Dari Google ke AI Terdesentralisasi: Bagaimana Jacob Robert Steeves Membangun Jaringan Berbasis Insentif Bittensor

Jacob Robert Steeves tidak berniat merevolusi kecerdasan buatan melalui blockchain. Perjalanannya dimulai di tempat yang paling tidak terduga—dengan Bitcoin, perusahaan chip antarmuka otak-komputer, dan matematika. Hari ini, sebagai pendiri Bittensor (TAO), jacob robert steeves berdiri di persimpangan dua teknologi transformasional, menerapkan ekonomi penambangan yang membuat Bitcoin revolusioner terhadap tantangan komputasi AI modern.

Sang Matematika yang Tinggalkan Google: Perjalanan Jacob ke Dunia AI dan Bitcoin

Sebelum memulai Bittensor secara penuh waktu pada 2018, Jacob belajar matematika dan ilmu komputer di Universitas Simon Fraser di Vancouver, Kanada. Setelah lulus, ia bekerja sebagai insinyur perangkat lunak untuk kontraktor DARPA yang mengembangkan chip antarmuka otak-komputer—pengalaman yang membentuk pemahaman dasarnya tentang komputasi dan sistem insentif. Mentor-nya, juga pendiri perusahaan, adalah pendukung awal Bitcoin yang memperkenalkan Jacob pada konsep seperti “komputasi berbasis energi” dan prinsip termodinamika yang tertanam dalam desain Bitcoin.

Paparan awal ini terbukti transformatif. Jacob menyadari bahwa AI dan Bitcoin berbagi DNA yang sama: keduanya beroperasi melalui loop umpan balik. AI belajar melalui backpropagation, algoritma genetika, dan pembelajaran penguatan—semua proses berbasis umpan balik—sementara Bitcoin menciptakan loop umpan balik ekonomi yang dapat diprogram secara skala besar. Sejak 2015, jacob robert steeves terbenam di kedua bidang secara bersamaan, mengenali kecocokan alami mereka daripada perbedaan yang tampak.

Masa kerjanya di Google mulai 2016 memperdalam fondasi teknis ini. Sebagai insinyur pembelajaran mesin, Jacob menyaksikan publikasi “Attention Is All You Need”—makalah Transformer yang memicu ekspansi eksponensial model bahasa besar. Lebih penting lagi, ia menyerap pengetahuan praktis dari infrastruktur AI terdistribusi Google: server parameter, paralelisme model, dan teknik paralelisme data yang akan terbukti penting untuk arsitektur Bittensor. Namun meskipun Google menawarkan proyek-proyek bergengsi, mereka tidak bisa memenuhi keinginan Jacob yang sesungguhnya: kemampuan menerapkan insentif terdesentralisasi ke AI di tingkat jaringan. Kesadaran ini mendorongnya mengembangkan Bittensor awalnya sebagai proyek sampingan, yang akhirnya menjadi fokus penuh saat meluncurkan mainnet pada 2021.

Ekonomi Penambangan Diterapkan ke AI: Inovasi Inti Bittensor

Pada intinya, Bittensor merupakan terjemahan langsung filosofi penambangan Bitcoin ke kecerdasan buatan. Jacob menggambarkannya sebagai penerapan “mekanisme insentif penambangan gaya Bitcoin” ke komputasi AI—namun ini membutuhkan pemahaman yang tepat. Bittensor adalah protokol sumber terbuka dengan token asli TAO, yang saat ini mengoperasikan sekitar 128 subnet khusus. Setiap subnet mengatur tugas komputasi berbeda: inferensi, pelatihan, pembelajaran penguatan, agen pengkodean, penyimpanan, dan sinyal prediksi/perdagangan.

Inovasi fundamental terletak bukan pada agregasi, tetapi pada insentif yang dapat diprogram yang tertanam langsung ke dalam proses pembelajaran itu sendiri. Siapa pun yang menyediakan inferensi, pelatihan, atau alat yang lebih berguna menerima imbalan yang proporsional lebih tinggi. Ini menciptakan loop optimisasi berkelanjutan: sinyal pasar mendorong peningkatan kualitas, dan pasokan yang berkinerja buruk secara alami dieliminasi melalui tekanan ekonomi bukan keputusan administratif. Sistem ini mengubah paradigma “penambang-imbalan-konsensus” tradisional menjadi “pasokan AI berguna-imbalan pasar-konsensus jaringan.”

