A Frontier AI — os sistemas de IA de uso geral mais avançados atualmente em desenvolvimento — está se tornando uma das indústrias mais estratégica e economicamente importantes do mundo, mas permanece em grande parte inacessível à maioria dos investidores e construtores. Treinar um modelo de IA competitivo hoje em dia, semelhante aos que os utilizadores de retalho frequentam, pode custar centenas de milhões de dólares, exigir dezenas de milhares de GPUs topo de gama e exigir um nível de sofisticação operacional que apenas algumas empresas conseguem suportar. Assim, para a maioria dos investidores, especialmente os de retalho, não existe uma forma direta de possuir uma fatia do setor da inteligência artificial.
Essa restrição está prestes a mudar. Uma nova geração de redes descentralizadas de IA está passando da teoria para a produção. Essas redes conectam GPUs de todos os tipos de todo o mundo, desde hardware caro de última geração até plataformas de jogos de consumo e até mesmo o chip M4 do seu MacBook, em uma única estrutura de treinamento capaz de suportar processos grandes e em escala de fronteira. O que importa para os mercados é que esta infraestrutura faça mais do que coordenar a computação; também coordena a propriedade emitindo tokens aos participantes que contribuem com recursos, o que lhes dá uma participação direta nos modelos de IA que ajudam a criar.
A formação descentralizada é um verdadeiro avanço no estado da arte. Treinar grandes modelos em hardware heterogêneo e não confiável na Internet aberta era, até recentemente, considerado uma impossibilidade pelos especialistas em IA. No entanto, a Prime Intellect já treinou modelos descentralizados atualmente em produção – um com 10 mil milhões de parâmetros (o versátil rápido e eficiente que é rápido e capaz para tarefas diárias) e outro com 32 mil milhões de parâmetros (o pensador profundo que se destaca no raciocínio complexo e fornece resultados mais matizados e sofisticados).
Gensyn, um protocolo descentralizado de aprendizado de máquina, demonstrou aprendizado por reforço que pode ser verificado on-chain. A Pluralis mostrou que o treinamento de grandes modelos usando GPUs comuns (as placas gráficas padrão encontradas em computadores de jogos e dispositivos de consumo, em vez de chips especializados caros) em um enxame é uma abordagem descentralizada cada vez mais viável para o pré-treinamento em larga escala, a fase fundamental em que os modelos de IA aprendem com enormes conjuntos de dados antes de serem ajustados para tarefas específicas.
Para ser claro, este trabalho não é apenas um projecto de investigação – já está a acontecer. Em redes de treinamento descentralizadas, o modelo não “fica” dentro do data center de uma única empresa. Em vez disso, ele reside na própria rede. Os parâmetros do modelo são fragmentados e distribuídos, o que significa que nenhum participante possui todo o ativo. Os contribuidores fornecem computação e largura de banda de GPU e, em troca, recebem tokens que refletem sua participação no modelo resultante. Dessa forma, os participantes do treinamento não servem apenas como recursos; eles ganham alinhamento e propriedade da IA que estão criando. Este é um alinhamento muito diferente daquele que vemos em laboratórios centralizados de IA.
Aqui, a tokenização torna-se integral, conferindo ao modelo uma estrutura económica e valor de mercado. Um modelo de IA tokenizado atua como uma ação, com fluxos de caixa refletindo a demanda do modelo. Assim como OpenAI e Anthropic cobram dos usuários pelo acesso à API, o mesmo acontece com as redes descentralizadas. O resultado é um novo tipo de ativo: inteligência tokenizada.
Em vez de investir numa grande empresa pública que possui modelos, os investidores podem obter exposição direta aos modelos. As redes implementarão isso através de diferentes estratégias. Alguns tokens podem conferir principalmente direitos de acesso – prioridade ou uso garantido dos recursos do modelo – enquanto outros podem rastrear explicitamente uma parcela da receita líquida gerada quando os usuários pagam para executar consultas por meio do modelo. Em ambos os casos, os mercados de tokens começam a funcionar como um mercado de ações para modelos, onde os preços refletem as expectativas sobre a qualidade, procura e utilidade de um modelo. Para muitos investidores, este pode ser o caminho mais direto para participar financeiramente no crescimento da IA.
Este desenvolvimento não ocorre no vácuo. A tokenização já está se movendo para o mainstream financeiro, com plataformas como Superstate e Securitize (previstas para abrir o capital em 2026) que estão trazendo fundos e títulos tradicionais para a rede. As estratégias de ativos do mundo real são agora um tema popular entre reguladores, gestores de ativos e bancos. Os modelos de IA tokenizados enquadram-se naturalmente nesta categoria: são digitalmente nativos, acessíveis a qualquer pessoa com uma ligação à Internet, independentemente da localização, e a sua actividade económica principal – computação para inferência, o processo de execução de consultas através de um modelo treinado para obter respostas – já é automatizada e rastreável por software. Entre todos os ativos tokenizados, a melhoria contínua dos sistemas de IA pode ser a mais inerentemente dinâmica, uma vez que os modelos podem ser atualizados, retreinados e melhorados ao longo do tempo.
As redes descentralizadas de IA são uma extensão natural da tese de que os blockchains permitem que as comunidades financiem, construam e possuam coletivamente ativos digitais de maneiras anteriormente impossíveis. Primeiro foi o dinheiro, depois os contratos financeiros e depois os activos do mundo real. Os modelos de IA são a próxima classe de ativos digitalmente nativos a serem organizados, possuídos e negociados onchain. Nossa visão é que a interseção entre criptografia e IA não se limitará a “tokens com tema de IA”; será ancorado na receita real do modelo, apoiado por computação e uso mensuráveis.
Ainda é cedo. A maioria dos sistemas de formação descentralizados está em desenvolvimento ativo e muitos designs de tokens serão reprovados em testes técnicos, económicos ou regulamentares. Mas a direção é clara: as redes descentralizadas de formação em IA deverão tornar-se um recurso líquido e coordenado globalmente. Os modelos de IA estão se tornando compartilháveis, próprios e negociáveis por meio de tokens. À medida que estas redes amadurecem, os mercados não definirão apenas preços para as empresas que constroem inteligência; eles avaliarão a própria inteligência.
Fontecoindesk
