Từ Google đến AI Phi tập trung: Cách Jacob Robert Steeves xây dựng mạng lưới thúc đẩy bằng phần thưởng của Bittensor

Jacob Robert Steeves không bắt đầu cuộc hành trình để cách mạng hóa trí tuệ nhân tạo thông qua blockchain. Hành trình của anh bắt đầu từ những nơi ít ai ngờ tới—với Bitcoin, một công ty chip giao diện não-máy tính, và toán học. Ngày nay, với tư cách là người sáng lập Bittensor (TAO), jacob robert steeves đứng ở giao điểm của hai công nghệ biến đổi, áp dụng kinh tế khai thác đã làm nên cuộc cách mạng của Bitcoin vào các thách thức tính toán của AI hiện đại.

Nhà Toán Học Rời Google: Hành Trình của Jacob vào AI và Bitcoin

Trước khi bắt đầu toàn thời gian với Bittensor vào năm 2018, Jacob học toán và khoa học máy tính tại Đại học Simon Fraser ở Vancouver, Canada. Sau khi tốt nghiệp, anh làm kỹ sư phần mềm cho một nhà thầu của DARPA phát triển chip giao diện não-máy tính—một trải nghiệm đã hình thành hiểu biết cơ bản của anh về tính toán và hệ thống khuyến khích. Người hướng dẫn của anh, cũng là người sáng lập công ty, là một người ủng hộ Bitcoin sớm và đã giới thiệu cho Jacob các khái niệm như “tính toán dựa trên năng lượng” và các nguyên lý nhiệt động học trong thiết kế của Bitcoin.

Sự tiếp xúc sớm này đã trở thành bước ngoặt. Jacob nhận ra rằng AI và Bitcoin chia sẻ một dòng DNA chung: cả hai đều hoạt động qua các vòng phản hồi. AI học qua backpropagation, thuật toán di truyền và học tăng cường—tất cả đều dựa trên phản hồi—trong khi Bitcoin tạo ra vòng phản hồi kinh tế có thể lập trình đầu tiên ở quy mô lớn. Từ năm 2015, jacob robert steeves đã đắm chìm trong cả hai lĩnh vực cùng lúc, nhận thức rõ sự phù hợp tự nhiên của chúng chứ không phải sự khác biệt rõ rệt.

Thời gian làm việc tại Google từ 2016 trở đi đã củng cố nền tảng kỹ thuật này. Là kỹ sư học máy, Jacob chứng kiến việc công bố “Attention Is All You Need”—bài báo về Transformer đã thúc đẩy sự mở rộng theo cấp số nhân của các mô hình ngôn ngữ lớn. Quan trọng hơn, anh tiếp thu kiến thức thực tiễn từ hạ tầng AI phân tán của Google: các máy chủ tham số, phân phối mô hình, và các kỹ thuật phân phối dữ liệu giúp ích rất nhiều cho kiến trúc của Bittensor. Tuy nhiên, trong khi Google cung cấp các dự án danh giá, nó không thể đáp ứng điều Jacob thực sự mong muốn: khả năng áp dụng các khuyến khích phi tập trung cho AI ở cấp độ mạng lưới. Nhận thức này đã thúc đẩy anh phát triển Bittensor ban đầu như một dự án phụ, rồi cuối cùng trở thành trọng tâm toàn thời gian khi anh ra mắt mainnet vào năm 2021.

Kinh Tế Khai Thác Áp Dụng Cho AI: Đổi Mới Cốt Lõi của Bittensor

Về bản chất, Bittensor thể hiện một bản dịch trực tiếp triết lý khai thác của Bitcoin sang trí tuệ nhân tạo. Jacob mô tả nó như việc áp dụng “cơ chế khuyến khích khai thác kiểu Bitcoin” vào tính toán AI—nhưng điều này đòi hỏi hiểu biết chính xác. Bittensor là một giao thức mã nguồn mở với token gốc là TAO, hiện hoạt động trên khoảng 128 mạng con chuyên biệt. Mỗi mạng con tổ chức quanh các nhiệm vụ tính toán khác nhau: suy luận, huấn luyện, học tăng cường, các tác nhân mã hóa, lưu trữ, và tín hiệu dự đoán/giao dịch.