Secara praktis, pengembang dapat memulai atau bergabung ke subnet, menyumbang sumber daya komputasi dan model, serta terus-menerus mendapatkan insentif berdasarkan metrik kinerja. Peserta dari sisi permintaan dapat membeli layanan inferensi, daya komputasi, kemampuan AutoML, atau sinyal prediksi langsung melalui jaringan. Seluruh struktur tetap permissionless dan transparan, memungkinkan pengembang di seluruh dunia berpartisipasi secara adil.

Ini merupakan pergeseran mendasar dari platform agregasi AI tradisional yang sekadar menggabungkan model tanpa optimisasi ekonomi. Jacob menekankan bahwa makna sebenarnya melampaui “Crypto + AI”—frasa yang dia anggap dangkal secara intelektual. Inovasi sejati adalah menggunakan insentif kripto-ekonomi untuk melakukan riset kecerdasan buatan itu sendiri, membiarkan kekuatan pasar terus-menerus menyempurnakan kualitas komputasi.

Pengembang China dan Kompetisi Sengit: Membangun Jaringan AI Asia

Keputusan Jacob untuk mengunjungi China pada akhir 2024 mencerminkan pengakuan strategis: Asia menjadi rumah bagi ekosistem kecerdasan buatan yang tumbuh paling cepat dan mungkin paling kuat di dunia. China sendiri memproduksi 90% chip semikonduktor dunia. Ketika penambangan Bitcoin beroperasi secara legal, China mengendalikan lebih dari 50% kekuatan penambangan global. Metode ini menegaskan mengapa Jacob melihat China bukan sebagai peserta pinggiran, tetapi sebagai infrastruktur penting untuk jaringan global Bittensor.

Yang paling mencolok bagi Jacob adalah bukan sekadar kemampuan teknis pengembang China, tetapi intensitas kompetitif mereka. Dalam subnet Bittensor, muncul fenomena yang dapat diamati: begitu penambang China masuk ke sebuah subnet, kompetisi langsung meningkat secara dramatis. Banyak peserta awal memilih keluar, bukan karena kekurangan teknis, tetapi karena dinamika kompetisi menjadi jauh lebih sengit. Jacob menganggap ini sepenuhnya wajar, mengingat sistem universitas China yang kompetitif menghasilkan “kelompok paling kompetitif di dunia.”

Bukti konkret menguatkan pengamatan ini. Affine, salah satu subnet terbesar Bittensor, dibangun sepenuhnya oleh pengembang China dan menjadi salah satu mekanisme kompetitif paling canggih di jaringan. Lium, subnet utama lain yang menyediakan sumber daya GPU, menunjukkan bagaimana infrastruktur komputasi China terintegrasi ke dalam pasar tanpa izin Bittensor. Banyak penambang China menyumbang daya komputasi GPU (dapat dikenali dari alamat IP yang menunjukkan asal Asia), secara efektif membawa sumber daya komputasi Asia ke pasar global melalui infrastruktur terdesentralisasi.

Kontribusi ini menurut Jacob sangat “sangat signifikan”—bukan sekadar partisipasi teknis, tetapi kontribusi fundamental terhadap ketahanan jaringan dan optimisasi kompetitif. Tingkat rekayasa dari tim-tim ini “sangat tinggi, hampir tak tertandingi,” menurut penilaian langsung Jacob.

Melampaui Agregasi: Mengapa Bittensor Sangat Berbeda

Jacob secara langsung menanggapi kesalahpahaman yang terus berlangsung: bahwa Bittensor berfungsi sebagai “penggabung model AI” yang menggabungkan layanan yang ada. Kesalahpahaman ini secara mendasar melewatkan inovasi arsitektur Bittensor. Platform agregasi sejati hanya menggabungkan model tanpa insentif struktural untuk perbaikan berkelanjutan. Desain Bittensor menanamkan insentif ekonomi langsung ke dalam loop umpan balik yang mendorong pembelajaran AI itu sendiri.

Perjalanan 15 tahun kemajuan AI menunjukkan pola konsisten: terobosan muncul dari pembelajaran adaptif berbasis umpan balik dan imbalan. Backpropagation, pembelajaran penguatan, dan teknik dasar lainnya semuanya beroperasi melalui prinsip ini. Inovasi Bittensor adalah menanamkan cryptocurrency dan insentif pasar langsung ke dalam mekanisme ini, memungkinkan sinyal pasar waktu nyata mengoptimalkan kualitas pasokan dan efisiensi jaringan.

