del diseño económico de Bitcoin—experiencias que moldearon fundamentalmente su forma de pensar sobre sistemas descentralizados.

“Desde 2015, he estado profundamente involucrado tanto en Bitcoin como en IA,” explicó Steeves. “Estas dos cosas son naturalmente compatibles porque el núcleo de la IA es el estudio de los bucles de retroalimentación (retropropagación, algoritmos genéticos, aprendizaje por refuerzo, etc.), mientras que Bitcoin es el primer ciclo de retroalimentación económica programable.” Esta percepción—que los incentivos económicos y el aprendizaje automático operan bajo principios similares—se convirtió en la base conceptual de Bittensor.

Tras unirse a Google como ingeniero de aprendizaje automático, Steeves fue testigo directo de la aceleración exponencial de las capacidades de IA tras la publicación del artículo “Attention Is All You Need”, que introdujo la arquitectura Transformer. Trabajando con equipos de aprendizaje distribuido en primera línea, adquirió experiencia profunda con servidores de parámetros, paralelismo de modelos y paralelismo de datos—patrones arquitectónicos que serían cruciales para construir la infraestructura computacional de Bittensor. Mientras desarrollaba Bittensor en su tiempo libre desde aproximadamente 2015, en 2018 pasó a trabajar a tiempo completo en el proyecto, culminando en el lanzamiento de la mainnet en 2021.

Modelo de minería a IA de Bittensor: migrando el mecanismo de incentivos de Bitcoin

En su esencia, Bittensor representa una migración elegante del modelo de incentivos probado de Bitcoin a la producción de inteligencia artificial. El protocolo funciona como una cadena de bloques con aproximadamente 128 subredes especializadas, cada una enfocada en diferentes tareas computacionales: inferencia, entrenamiento, aprendizaje por refuerzo, agentes de código, almacenamiento y señales de predicción/comercio.

“Transformamos el paradigma ‘minero—recompensa—consenso’ en ‘suministro útil de IA—recompensa de mercado—consenso de red’,” señaló Steeves. “Bitcoin ya ha demostrado que ‘incentivos + competencia’ pueden coordinar eficazmente recursos distribuidos. Solo estamos aplicando esta primitiva a la producción inteligente.”

Desde el lado de la oferta, los desarrolladores pueden lanzar o unirse a subredes, contribuyendo con modelos y potencia computacional, y recibiendo recompensas continuas según sus aportes de rendimiento. Desde el lado de la demanda, los usuarios pueden comprar servicios de inferencia, recursos computacionales, servicios AutoML o señales de predicción/mercado a través de la red. Este diseño de mercado bidireccional crea un entorno sin permisos donde la calidad de la oferta se amplifica naturalmente mediante incentivos, mientras que los servicios de bajo rendimiento son eliminados sistemáticamente mediante la competencia.

A diferencia de los “agregadores de modelos de IA” tradicionales que simplemente apilan modelos, la innovación de Bittensor radica en integrar incentivos económicos programables directamente en el proceso de aprendizaje de la IA. Este enfoque se basa en los mismos mecanismos de retroalimentación que han impulsado los avances en IA en los últimos 15 años—retropropagación, aprendizaje por refuerzo y optimización adaptativa—pero opera en la capa económica en lugar de solo en la capa computacional.

Los desarrolladores chinos lideran el camino: crecimiento del ecosistema de subredes y ventajas competitivas

Al preguntarle por qué eligió recorrer Asia específicamente, Steeves enfatizó tanto el respeto técnico como la oportunidad estratégica. “China es uno de los países de más rápido crecimiento, posiblemente el más poderoso, en el campo de la inteligencia artificial global,” señaló. Históricamente, cuando la minería de Bitcoin era legal en China, el país representaba más del 50% del poder de cómputo minero mundial. Hoy, China produce aproximadamente el 90% de los semiconductores del mundo—un hecho que Steeves considera altamente relevante para los requisitos de infraestructura de Bittensor.

Más revelador aún, Steeves destacó la dinámica competitiva que ha observado: “En Bittensor, a menudo escuchamos un dicho: una vez que los mineros chinos entran en una subred, la competencia se vuelve mucho más feroz, hasta el punto de que muchos de los participantes originales optan por salir.” En lugar de verlo como un problema, lo enmarca como evidencia de que los desarrolladores chinos tienen una compatibilidad natural con el modelo de incentivos de Bittensor. “La intensidad de la competencia en China es realmente asombrosa,” explicó Steeves. “Desde la forma en que las universidades organizan y entrenan, son uno de los grupos más competitivos del mundo.”

