A lacuna de poder de computação de IA já é grande a ponto de estender o ciclo de entrega de chips de alta gama da Nvidia para dezenas de semanas, mas há um tipo de projeto no mercado de criptomoedas que está silenciosamente assumindo essa demanda excedente — redes descentralizadas de GPU.

Render se expandiu do cálculo de renderização para inferência de IA, vinculando a demanda por poder de computação ao valor do token através de um mecanismo de Queimar e Mintar; Akash atingiu um novo pico de 5 milhões de dólares em despesas de poder de computação no primeiro trimestre; afirma poder reduzir os custos em 70%; Bittensor usa uma "prova inteligente" para incentivar contribuidores de modelos e dados.
A lógica comum desses projetos é: os recursos de GPU de fornecedores tradicionais de nuvem (AWS, Azure) já estão em demanda, enquanto ainda há muitos GPUs de consumo ociosos ao redor do mundo que não estão sendo utilizados. Redes descentralizadas podem agregar esses recursos com uma vantagem de custo de 50% a 90%, e alcançar elasticidade de oferta por meio de incentivos em tokens.
O risco está em: a qualidade do poder de computação dessas redes atualmente varia bastante, e GPUs de consumo não se comportam tão bem quanto chips de data center como o H100 em cenários de inferência de IA. Além disso, o preço do token não está linearmente ligado à demanda por poder de computação — o humor do mercado e fundos de especulação frequentemente dominam as oscilações de curto prazo, e não o uso real.
O ciclo super de IA está reformulando a estrutura de oferta e demanda de poder de computação, mas se redes descentralizadas podem realmente se tornar uma escolha confiável para empresas principais ainda precisa de tempo para ser validado.
$render #ai #h100 #区块链 #mercado de criptomoedas