Điểm đổi mới cốt lõi không phải ở việc tổng hợp mà ở các khuyến khích có thể lập trình được tích hợp trực tiếp vào quá trình học. Ai cung cấp suy luận, huấn luyện hoặc công cụ hữu ích hơn sẽ nhận phần thưởng tỷ lệ thuận. Điều này tạo ra một vòng tối ưu liên tục: các tín hiệu thị trường thúc đẩy cải thiện chất lượng, và các nguồn cung kém hiệu quả sẽ tự nhiên bị loại bỏ qua áp lực kinh tế chứ không phải bằng quyết định hành chính. Hệ thống biến đổi mô hình “người khai thác-đồng thuận-phần thưởng” truyền thống thành “cung AI hữu ích-thị trường-phần thưởng-mạng lưới đồng thuận.”

Về mặt thực tiễn, các nhà phát triển có thể khởi tạo hoặc tham gia các mạng con, đóng góp tài nguyên tính toán và mô hình, và liên tục kiếm phần thưởng dựa trên các chỉ số hiệu suất. Các bên yêu cầu có thể mua dịch vụ suy luận, sức mạnh tính toán, khả năng AutoML hoặc tín hiệu dự đoán trực tiếp qua mạng. Toàn bộ cấu trúc này không cần phép và minh bạch, cho phép bất kỳ nhà phát triển nào trên toàn cầu tham gia một cách công bằng.

Điều này đại diện cho một sự khác biệt căn bản so với các nền tảng tổng hợp AI truyền thống chỉ ghép các mô hình lại với nhau mà không tối ưu hóa kinh tế. Jacob nhấn mạnh rằng ý nghĩa thực sự vượt ra ngoài “Crypto + AI”—một cụm từ anh cho là nông cạn về mặt trí tuệ. Đổi mới thực sự là sử dụng các khuyến khích kinh tế dựa trên crypto để tiến hành nghiên cứu trí tuệ nhân tạo, để các lực lượng thị trường liên tục hoàn thiện chất lượng tính toán.

Các Nhà Phát Triển Trung Quốc và Cạnh Tranh Khốc Liệt: Xây Dựng Mạng Lưới AI Châu Á

Quyết định của Jacob thăm Trung Quốc vào cuối 2024 phản ánh một nhận thức chiến lược: châu Á là nơi có hệ sinh thái trí tuệ nhân tạo phát triển nhanh nhất và có thể mạnh nhất thế giới. Trung Quốc riêng sản xuất 90% chip bán dẫn toàn cầu. Khi khai thác Bitcoin hợp pháp, Trung Quốc kiểm soát hơn 50% công suất khai thác toàn cầu. Các số liệu này nhấn mạnh lý do tại sao Jacob xem Trung Quốc không phải là phần phụ mà là hạ tầng thiết yếu cho mạng lưới toàn cầu của Bittensor.

Điều khiến Jacob ấn tượng nhất về các nhà phát triển Trung Quốc không chỉ là năng lực kỹ thuật mà còn là tính cạnh tranh khốc liệt của họ. Trong các mạng con của Bittensor, một hiện tượng rõ ràng xuất hiện: khi các mỏ đào Trung Quốc tham gia một mạng con, cạnh tranh ngay lập tức trở nên dữ dội hơn rõ rệt. Nhiều thành viên ban đầu chọn rút lui, không phải vì yếu thế về kỹ thuật mà vì động lực cạnh tranh trở nên khốc liệt hơn đáng kể. Jacob xem đây là điều hoàn toàn dự kiến, bởi hệ thống đào tạo cạnh tranh của các trường đại học Trung Quốc tạo ra “nhóm cạnh tranh nhất thế giới.”