Actualmente, tres de los proyectos de subred más grandes en Bittensor están completamente construidos por equipos chinos, un hecho que Steeves considera sumamente importante. Affine, una de las mayores subredes en la red, fue desarrollada por ingenieros chinos y se ha convertido en uno de los mecanismos más competitivos en Bittensor. Lium, otra subred de primer nivel, ofrece un mercado sin permisos para recursos GPU, permitiendo a los mineros chinos contribuir con hardware computacional a un mercado global, mientras otros desarrolladores acceden a estos recursos de manera transparente. Estos proyectos demuestran no solo capacidad técnica, sino también la habilidad de construir servicios económicamente viables dentro de la estructura de incentivos de Bittensor.

“El nivel de ingeniería aquí es extremadamente alto, casi sin igual,” observó Steeves sobre la comunidad de desarrolladores chinos. “Quiero difundir el mensaje: esto es una plataforma económica completamente nueva y justa, donde ingenieros, constructores y mineros chinos pueden hacer contribuciones verdaderamente productivas—de manera abierta, transparente y bajo reglas justas.”

La posición de Asia en la infraestructura de código abierto de IA y Web3

Reflexionando sobre la posición geopolítica más amplia de Asia en el desarrollo de IA, Steeves destacó una divergencia estratégica. “Actualmente, las empresas en China, Singapur y Asia Oriental lideran la tendencia de inteligencia artificial de código abierto,” señaló. Proyectos como DeepSeek representan la vanguardia del desarrollo de IA abierta emergente de equipos chinos, mientras que Hong Kong y Singapur ofrecen mayor flexibilidad regulatoria y acceso a capital transfronterizo, facilitando despliegues industriales y colaboración internacional.

“Asia está impulsando ‘modelos abiertos + implementación técnica’ al frente, que es exactamente lo que la IA descentralizada necesita,” enfatizó Steeves. Más allá de la innovación corporativa, atribuyó a grandes universidades chinas—particularmente la Universidad de Pekín y Tsinghua—una contribución sustancial a la investigación y avance del conocimiento en IA.

Esta ventaja regional en desarrollo de código abierto se alinea naturalmente con la filosofía de Bittensor. Mientras los laboratorios de IA centralizados en EE. UU. suelen priorizar el control y la consolidación, equipos más abiertos como DeepSeek, Kimi y Moonshot pueden conectar sus recursos a Bittensor, lanzar subredes en la red, monetizar sus contribuciones y consumir simultáneamente la oferta de la red. “Es solo cuestión de tiempo,” sugirió Steeves. “O cooperamos o adoptamos nuestro enfoque descentralizado de entrenamiento.”

Más allá de Cripto + IA: Jacob Robert Steeves sobre la computación con incentivos reales

Un tema recurrente en los comentarios de Steeves es su crítica a las narrativas superficiales de “Cripto + IA.” “Cripto + IA es una declaración superficial,” argumentó. “Lo que realmente importa es la computación con incentivos.” La diferencia es crucial: simplemente aplicar criptomonedas a la IA, o aplicar IA a las criptomonedas, pasa por alto la innovación fundamental que representa Bittensor.

El verdadero avance consiste en integrar incentivos económicos programables directamente en el proceso de aprendizaje. “Quien proporcione inferencias, entrenamiento o herramientas más útiles recibe más recompensas, lo cual es completamente diferente a simplemente ‘apilar modelos’,” explicó Steeves. Al usar señales de mercado para optimizar continuamente la calidad de la oferta, Bittensor aprovecha los mismos mecanismos de retroalimentación que han impulsado el progreso en IA—retropropagación y aprendizaje por refuerzo—pero operándolos en la capa económica.

La importancia de la descentralización, argumenta Steeves, no radica en la descentralización por sí misma, sino en los beneficios estructurales que proporciona. “La descentralización ofrece entrada sin permisos y resistencia a puntos únicos de fallo,” señaló. “Cualquier individuo o equipo puede lanzar una subred y competir; la buena oferta se amplifica mediante incentivos; la mala oferta se elimina naturalmente.” Esta arquitectura demostró su valor durante la caída de AWS en 2026, que interrumpió temporalmente numerosos servicios de IA en internet. Bittensor, en contraste, permaneció operativo gracias a su dependencia de la asignación descentralizada de recursos—una ventaja de resiliencia que los competidores centralizados no pueden replicar fácilmente.

