Jacob Robert Steeves 並非一開始就打算透過區塊鏈徹底革新人工智慧。他的旅程始於最不可能的地方——比特幣、一家腦-電腦介面晶片公司，以及數學。如今，作為 Bittensor (TAO) 的創始人，jacob robert steeves 站在兩項變革性技術的交匯點上，將使比特幣革命化的挖礦經濟學應用於現代 AI 的計算挑戰。
離開谷歌的數學家：Jacob 的 AI 與比特幣之旅
在2018年全職推出 Bittensor 之前，Jacob 在加拿大溫哥華的西蒙弗雷澤大學學習數學與計算機科學。畢業後，他曾為一個 DARPA 承包商擔任軟體工程師，開發腦-電腦介面晶片——這段經歷塑造了他對計算與激勵系統的基本理解。他的導師，也是公司創始人，是早期比特幣倡導者，向 Jacob 介紹了「能量基計算」和比特幣設計中嵌入的熱力學原理等概念。
這段早期接觸證明具有轉折性。Jacob 意識到 AI 和比特幣共享一個共同的 DNA：兩者都通過反饋循環運作。AI 通過反向傳播、遺傳算法和強化學習來學習——所有這些都是基於反饋的過程——而比特幣則在規模上創造了第一個可程式化的經濟反饋循環。自2015年起，jacob robert steeves 就同時沉浸於這兩個領域，認識到它們的自然契合，而非表面上的差異。
他在2016年起的谷歌任職進一步鞏固了這一技術基礎。作為機器學習工程師，Jacob 目睹了《Attention Is All You Need》——引發大型語言模型爆炸性擴展的 Transformer 論文的發表。更重要的是，他從谷歌的分散式 AI 基礎設施中吸取了實用知識：參數伺服器、模型並行和資料並行技術，這些都對 Bittensor 的架構至關重要。然而，雖然谷歌提供了許多具有聲望的專案，但它無法滿足 Jacob 真正的渴望：將去中心化激勵應用於網絡層級的 AI。這一認識促使他最初將 Bittensor 作為副專案開發，直到2021年推出主網後，才成為他的全職重心。
挖礦經濟學應用於 AI：Bittensor 的核心創新
Bittensor 的核心在於將比特幣的挖礦理念直接轉化為人工智慧。Jacob 描述它為「將比特幣式挖礦激勵機制」應用於 AI 計算——但這需要精確理解。Bittensor 是一個開源協議，擁有其原生代幣 TAO，目前運行約128個專用子網。每個子網圍繞不同的計算任務組織：推理、訓練、強化學習、編碼代理、存儲，以及預測/交易信號。
這一創新不在於聚合，而在於可程式化的激勵直接嵌入到學習過程中。提供更有用的推理、訓練或工具的參與者，會獲得相應更高的獎勵。這創造了一個持續的優化循環：市場信號推動質量提升，表現不佳的供應者則因經濟壓力自然退出。系統將傳統的「礦工-獎勵-共識」範式轉變為「有用 AI 供應-市場獎勵-網絡共識」。
這代表一個根本性突破，與傳統的 AI 聚合平台僅堆疊模型而不進行經濟優化的做法截然不同。Jacob 強調，真正的意義不僅在於「加密貨幣 + AI」——他認為這個詞組在智識上過於膚淺。真正的創新在於利用加密經濟激勵來進行人工智慧研究本身，讓市場力量持續優化計算品質。
中國開發者與激烈競爭：打造亞洲的 AI 網絡
Jacob 選擇在2024年底訪問中國，反映出一個戰略認知：亞洲擁有全球增長最快、甚至最強大的人工智慧生態系統。中國單獨生產了全球90%的半導體晶片。當比特幣挖礦合法時，中國控制了超過50%的全球算力。這些數據凸顯了為何 Jacob 不將中國視為邊緣參與者，而是 Bittensor 全球網絡的關鍵基礎設施。
令 Jacob 印象最深的是中國開發者的技術能力之外，更是他們的競爭激烈程度。在 Bittensor 的子網中，一個明顯的現象是：一旦中國礦工加入，競爭就會立即大幅升級。許多原始參與者選擇退出，並非因為技術劣勢，而是因為競爭變得極為激烈。Jacob 認為這完全在預料之中，因為中國大學系統的競爭性訓練造就了「世界上最具競爭力的團隊之一」。
