Bittensor 的 Jacob Steeves 概述了为什么 $TAO 是人工智能基础设施，而不仅仅是另一种加密代币

Bittensor 联合创始人 Jacob Steeves 最近发表了一场将机器智能与激励设计联系起来的讲座。该演讲因其关注架构而不是代币价格或市场表现而引起关注。 Steeves 将 Bittensor 网络 $TAO 构建为去中心化人工智能协调的基础设施。他的论点集中在开放网络如何取代集中式实验室来大规模构建、拥有和分发机器智能。比特币最初并不是为了存储价值而设计的。它的建立是为了在全球范围内协调陌生人，仅使用激励设计。 Bittensor 在构建 $TAO 时借鉴了这一基本逻辑。深度学习的成功并不是因为它的算法优越。它获胜是因为自适应反馈循环取代了模型训练中的人类猜测。 Bittensor 将同样的原则应用于整个计算经济，通过代币激励来协调匿名贡献者。斯蒂夫斯指出，每个人工智能系统都遵循四个核心步骤：状态、目标、反馈和适应。 Bittensor 网络完全围绕该循环构建。它对待情报生产的方式就像比特币对待交易安全的方式一样——视为网络自动评分和奖励的东西。根据 @2xnmore 分享的帖子，“比特币不仅仅是金钱。它是有史以来最大的激励计算机。” Bittensor 创始人的演讲是大多数加密货币人士永远找不到的。他没有谈论价格。他没有谈论代币。他花了整个时间解释为什么将人工智能与激励设计相结合是这十年来最重要的想法。 Jacob Steeves 教授… pic.twitter.com/rwrcpa97CQ — 2xnmore (@2xnmore) 2026 年 4 月 28 日 $TAO 作为该机器的下一个迭代运行，除了矿工产生模型、预测和推理而不是交易确认。 Bittensor 上的子网充当独立市场，每个子网都激励特定领域的有用工作。交易、机器人、视觉、天气预报和体育分析都在更广泛的网络中作为独立的经济体运作。贡献者的报酬基于输出质量，而不是隶属关系。动态 TAO 是跨子网分配资源的机制。它持续运行，并使用博弈论来过滤质量，从而消除人为编辑决策。这将子网融资变成了市场驱动的过程，而不是治理投票。与封闭实验室相比，开源人工智能目前面临着资源劣势。贡献者没有什么经济理由与资金充足的私人实验室竞争。 Bittensor 的激励结构通过用代币价值奖励有用的贡献来直接解决这一差距。 Steeves 在 $TAO 和其他人工智能代币之间做出的区分是结构性的。大多数人工智能代币都为构建人工智能的公司提供资金。 $TAO 本身被定位为基础设施层——铁轨而不是火车。现在可以在数千台匿名机器上训练一个包含 700 亿个参数的模型，仅通过代币激励进行协调，无需任何中央实验室或机构许可。