Bằng chứng rõ ràng xác nhận quan điểm này. Affine, một trong các mạng con lớn nhất của Bittensor, do các nhà phát triển Trung Quốc xây dựng hoàn toàn và đã trở thành một trong những cơ chế cạnh tranh tinh vi nhất của mạng. Lium, một mạng con lớn khác cung cấp tài nguyên GPU, cho thấy hạ tầng tính toán của Trung Quốc tích hợp vào thị trường không phép của Bittensor như thế nào. Nhiều mỏ đào Trung Quốc đóng góp sức mạnh GPU (có thể nhận biết qua địa chỉ IP xuất xứ châu Á), đưa nguồn lực tính toán của châu Á ra thị trường toàn cầu qua hạ tầng phi tập trung.

Những đóng góp này theo Jacob là “rất quan trọng”—không chỉ về mặt kỹ thuật mà còn về khả năng tăng cường độ bền của mạng và tối ưu cạnh tranh. Mức độ kỹ thuật của các đội này là “rất cao, gần như không ai sánh kịp,” theo đánh giá trực tiếp của Jacob.

Vượt Ra Ngoài Tổng Hợp: Tại Sao Bittensor Hoàn Toàn Khác Biệt

Jacob trực tiếp giải thích một hiểu lầm phổ biến: rằng Bittensor hoạt động như một “người tổng hợp mô hình AI” kết hợp các dịch vụ hiện có. Hiểu lầm này bỏ qua sự đổi mới kiến trúc của Bittensor. Các nền tảng tổng hợp thực sự chỉ ghép các mô hình mà không có các khuyến khích cấu trúc để liên tục cải tiến. Thiết kế của Bittensor tích hợp các khuyến khích kinh tế trực tiếp vào các vòng phản hồi thúc đẩy việc học của AI.

Quá trình phát triển AI 15 năm cho thấy một mô hình nhất quán: các đột phá xuất hiện từ việc học thích nghi dựa trên phản hồi và phần thưởng. Backpropagation, học tăng cường và các kỹ thuật nền tảng khác đều hoạt động dựa trên nguyên tắc này. Đổi mới của Bittensor là tích hợp tiền mã hóa và các cơ chế thị trường trực tiếp vào các cơ chế này, cho phép các tín hiệu thị trường tối ưu hóa cả chất lượng cung và hiệu quả mạng lưới trong thời gian thực.

Phân quyền đóng vai trò thiết yếu trong khung này. Việc tham gia không cần phép cho phép bất kỳ cá nhân hoặc nhóm nào khởi tạo mạng con và cạnh tranh trực tiếp với các dịch vụ hiện có. Cung tốt sẽ được thúc đẩy bởi các khuyến khích kinh tế; cung kém sẽ tự nhiên bị loại bỏ. Phân phối tài nguyên trên các nút tạo ra khả năng chống chịu trước các điểm thất bại đơn lẻ—một đặc tính rõ rệt khi AWS gặp các sự cố lớn gần đây. Trong khi nhiều dự án tuyên bố phân quyền gặp phải gián đoạn nghiêm trọng, kiến trúc phân tán của Bittensor vẫn hoạt động bình thường chính xác vì nó không phụ thuộc vào các nhà cung cấp hạ tầng tập trung.

Tuy nhiên, Jacob nhấn mạnh rằng phân quyền là một phương tiện chứ không phải mục đích cuối cùng. Động lực chính không phải là phân quyền “vì chính nó” mà là mở rộng tính toán hữu ích qua cạnh tranh dựa trên khuyến khích. Sự khác biệt này cực kỳ quan trọng: Bittensor cạnh tranh với các nền tảng AI tập trung truyền thống không dựa trên sở thích tư tưởng về phân quyền mà dựa trên các nguyên thủy kỹ thuật và cơ chế vượt trội.

Doanh Thu Giao Thức, Thị Trường Dự Đoán và Mục Tiêu 5 Năm

Tính bền vững kinh tế của Bittensor đến từ nhiều nguồn doanh thu tại cấp độ giao thức. Mạng tạo ra thu nhập qua việc bán dịch vụ suy luận, truy cập sức mạnh tính toán, khả năng AutoML, và các tín hiệu cung cấp cho thị trường dự đoán. Mô hình doanh thu đa dạng này giúp tránh phụ thuộc quá nhiều vào một mục đích sử dụng duy nhất đồng thời tạo ra nhiều dòng khuyến khích cho các thành viên mạng.