具體證據也支持這一觀點。Affine，Bittensor 最大子網之一，完全由中國開發者建立，已成為網絡中最先進的競爭機制之一。Lium，另一個提供 GPU 資源的主要子網，展示了中國計算基礎設施如何融入 Bittensor 的無許可市場。許多中國礦工貢獻 GPU 計算能力（可由 IP 地址顯示亞洲來源），有效將亞洲的計算資源帶入全球市場，透過去中心化基礎設施。
這些貢獻對 Jacob 來說具有「非常重要」的意義——不僅是技術參與，更是對網絡韌性與競爭優化的根本貢獻。這些團隊的工程水平「極高，幾乎無人能及」，根據 Jacob 的直接評估。
超越聚合：為何 Bittensor 本質上不同
Jacob 直言一個持續的誤解：認為 Bittensor 是一個「AI 模型聚合器」，將現有服務結合起來。這種誤解根本忽略了 Bittensor 的架構創新。真正的聚合平台僅是將模型拼湊在一起，卻沒有持續改進的結構激勵。而 Bittensor 的設計則將經濟激勵直接嵌入到驅動 AI 學習的反饋循環中。
AI 發展的15年軌跡展現出一個持續的模式：突破來自基於反饋與獎勵的適應性學習。反向傳播、強化學習等基礎技術都遵循這一原則。Bittensor 的創新在於將加密貨幣與市場激勵直接嵌入這些機制，使實時市場信號能優化供應質量與網絡效率。
Jacob 與比特幣的成功做了類比：比特幣之所以超越中心化系統，不僅是出於意識形態，而是採用更優的技術原語與機制設計。雖然 Bittensor 尚未在所有領域都達到這一優勢，但在特定計算領域已經證明了這一原則。此外，數百萬人每天在無意識中使用 Bittensor 服務——網絡在應用層面透明運作。
最終，競爭的核心是：如果 Bittensor 在性能、速度與成本效益等關鍵維度保持技術優勢，傳統基於基礎設施經濟的中心化 AI 供應商就無法長期競爭。反之，若失去這些技術優勢，整個前提就會崩潰。這一明確的目標——實現真正的技術優越或徹底失敗——構成 Jacob 對 Bittensor 五年願景的戰略核心。
市場演變與首次減半週期
截至2026年3月，Bittensor (TAO) 反映出任何成功協議固有的市場動態。TAO 於2023年3月首次上市，經歷了反映更廣泛加密貨幣與 AI 行業動態的市場週期。目前，TAO 交易價格約197.10美元，市值約18.9億美元。這是無許可市場中價格發現的自然過程。
Jacob 對2025年首次 TAO 減半——現已完成——的看法強調供應動態，而非投機性敘事。減半收緊了代幣供應，但 Jacob 明確表示，這本身並不改變 Bittensor 的根本激勵機制。開發者的經濟激勵依然強大，與代幣供應時間表無關。網絡的核心價值在於計算實用性與市場驅動的獎勵分配，而非單純的供應稀缺。
這種理性觀點反映 Jacob 的工程思維，而非交易者心理。重點仍在於網絡實用性、開發者激勵與競爭優化——這些才是真正推動技術採用的關鍵指標，而非投機性代幣價格。
亞洲的戰略位置：開源 AI 與去中心化基礎設施
Jacob 認為人工智慧發展正迎來一個決定性戰略轉變。中國、新加坡與東亞共同領導他所稱的「開源 AI 革命」。包括 DeepSeek 在內的頂尖開源模型多來自中國團隊。香港與新加坡，憑藉較佳的監管彈性與資本基礎設施，促進產業化與跨境技術合作。這一區域動態與 Bittensor 的去中心化模式形成自然契合。
除了商業發展外，北大、清華等頂尖亞洲大學在 AI 學術進步方面也作出了根本貢獻。這種結合——開源模型、工程實現與學術嚴謹——與去中心化 AI 的需求高度契合：透明開發、競爭優化與深厚技術實力。
超越合作：競爭與技術原語
