Por que os investidores de IA deveriam reavaliar a Solana?

Autor: Jeff Park
Fonte: X, @dgt10011
Tradução: Shan Ouba, Golden Finance

Desde que entrei em contato com o setor de criptomoedas, sempre carreguei dois objetivos independentes e intimamente interligados: primeiro, reconstruir os princípios fundamentais do dinheiro sólido por meio de um armazenamento de valor resistente à censura (Bitcoin); a outra missão igualmente importante é usar a tecnologia para construir um mercado de capitais mais eficiente e preciso, adaptado à era digital. E acredito que a Solana hoje pode ajudar a impulsionar essa segunda missão. Antes de entrar no assunto, vamos falar sobre uma empresa de tecnologia revolucionária que hoje é mundialmente famosa, mas que passou despercebida nos primeiros anos: a NVIDIA.

Em 2013, a NVIDIA começou a desenvolver seu primeiro supercomputador projetado especificamente para IA, o DGX-1, iniciando uma revolução completa desde a arquitetura do chip até o design, lançando chips baseados na arquitetura Pascal com tecnologia FinFET. Este chip reuniu as três características ideais fundamentais dos transistores: alta precisão, alta eficiência e controlabilidade. Embora esta tenha sido a atualização de hardware mais importante para transistores desde os anos 1970, há mais de uma década o público nada sabia sobre ela. O que permitiu a Jensen Huang prever que o gargalo central da indústria havia passado do simples poder computacional para a transferência de dados entre chips foi a inspiração trazida pela tecnologia de interconexão NVLink em 2014. Mesmo quando o DGX-1 foi lançado em 2016, a NVIDIA levou mais uma década para se tornar uma das empresas mais lendárias e de maior valor de mercado do mundo.

Muitos acreditam erroneamente que o sucesso da NVIDIA veio de circuitos de hardware superiores aos concorrentes, mas o verdadeiro diferencial foi seu ecossistema de software. À medida que a Lei de Moore gradualmente falhou, os cientistas da computação usaram algoritmos numéricos para acelerar operações matriciais, dando às GPUs conjuntos de instruções totalmente novos e sem precedentes. Stephen Witt, no livro "The Thinking Machine", calculou que os transistores de hardware contribuíram apenas com um aumento de 2,5x no desempenho, enquanto o restante, quase 400x de aceleração, veio de uma biblioteca de ferramentas matemáticas chamada CUDA.

Compartilhar essa trajetória da NVIDIA tem dois propósitos: primeiro, o caminho da descoberta científica à comercialização é longo e tortuoso; segundo, a busca simultânea por alta precisão, alta eficiência e controlabilidade nos níveis de software e hardware é o fascínio central das tecnologias disruptivas contemporâneas. A NVIDIA e a Solana têm, nesse aspecto, conexões profundas que vão muito além do que aparentam.

Na minha visão, não é coincidência que o fundador da Solana, Toly, tenha vindo do sistema de desenvolvimento de GPU da Qualcomm. A aposta central inicial do projeto foi o ambiente de execução paralela Sealevel: transações em múltiplos fragmentos podem ser processadas em paralelo em processadores multi-core. Essa lógica, essencialmente, transfere a ideia central subjacente da CUDA para o sistema de ledger blockchain. E a complexa lógica de coordenação temporal necessária para alcançar paralelismo eficiente deu origem ao mecanismo de consenso original que conhecemos: Prova de Histórico (PoH). Embora a arquitetura inicial da Solana já fosse projetada para rodar em hardware GPU para TPU, a lição mais profunda que a NVIDIA deixou para a indústria merece reflexão: a barreira central de longo prazo está na iteração contínua de bibliotecas de ferramentas matemáticas. A evidência mais direta é que seu mecanismo de consenso subjacente já está passando por uma reescrita completa; a atualização Alpenglow eliminará completamente o PoH, adotando um novo caminho de consenso mais rápido.