Jacob đặc biệt hứng thú với thị trường dự đoán như một ứng dụng đột phá. Các nền tảng như Kalshi và Polymarket đại diện cho “ứng dụng fintech thực” và “ứng dụng tiêu dùng đầu tiên” thực sự định hình lại quá trình ra quyết định của con người. Trong hệ sinh thái của Bittensor, các mạng con riêng biệt đang phát triển hạ tầng thị trường dự đoán, thể hiện khả năng của giao thức trong việc hỗ trợ các ứng dụng tài chính phức tạp.

Trong 5 năm tới, Jacob thể hiện khát vọng: mang công nghệ của Bittensor đến “hàng triệu” người dùng trong khi duy trì hoạt động mạng bền vững. Hiện tại, khoảng 100.000 người dùng tích cực sử dụng công nghệ của Bittensor. Con đường phía trước không chỉ là thống trị các dịch vụ suy luận mà còn mở rộng đến tầng ứng dụng—mục tiêu cuối cùng là phục vụ hàng tỷ người dùng toàn cầu.

Lợi thế kinh tế của tầm nhìn này dựa trên hiệu quả chi phí. Ridges, một mạng con lớn của Bittensor tập trung vào các tác nhân mã hóa, minh chứng cho nguyên tắc này. Bằng cách tận dụng tối ưu hóa phân tán trên các mỏ đào toàn cầu, mạng đạt được giảm chi phí đáng kể: các kịch bản mà nhà cung cấp tập trung tính phí 1.000 USD/tháng cho 200 USD giá trị thực có thể bị cạnh tranh bằng giá mạng chỉ 10 USD phản ánh đúng chi phí thực chỉ khoảng 6 USD. Quy luật mở rộng kinh tế này—không thể có trong kiến trúc tập trung—cho phép mở rộng toàn cầu và chấp nhận rộng rãi.

Jacob so sánh lịch sử thành công của Bitcoin: Bitcoin vượt trội hơn các hệ thống tập trung không chỉ qua ý thức hệ mà còn nhờ áp dụng các nguyên thủy kỹ thuật và cơ chế vượt trội. Trong khi Bittensor chưa đạt được lợi thế này trong tất cả các lĩnh vực, nó đã thể hiện nguyên tắc này trong một số lĩnh vực tính toán cụ thể. Hơn nữa, hàng triệu người dùng đã sử dụng dịch vụ của Bittensor hàng ngày mà không nhận thức rõ—mạng hoạt động minh bạch xuyên suốt các tầng ứng dụng.

Cơ chế cạnh tranh cuối cùng rút gọn thành một đề xuất đơn giản: nếu Bittensor duy trì ưu thế công nghệ trong các khía cạnh chính như hiệu suất, tốc độ và chi phí, các nhà cung cấp AI tập trung hoạt động dựa trên kinh tế hạ tầng truyền thống không thể cạnh tranh về lâu dài. Ngược lại, nếu không duy trì các lợi thế kỹ thuật này, toàn bộ giả thuyết sẽ trở nên vô nghĩa. Sự rõ ràng về mục tiêu này—đạt được ưu thế kỹ thuật thực sự hoặc thất bại một cách có ý nghĩa—định hình tầm nhìn chiến lược của Jacob cho 5 năm tới của Bittensor.

Tiến Trình Thị Trường và Chu Kỳ Halving Đầu Tiên

Tính đến tháng 3 năm 2026, Bittensor (TAO) phản ánh các động thái thị trường vốn có của bất kỳ giao thức thành công nào. Token, lần đầu niêm yết vào tháng 3 năm 2023, đã trải qua các chu kỳ thị trường phản ánh xu hướng chung của tiền điện tử và ngành AI. Hiện tại, TAO giao dịch ở mức 197,10 USD với vốn hóa thị trường khoảng 1,89 tỷ USD. Đây là quá trình khám phá giá tự nhiên trong các thị trường không phép.