Modelo económico de TAO: de recompensas por minería a un protocolo de miles de millones de dólares

Respecto al próximo ciclo de reducción a la mitad de TAO (el token nativo del protocolo) en 2026, Steeves minimizó las interrupciones a corto plazo. “El único impacto de la reducción a la mitad en Bittensor es que la oferta se ajustará más estrictamente,” señaló. “Esto no afectará el mecanismo de incentivos fundamental de la red; todavía habrá enormes incentivos económicos para que los desarrolladores construyan en la plataforma.”

La capa de protocolo genera ingresos de múltiples fuentes: venta de capacidades de inferencia, venta de acceso computacional, oferta de servicios AutoML (aprendizaje automático automatizado) y señales para mercados de predicción. Este modelo de ingresos diversificado crea una demanda sostenible de los servicios de la red, al tiempo que respalda incentivos de desarrollo continuos.

Al preguntarle específicamente por los mercados de predicción, Steeves destacó a Kalshi y Polymarket como aplicaciones fintech genuinas con potencial para el mercado masivo. “Creo que están entre las verdaderas aplicaciones fintech y las primeras aplicaciones para consumidores masivos,” observó. “Es muy significativo y cambia profundamente la forma en que los humanos trabajan.” Los propios subredes de mercado de predicción de Bittensor están diseñados para aprovechar esta tendencia más amplia, manteniendo la estructura de incentivos de la red.

De 100,000 usuarios a miles de millones: Jacob Robert Steeves traza la visión a cinco años de Bittensor

Al preguntarle por el titular más deseado para Bittensor en cinco años, la respuesta de Steeves fue inequívoca: “El titular que más quiero ver es: hemos llevado esta tecnología a ‘millones’ de usuarios y realmente proporcionado servicios inteligentes abiertos al mundo, con la red expandiéndose continuamente y operando de manera sostenible.” Actualmente, aproximadamente 100,000 usuarios utilizan activamente la tecnología de Bittensor—una base sobre la cual Steeves visualiza un crecimiento exponencial hacia servir a miles de millones en todo el mundo.

El camino, argumenta, consiste en competir en las dimensiones donde los sistemas descentralizados tienen ventajas estructurales: costo, eficiencia y escalabilidad. “Desde el punto de vista económico, podemos superar a los proveedores centralizados en muchos escenarios con ventajas de costo, especialmente en inferencia,” explicó Steeves. Esta ventaja se potencia a medida que la red escala. Mientras las empresas de IA centralizadas podrían cobrar $1,000 anuales por servicios de suscripción que solo entregan $200 en valor real, el modelo de Bittensor permite suscripciones de $10 con solo $6 en costos de red—una ventaja económica fundamental.

Ridges, una gran subred de Bittensor centrada en agentes de codificación, ejemplifica este potencial. “Los agentes de codificación son optimizados colectivamente por mineros de todo el mundo,” señaló Steeves. “Construir de esta manera tiene un beneficio obvio: los precios pueden caer significativamente. Porque pasivamente y de forma continua optimizamos la rentabilidad a nivel global.” Este mecanismo pasivo de optimización—donde la competencia y los incentivos impulsan naturalmente la reducción de costos y la mejora de calidad—representa la ventaja estructural de Bittensor sobre los sistemas centralizados.

“Si las empresas de IA centralizadas no adoptan estas primitivas técnicas subyacentes, les será difícil mantenerse en rendimiento, velocidad y costo a largo plazo,” argumentó Steeves. Esto constituye la “mordaza” estratégica de Bittensor: si la red mantiene su superioridad en estas dimensiones clave, las empresas tradicionales de IA enfrentan una creciente presión competitiva. Por el contrario, si Bittensor no puede mantener esta ventaja, “no hay nada de qué hablar.”

La comparación con el éxito de Bitcoin es instructiva. “La razón por la que Bitcoin puede superar a estados soberanos o sistemas centralizados a nivel de red es porque adoptó las primitivas técnicas y el diseño de mecanismos adecuados,” señaló Steeves. “Bittensor aún no ha logrado esto en todas las áreas, pero en algunas sí, y muchas personas usan Bittensor en su vida diaria sin siquiera saberlo.”

Esta visión—de infraestructura invisible que alimenta miles de millones de interacciones de IA mediante mecanismos de incentivos descentralizados—representa la apuesta a largo plazo de Jacob Robert Steeves sobre cómo se organizará la computación en un mundo impulsado por IA. Si Bittensor logrará o no esta ambición depende de si la red puede mantener sus ventajas técnicas y económicas frente a competidores centralizados y enfoques descentralizados alternativos. Pero el recorrido de Steeves, de ingeniero de Google a arquitecto de blockchain, sugiere que la potencialidad de transformar fundamentalmente la infraestructura de IA mediante incentivos bien diseñados sigue siendo su convicción central.