當被問及與傳統 AI 實驗室及大型科技公司合作的可能性時，Jacob 保持哲學清晰。與 DeepSeek、Kimi、Moonshot 等團隊的合作看似自然——這些組織可以在 Bittensor 上啟動子網，將模型貨幣化，並同時使用網絡提供的服務。而美國的中心化實驗室則「偏好整合與控制」，而非開放與許可。
Jacob 認為這不是對傳統 AI 公司的敵意，而是技術上的必然。要么中心化供應商採用 Bittensor 的去中心化訓練方法，要么在長期內面臨競爭劣勢，因為成本結構與性能指標越來越偏向激勵驅動的分散式計算。最終結果取決於技術執行，而非市場定位或資本優勢。
從 Google 到去中心化 AI：Jacob Robert Steeves 如何建立 Bittensor 的激勵驅動網絡
Jacob Robert Steeves 並非一開始就打算透過區塊鏈徹底革新人工智慧。他的旅程始於最不可能的地方——比特幣、一家腦-電腦介面晶片公司，以及數學。如今，作為 Bittensor (TAO) 的創始人，jacob robert steeves 站在兩項變革性技術的交匯點上，將使比特幣革命化的挖礦經濟學應用於現代 AI 的計算挑戰。
離開谷歌的數學家：Jacob 的 AI 與比特幣之旅
在2018年全職推出 Bittensor 之前，Jacob 在加拿大溫哥華的西蒙弗雷澤大學學習數學與計算機科學。畢業後，他曾為一個 DARPA 承包商擔任軟體工程師，開發腦-電腦介面晶片——這段經歷塑造了他對計算與激勵系統的基本理解。他的導師，也是公司創始人，是早期比特幣倡導者，向 Jacob 介紹了「能量基計算」和比特幣設計中嵌入的熱力學原理等概念。
這段早期接觸證明具有轉折性。Jacob 意識到 AI 和比特幣共享一個共同的 DNA：兩者都通過反饋循環運作。AI 通過反向傳播、遺傳算法和強化學習來學習——所有這些都是基於反饋的過程——而比特幣則在規模上創造了第一個可程式化的經濟反饋循環。自2015年起，jacob robert steeves 就同時沉浸於這兩個領域，認識到它們的自然契合，而非表面上的差異。
他在2016年起的谷歌任職進一步鞏固了這一技術基礎。作為機器學習工程師，Jacob 目睹了《Attention Is All You Need》——引發大型語言模型爆炸性擴展的 Transformer 論文的發表。更重要的是，他從谷歌的分散式 AI 基礎設施中吸取了實用知識：參數伺服器、模型並行和資料並行技術，這些都對 Bittensor 的架構至關重要。然而，雖然谷歌提供了許多具有聲望的專案，但它無法滿足 Jacob 真正的渴望：將去中心化激勵應用於網絡層級的 AI。這一認識促使他最初將 Bittensor 作為副專案開發，直到2021年推出主網後，才成為他的全職重心。
挖礦經濟學應用於 AI：Bittensor 的核心創新
Bittensor 的核心在於將比特幣的挖礦理念直接轉化為人工智慧。Jacob 描述它為「將比特幣式挖礦激勵機制」應用於 AI 計算——但這需要精確理解。Bittensor 是一個開源協議，擁有其原生代幣 TAO，目前運行約128個專用子網。每個子網圍繞不同的計算任務組織：推理、訓練、強化學習、編碼代理、存儲，以及預測/交易信號。
這一創新不在於聚合，而在於可程式化的激勵直接嵌入到學習過程中。提供更有用的推理、訓練或工具的參與者，會獲得相應更高的獎勵。這創造了一個持續的優化循環：市場信號推動質量提升，表現不佳的供應者則因經濟壓力自然退出。系統將傳統的「礦工-獎勵-共識」範式轉變為「有用 AI 供應-市場獎勵-網絡共識」。
從實務角度來看，開發者可以啟動或加入子網，貢獻計算資源與模型，並根據性能指標持續獲取激勵。需求方則可以直接透過網絡購買推理服務、計算能力、AutoML 功能或預測信號。整個結構保持無許可、透明，任何全球開發者都能公平參與。