Quan điểm của Jacob về đợt halving TAO đầu tiên trong năm 2025—đã hoàn tất—nhấn mạnh vào các yếu tố cung hơn là các câu chuyện đầu cơ. Việc halving làm giảm cung token, nhưng Jacob rõ ràng nói rằng điều này không thay đổi các cơ chế khuyến khích cốt lõi của Bittensor. Các khuyến khích kinh tế dành cho nhà phát triển vẫn mạnh mẽ bất kể lịch trình cung cấp token. Giá trị cốt lõi của mạng dựa trên tiện ích tính toán và phân phối phần thưởng dựa trên thị trường, chứ không chỉ dựa vào độ khan hiếm của cung.

Quan điểm này phản ánh tư duy kỹ thuật của Jacob hơn là tâm lý giao dịch. Tập trung vẫn là vào tiện ích mạng, khuyến khích nhà phát triển, và tối ưu cạnh tranh—những chỉ số quyết định việc chấp nhận công nghệ thực sự chứ không phải biến động giá token đầu cơ.

Vị Trí Chiến Lược của Châu Á: AI Mã Nguồn Mở và Hạ Tầng Phi Tập Trung

Jacob nhận thức rõ một bước chuyển chiến lược quyết định trong phát triển trí tuệ nhân tạo. Trung Quốc, Singapore và Đông Á cùng dẫn đầu trong “cách mạng AI mã nguồn mở” mà anh mô tả. Các mô hình mã nguồn mở hàng đầu như DeepSeek bắt nguồn từ các đội Trung Quốc. Hong Kong và Singapore, với khả năng điều chỉnh quy định tốt hơn và hạ tầng vốn mạnh, thúc đẩy công nghiệp hóa và hợp tác kỹ thuật xuyên biên giới. Đặc điểm này tạo ra sự phù hợp tự nhiên với mô hình phi tập trung của Bittensor.

Ngoài phát triển thương mại, các trường đại học hàng đầu châu Á như Đại học Bắc Kinh và Tsinghua đã đóng góp nền tảng cho tiến bộ của AI trong học thuật. Sự kết hợp này—mô hình mã nguồn mở, tập trung vào thực thi kỹ thuật, và độ sâu về chuyên môn—phù hợp chính xác với yêu cầu của AI phi tập trung: phát triển minh bạch, tối ưu cạnh tranh, và năng lực kỹ thuật cao.

Tầm Nhìn Vượt Ra Hợp Tác: Cạnh Tranh và Nguyên Thủy Kỹ Thuật

Khi được hỏi về khả năng hợp tác với các phòng thí nghiệm AI truyền thống và các công ty công nghệ lớn, Jacob giữ rõ ràng về mặt triết lý. Các hợp tác với các nhóm như DeepSeek, Kimi, và Moonshot có vẻ phù hợp tự nhiên—các tổ chức này có thể khởi tạo mạng con trên Bittensor, kiếm tiền từ mô hình của họ qua mạng, đồng thời tiêu thụ dịch vụ do mạng cung cấp. Các phòng thí nghiệm Mỹ tập trung, ngược lại, “ưa thích hợp nhất và kiểm soát” hơn là mở và cho phép tham gia không phép.

Jacob xem đây không phải là thù địch với các công ty AI truyền thống mà là một quy luật kỹ thuật tất yếu. Hoặc các nhà cung cấp tập trung chấp nhận các phương pháp đào tạo phi tập trung của Bittensor, hoặc họ sẽ đối mặt với bất lợi cạnh tranh lâu dài khi các cấu trúc chi phí và chỉ số hiệu suất ngày càng ưu tiên tính toán dựa trên khuyến khích và phân tán. Kết quả cuối cùng phụ thuộc vào thực thi công nghệ chứ không phải vị trí thị trường hay lợi thế vốn.