Desentralisasi berfungsi penting dalam kerangka ini. Masuk tanpa izin berarti siapa pun dapat meluncurkan subnet dan bersaing langsung dengan layanan yang ada. Pasokan yang baik diperkuat oleh insentif ekonomi; pasokan yang buruk secara alami dieliminasi. Distribusi sumber daya di seluruh node menciptakan ketahanan terhadap titik kegagalan tunggal—sifat ini sangat terlihat saat AWS mengalami gangguan besar dalam beberapa bulan terakhir. Banyak proyek yang mengklaim desentralisasi mengalami gangguan serius, tetapi arsitektur terdistribusi Bittensor tetap operasional karena tidak bergantung pada penyedia infrastruktur terpusat.

Namun, Jacob menekankan bahwa desentralisasi adalah sarana, bukan tujuan utama. Penggerak utama bukanlah desentralisasi “untuk tujuan itu sendiri” tetapi memperluas komputasi berguna melalui kompetisi berbasis insentif. Perbedaan ini sangat penting: Bittensor bersaing melawan platform AI terpusat tradisional bukan karena preferensi ideologis terhadap desentralisasi, tetapi karena primitives teknis dan mekanisme desain yang superior.

Pendapatan Protokol, Pasar Prediksi, dan Tujuan Lima Tahun

Kelangsungan ekonomi Bittensor berasal dari berbagai sumber pendapatan di tingkat protokol. Jaringan menghasilkan pendapatan melalui penjualan layanan inferensi, akses daya komputasi, kemampuan AutoML, dan sinyal yang disediakan ke pasar prediksi. Model pendapatan yang beragam ini mencegah ketergantungan berlebihan pada satu kasus penggunaan dan menciptakan banyak aliran insentif bagi peserta jaringan.

Jacob sangat antusias dengan pasar prediksi sebagai aplikasi terobosan. Platform seperti Kalshi dan Polymarket mewakili “aplikasi fintech nyata” dan “aplikasi konsumen pertama” yang benar-benar mengubah proses pengambilan keputusan manusia. Dalam ekosistem Bittensor, subnet khusus sedang mengembangkan infrastruktur pasar prediksi, menunjukkan kapasitas protokol mendukung aplikasi keuangan yang canggih.

Melihat lima tahun ke depan, Jacob mengungkapkan aspirasi tunggal: membawa teknologi Bittensor ke “juta-an” pengguna sambil menjaga keberlanjutan operasi jaringan. Saat ini, sekitar 100.000 pengguna aktif menggunakan teknologi Bittensor. Jalan ke depan tidak hanya menguasai layanan inferensi tetapi juga memperluas ke lapisan aplikasi—bertujuan akhirnya melayani miliaran pengguna di seluruh dunia.

Keunggulan ekonomi yang mendasari visi ini berpusat pada efisiensi biaya. Ridges, salah satu subnet utama Bittensor yang fokus pada agen pengkodean, menunjukkan prinsip ini. Dengan memanfaatkan optimisasi terdistribusi di seluruh penambang dunia, jaringan mencapai pengurangan biaya yang dramatis: skenario di mana penyedia terpusat mengenakan biaya langganan $1.000 per bulan untuk nilai nyata $200 dapat dipotong dengan harga jaringan $10 yang mencerminkan biaya nyata hanya sekitar $6. Skala ekonomi ini—yang tidak mungkin dicapai dalam arsitektur terpusat—memungkinkan jangkauan dan adopsi global.

Jacob menarik paralel sejarah dengan keberhasilan Bitcoin: Bitcoin mengungguli sistem terpusat bukan hanya melalui ideologi, tetapi dengan mengadopsi primitives teknis dan mekanisme yang lebih unggul. Meskipun Bittensor belum mencapai keunggulan ini di semua domain, ia telah menunjukkan prinsip ini dalam bidang komputasi tertentu. Lebih jauh lagi, jutaan orang sudah menggunakan layanan Bittensor setiap hari tanpa sadar—jaringan beroperasi secara transparan di seluruh lapisan aplikasi.