這代表一個根本性突破，與傳統的 AI 聚合平台僅堆疊模型而不進行經濟優化的做法截然不同。Jacob 強調，真正的意義不僅在於「加密貨幣 + AI」——他認為這個詞組在智識上過於膚淺。真正的創新在於利用加密經濟激勵來進行人工智慧研究本身，讓市場力量持續優化計算品質。
中國開發者與激烈競爭：打造亞洲的 AI 網絡
Jacob 選擇在2024年底訪問中國，反映出一個戰略認知：亞洲擁有全球增長最快、甚至最強大的人工智慧生態系統。中國單獨生產了全球90%的半導體晶片。當比特幣挖礦合法時，中國控制了超過50%的全球算力。這些數據凸顯了為何 Jacob 不將中國視為邊緣參與者，而是 Bittensor 全球網絡的關鍵基礎設施。
令 Jacob 印象最深的是中國開發者的技術能力之外，更是他們的競爭激烈程度。在 Bittensor 的子網中，一個明顯的現象是：一旦中國礦工加入，競爭就會立即大幅升級。許多原始參與者選擇退出，並非因為技術劣勢，而是因為競爭變得極為激烈。Jacob 認為這完全在預料之中，因為中國大學系統的競爭性訓練造就了「世界上最具競爭力的團隊之一」。
具體證據也支持這一觀點。Affine，Bittensor 最大子網之一，完全由中國開發者建立，已成為網絡中最先進的競爭機制之一。Lium，另一個提供 GPU 資源的主要子網，展示了中國計算基礎設施如何融入 Bittensor 的無許可市場。許多中國礦工貢獻 GPU 計算能力（可由 IP 地址顯示亞洲來源），有效將亞洲的計算資源帶入全球市場，透過去中心化基礎設施。
這些貢獻對 Jacob 來說具有「非常重要」的意義——不僅是技術參與，更是對網絡韌性與競爭優化的根本貢獻。這些團隊的工程水平「極高，幾乎無人能及」，根據 Jacob 的直接評估。
超越聚合：為何 Bittensor 本質上不同
Jacob 直言一個持續的誤解：認為 Bittensor 是一個「AI 模型聚合器」，將現有服務結合起來。這種誤解根本忽略了 Bittensor 的架構創新。真正的聚合平台僅是將模型拼湊在一起，卻沒有持續改進的結構激勵。而 Bittensor 的設計則將經濟激勵直接嵌入到驅動 AI 學習的反饋循環中。
AI 發展的15年軌跡展現出一個持續的模式：突破來自基於反饋與獎勵的適應性學習。反向傳播、強化學習等基礎技術都遵循這一原則。Bittensor 的創新在於將加密貨幣與市場激勵直接嵌入這些機制，使實時市場信號能優化供應質量與網絡效率。
去中心化在此框架中扮演關鍵角色。無許可進入意味著任何個人或團隊都能啟動子網，與現有服務直接競爭。良好的供應會因經濟激勵而放大，差的供應則會自然被淘汰。資源在節點間的分配，增強了抗單點故障的韌性——這在 AWS 最近大規模故障時尤為明顯。許多聲稱去中心化的專案遭遇嚴重中斷，但 Bittensor 的分散式架構仍能正常運作，正是因為它不依賴集中式基礎設施。
然而，Jacob 強調，去中心化是手段而非目的。推動的根本動力不是「為了去中心化」本身，而是通過激勵驅動的競爭來擴展有用的計算。這一點至關重要：Bittensor 與傳統中心化 AI 平台的競爭，不是出於意識形態偏好，而是靠更優的技術原語與機制設計。
協議收入、預測市場與五年願景
Bittensor 的經濟可持續性來自多個協議層面的收入來源。網絡通過銷售推理服務、計算能力、AutoML（自動機器學習）功能，以及向預測市場提供信號來產生收入。這種多元化的收入模型避免過度依賴單一用例，也為網絡參與者創造多個激勵渠道。
Jacob 特別看好預測市場，認為它是突破性的應用。像 Kalshi 和 Polymarket 這樣的平台代表「真正的金融科技應用」與「第一批消費者應用」，能真正重塑人類決策過程。在 Bittensor 生態系統中，專門的子網正在開發預測市場基礎設施，展現協議支持複雜金融應用的能力。
