Passei mais tempo pensando no que vem depois do trade de chips de IA, e acho que o mercado pode estar encarando um gargalo ainda maior: DADOS

Não é lixo bruto da internet nem outro banco de dados com um rótulo de IA simplesmente colado nele.
Estou falando de dados limpos, licenciados, atribuíveis e cada vez mais reais no mundo, nos quais os modelos podem treinar legalmente e de fato aprender algo novo.
A computação ainda é importante, mas não é mais a única entrada escassa.
Morgan Stanley vê cerca de US$ 2,9 trilhões em $3T de gastos com infraestrutura de IA até 2028, com menos de 20% implantado até agora.
Vai haver mais #GPUs, mais data centers, mais contratos de energia e mais eficiência de inferência.
O que não escala automaticamente com tudo isso é conhecimento humano fresco e experiência do mundo físico.
Dados físicos de IA são ainda mais caros, específicos de cada forma de encarnação, difíceis de sintetizar perfeitamente e impossíveis de fazer scrape em profundidade suficiente.
O gargalo está em capturar o evento certo, com os sensores certos, sob os direitos certos e provando de onde ele veio.
Os mercados privados já parecem entender isso antes dos mercados públicos.
– Scale AI foi avaliada em quase $29B após o acordo de US$ 14,3B da Meta por uma participação de 49%.
– Surge AI fez mais de $1B em receita em 2024 enquanto buscava uma avaliação de $15B .
Então, se um grande catalisador estiver chegando na TradFi, o cripto também pode ter sua “perna” na coleta de dados de IA e na proveniência.
– @eigencloud | $Eigen: EigenDA viabiliza disponibilidade de dados verificável, enquanto EigenCompute, EigenAI e EigenVerify permitem que agentes provem de onde os dados vieram e como as saídas foram geradas.
– @grass | $Grass: transformando banda ociosa em dados de treinamento de IA verificáveis. 2,5M+ nós em mais de 190 países fazem scrape de ~100TB/dia, com provas ZK tornando cada dataset rastreável e auditável.
– @vana | $Vana: atacando o gargalo de dados da IA ao transformar dados de usuários em datasets de treinamento permissionados e comprováveis. 1M+ contribuidores, DataDAOs e memória portátil de IA vivem em uma única rede.
– @SaharaAI | $Sahara: L1 nativa de IA em que contribuidores coletam, rotulam e possuem datasets, enquanto proveniência, licenciamento e royalties ficam onchain. Tentando tornar escalável dados de IA de alta qualidade.
– @datafdn | $Data: rails onchain de proveniência, consentimento, licenciamento e auditoria, enquanto a camada Poseidon limpa e rotula dados do mundo real para o treinamento de modelos.
– @oceanprotocol | $Ocean: transformando dados em ativos onchain com Data NFTs, Compute-to-Data e rails de proveniência para a IA treinar em datasets privados sem expor os dados brutos.
– @origin_trail | $Trac: entregando DKG V10 em que agentes de IA compartilham memória verificável. dRAG, proveniência e memória multiagente tornam os dados reutilizáveis sem perder a confiança.
– @datainetwork: transformando logs brutos da blockchain em inteligência estruturada e legível por máquina. 3,5B+ transações indexadas, 2,5M contratos rotulados e 150M+ eventos DeFi para agentes de IA raciocinarem.
Não é um chamado para “ape” cada ticker acima. É só um mapa de quem está construindo a infraestrutura antes de o mercado precificar isso.