Dinamika kompetitif akhirnya menyederhanakan proposisi: jika Bittensor mempertahankan keunggulan teknologi dalam dimensi utama seperti performa, kecepatan, dan biaya, penyedia AI terpusat yang beroperasi di bawah ekonomi infrastruktur tradisional tidak akan mampu bersaing. Sebaliknya, kegagalan menjaga keunggulan teknis ini akan membuat seluruh premis menjadi tidak relevan. Kejelasan tujuan ini—mencapai keunggulan teknis sejati atau gagal secara bermakna—menjadi visi strategis Jacob untuk lima tahun ke depan Bittensor.

Evolusi Pasar dan Siklus Halving Pertama

Per Maret 2026, Bittensor (TAO) mencerminkan dinamika pasar yang melekat pada protokol sukses. Token, yang pertama kali terdaftar Maret 2023, telah mengalami siklus pasar yang mencerminkan tren sektor kripto dan AI yang lebih luas. Kondisi pasar saat ini menunjukkan TAO diperdagangkan di $197,10 dengan kapitalisasi pasar sekitar $1,89 miliar. Ini merupakan proses penemuan harga alami dalam pasar tanpa izin.

Pandangan Jacob tentang halving TAO pertama tahun 2025—yang kini telah selesai—menekankan pada dinamika pasokan daripada narasi spekulatif. Halving memperketat pasokan token, tetapi Jacob secara eksplisit menyatakan ini saja tidak mengubah mekanisme insentif utama Bittensor. Insentif ekonomi bagi pengembang tetap kuat terlepas dari jadwal pasokan token. Nilai inti jaringan bergantung pada utilitas komputasi dan distribusi imbalan berbasis pasar, bukan sekadar kelangkaan pasokan.

Perspektif ini mencerminkan pola pikir rekayasa Jacob daripada psikologi trader. Fokus tetap pada utilitas jaringan, insentif pengembang, dan optimisasi kompetitif—metrik yang menentukan adopsi teknologi sejati daripada pergerakan harga token spekulatif.

Posisi Strategis Asia: AI Open-Source dan Infrastruktur Terdesentralisasi

Jacob melihat perubahan strategis yang menentukan dalam pengembangan kecerdasan buatan. China, Singapura, dan Asia Timur secara kolektif memimpin apa yang dia sebut sebagai “revolusi AI open-source.” Model open-source terkemuka seperti DeepSeek berasal dari tim China. Hong Kong dan Singapura, dengan fleksibilitas regulasi dan infrastruktur modal yang lebih baik, memfasilitasi industrialisasi dan kolaborasi teknis lintas batas. Dinamika regional ini menciptakan kecocokan alami dengan model desentralisasi Bittensor.

Selain pengembangan komersial, universitas terkemuka Asia termasuk Universitas Peking dan Tsinghua telah memberikan kontribusi fundamental terhadap kemajuan akademik AI. Kombinasi ini—model open-source, fokus implementasi rekayasa, dan ketekunan akademik—tepat sekali dengan kebutuhan AI desentralisasi: pengembangan transparan, optimisasi kompetitif, dan kompetensi teknis mendalam.

Visi Melampaui Kemitraan: Kompetisi dan Primitives Teknis

Saat ditanya tentang kemungkinan kerjasama dengan laboratorium AI tradisional dan perusahaan teknologi besar, Jacob mempertahankan kejelasan filosofis. Kemitraan dengan tim seperti DeepSeek, Kimi, dan Moonshot tampak secara alami kompatibel—organisasi ini dapat meluncurkan subnet di Bittensor, memonetisasi model mereka melalui jaringan, dan sekaligus mengonsumsi layanan yang disediakan jaringan. Laboratorium Amerika yang terpusat, sebaliknya, “lebih suka mengkonsolidasikan dan mengendalikan” daripada membuka dan berpartisipasi secara permissionless.

Jacob memandang ini bukan sebagai permusuhan terhadap perusahaan AI tradisional, tetapi sebagai keharusan teknis. Entah penyedia terpusat mengadopsi pendekatan pelatihan desentralisasi Bittensor, atau mereka akan menghadapi kerugian kompetitif jangka panjang karena struktur biaya dan performa yang semakin menguntungkan insentif dan komputasi terdistribusi. Hasil akhirnya sangat bergantung pada eksekusi teknologi, bukan posisi pasar atau modal.