展望五年，Jacob 表達一個單一願景：將 Bittensor 技術帶給「數百萬」用戶，同時保持可持續的網絡運營。目前約有10萬用戶積極使用 Bittensor 技術。未來的路徑不僅是主導推理服務，更是向應用層擴展——最終目標是服務全球數十億用戶。
這一願景的經濟優勢在於成本效率。Ridges，一個專注於編碼代理的主要子網，體現了這一原則。通過利用全球礦工的分散式優化，網絡實現了顯著的成本降低：例如，中心化供應商每月收取1000美元訂閱費，但實際價值僅200美元的情況，透過網絡價格10美元，反映的實際成本僅6美元。這種經濟擴展法則——在中心化架構中難以實現——使得全球範圍的擴展與採用成為可能。
Jacob 與比特幣的成功做了類比：比特幣之所以超越中心化系統，不僅是出於意識形態，而是採用更優的技術原語與機制設計。雖然 Bittensor 尚未在所有領域都達到這一優勢，但在特定計算領域已經證明了這一原則。此外，數百萬人每天在無意識中使用 Bittensor 服務——網絡在應用層面透明運作。
最終，競爭的核心是：如果 Bittensor 在性能、速度與成本效益等關鍵維度保持技術優勢，傳統基於基礎設施經濟的中心化 AI 供應商就無法長期競爭。反之，若失去這些技術優勢，整個前提就會崩潰。這一明確的目標——實現真正的技術優越或徹底失敗——構成 Jacob 對 Bittensor 五年願景的戰略核心。
市場演變與首次減半週期
截至2026年3月，Bittensor (TAO) 反映出任何成功協議固有的市場動態。TAO 於2023年3月首次上市，經歷了反映更廣泛加密貨幣與 AI 行業動態的市場週期。目前，TAO 交易價格約197.10美元，市值約18.9億美元。這是無許可市場中價格發現的自然過程。
Jacob 對2025年首次 TAO 減半——現已完成——的看法強調供應動態，而非投機性敘事。減半收緊了代幣供應，但 Jacob 明確表示，這本身並不改變 Bittensor 的根本激勵機制。開發者的經濟激勵依然強大，與代幣供應時間表無關。網絡的核心價值在於計算實用性與市場驅動的獎勵分配，而非單純的供應稀缺。
這種理性觀點反映 Jacob 的工程思維，而非交易者心理。重點仍在於網絡實用性、開發者激勵與競爭優化——這些才是真正推動技術採用的關鍵指標，而非投機性代幣價格。
亞洲的戰略位置：開源 AI 與去中心化基礎設施
Jacob 認為人工智慧發展正迎來一個決定性戰略轉變。中國、新加坡與東亞共同領導他所稱的「開源 AI 革命」。包括 DeepSeek 在內的頂尖開源模型多來自中國團隊。香港與新加坡，憑藉較佳的監管彈性與資本基礎設施，促進產業化與跨境技術合作。這一區域動態與 Bittensor 的去中心化模式形成自然契合。
除了商業發展外，北大、清華等頂尖亞洲大學在 AI 學術進步方面也作出了根本貢獻。這種結合——開源模型、工程實現與學術嚴謹——與去中心化 AI 的需求高度契合：透明開發、競爭優化與深厚技術實力。
超越合作：競爭與技術原語
當被問及與傳統 AI 實驗室及大型科技公司合作的可能性時，Jacob 保持哲學清晰。與 DeepSeek、Kimi、Moonshot 等團隊的合作看似自然——這些組織可以在 Bittensor 上啟動子網，將模型貨幣化，並同時使用網絡提供的服務。而美國的中心化實驗室則「偏好整合與控制」，而非開放與許可。
Jacob 認為這不是對傳統 AI 公司的敵意，而是技術上的必然。要么中心化供應商採用 Bittensor 的去中心化訓練方法，要么在長期內面臨競爭劣勢，因為成本結構與性能指標越來越偏向激勵驅動的分散式計算。最終結果取決於技術執行，而非市場定位或資本優勢。