Atualmente, o mercado em geral está baixista em relação à rede principal da Solana, argumentando que blockchains de propósito geral carecem de valor real de aplicação, e que a utilização do espaço de blocos para determinar a adequação do produto ao mercado tem falhas fundamentais. Mas há uma história altamente relevante de 2009: Geoff Hinton, com seus alunos de pós-graduação (incluindo Sutskever), usou placas de vídeo da NVIDIA para experimentos de aprendizado de máquina e solicitou placas gratuitas à NVIDIA, mas foi recusado. Na época, o cientista-chefe da NVIDIA, ao planejar os cenários de aplicação de computação paralela, não incluiu a pesquisa de IA. No final, no entanto, a IA se tornou o caso de uso mais explosivo para a computação paralela — a computação paralela é, por si só, uma tecnologia subjacente de propósito geral. Essa tecnologia inicial ganhou tração inicial com a compra em massa de placas GeForce por instituições acadêmicas e interconexão de múltiplas placas, mas Jensen Huang já havia percebido essa tendência em 2004, quando toda a indústria ainda não havia notado.

Como ele capturou essa oportunidade? Isso explica exatamente como toda pesquisa científica de ponta sem retorno comercial imediato consegue financiamento: contando com um núcleo de entusiastas dedicados. O primeiro chip da NVIDIA com dupla finalidade (gráfica e computação paralela) gerou grande controvérsia internamente, pois aumentou o custo de produção das placas GeForce em comparação com as concorrentes Radeon — o que é conhecido no setor como "imposto CUDA". A genialidade da CUDA foi fazer com que os jogadores arcassem com os enormes custos de desenvolvimento do chip. Correspondendo à Solana, seu "imposto CUDA" vem, sem dúvida, dos principais usuários leais do círculo de negociação — um círculo que combina jogos, entretenimento e finanças. Um fato objetivo: todas as tecnologias de ponta nascentes precisam de um grupo de desenvolvedores e usuários iniciais que buscam desempenho extremo e se aprofundam em cenários de uso geral; essa é também a marca característica da adequação do produto ao mercado. Se você estiver disposto a observar, essa tendência já está clara hoje.

Tenho fortes indícios de que um grande avanço na tecnologia cripto está no início de sua fase embrionária. A Solana viu o primeiro ativo a realizar uma listagem simultânea em mercado on-chain em bolsas; o ativo SPCX, nas primeiras 24 horas de lançamento, negociou US$ 52 milhões em 51 pools de liquidez na Solana. A Solana está gradualmente se tornando a camada de liquidação para IA, cobrindo mercados descentralizados de inferência computacional, redes de dados DePIN e agentes inteligentes autônomos on-chain; ao mesmo tempo, tornou-se um ecossistema de stablecoin líder, com volume mensal de transações on-chain consistentemente entre os primeiros do setor. Tudo isso tem como base sua arquitetura subjacente, que desde o início seguiu padrões rigorosos de design voltados à busca extrema por desempenho geral. Claro, ainda são dados iniciais, sem conclusões definitivas. A questão central a ser resolvida é: esses cenários de nicho conseguirão formar um ciclo de comercialização maduro, construindo um modelo econômico de rede sustentável e compartilhado, que não se limite a um único propósito? Os aplicativos relacionados conseguirão se livrar de subsídios de curto prazo e formar um ciclo virtuoso auto-reforçador de longo prazo?

Amigos próximos de Jensen Huang há muito comentam que sua habilidade central não é um talento para prever o futuro, mas uma "percepção de ressonância": com base no que vê no presente, combinado com conversas contínuas e repetidas com clientes e funcionários, ele deduz logicamente as direções de longo prazo do setor. Acredito que, tanto em termos de acúmulo de desenvolvimento quanto de pensamento subjacente, a comunidade Solana já está totalmente preparada, com capacidades abrangentes para impulsionar a próxima geração de oportunidades no setor. Participar dessa jornada me traz grande expectativa e honra, e darei o meu melhor para contribuir com o futuro promissor deste campo.