Quem vai dominar a precificação do poder de computação na era da IA?

Introdução

No primeiro semestre de 2026, a “Capitalização do Mercado de Capacidade de Computação” (compute) saiu rapidamente de um conceito de nicho para se tornar uma nova frente de aposta conjunta entre Wall Street e Silicon Valley. A CME e a Silicon Data anunciaram o lançamento do primeiro mercado futuro de compute; a controladora da NYSE, a ICE, fechou parcerias sucessivas com Ornn e NATIVX para estruturar futuros de capacidade de GPU; o ex-presidente da FTX US, Brett Harrison, que fundou a Architect, tenta levar para o mercado de compute, sob regulação, a estrutura de contratos perpétuos que já amadureceu no mercado cripto. Enquanto isso, a CoreWeave teve o volume de financiamento com GPU como colateral ultrapassando US$ 20 bilhões e concluiu o primeiro financiamento com classificação de investimento.

A capacidade de computação está evoluindo pelo clássico caminho da financeirização de commodities: de um ativo de capex usado pelas empresas, passando gradualmente por negociações spot, índices de preço e hedge via futuros, até chegar aos mercados de crédito e financiamento estruturado.

Por que é necessária compute: a “cascata de valor” da indústria de IA

Antes de entender o mercado de compute, é preciso entender o papel da compute na cadeia da indústria de IA. A cadeia inteira pode ser dividida em uma cascata de nove camadas: do ponto de vista de valor comercial e fluxo de caixa, a demanda começa na camada mais abaixo, de aplicações, e se propaga gradualmente para a camada upstream; enquanto a compute fica no meio, conectando a infraestrutura de hardware e datacenter da base, além dos modelos e aplicações do topo.

Camada 1 | Chips e hardware: NVIDIA, AMD, fabricantes de HBM/DRAM. Este é o “material-prima” mais básico da compute. A GPU determina a oferta-base de capacidade de computação disponível, e recursos de armazenamento como HBM/DRAM também começam a ser financeirizados pelo mercado.

Camada 2 | Energia e terra: se o datacenter pode ser construído, o ponto-chave não é apenas se há GPU, mas se existe terra adequada e energia suficiente conectada. Uma grande parte do custo marginal da compute vem da conta de luz; por isso, ela tem características mais de “energia” do que de “petróleo” como commodity.

Camada 3 | Neocloud e datacenters independentes: CoreWeave, Nebius, Lambda, GMI Cloud, Crusoe etc. Elas compram GPU, constroem clusters e alugam capacidade de compute para empresas de IA, funcionando como “minas” e “campos de petróleo” no mercado de compute.

Camada 4 | Plataformas de agregação e corretagem: Mithril, Andromeda, SF Compute etc. Elas talvez não possuam GPU própria, mas ajudam os compradores a encontrar oferta, padronizam SLA, fazem match de transações e até atuam como formadores de mercado. Elas se parecem mais com “traders” em mercados de commodities atacadistas, como Glencore e Vitol.

Camada 5 | Índices e benchmarks: Silicon Data, Ornn (OCPI), NATIVX (COIL). Sem um benchmark de preço confiável, o mercado tem dificuldade de evoluir para futuros e derivativos. Portanto, o papel dessa camada é transformar preços de compute antes opacos em preços rastreáveis e verificáveis.

Camada 6 | Derivativos e crédito: CME, ICE, Architect, perpês DEX on-chain, além de ferramentas como empréstimos com colateral em GPU e compute ABS. Esta camada permite que o mercado faça hedge do risco de preço da compute e que a capacidade de GPU se torne um ativo financiável.

Camada 7 | Plataformas de desenvolvimento de inferência: Fireworks, Baseten, Modal etc. Elas empacotam GPU, implantação de modelos e APIs de inferência, permitindo que desenvolvedores não precisem gerenciar a complexa infraestrutura de compute por conta própria e possam usar capacidade de inferência como se estivessem consumindo um serviço de nuvem.

Camada 8 | Camada de LLM / modelos: OpenAI, Anthropic, xAI, DeepSeek etc. Elas convertem compute de base em capacidades de modelo e em saídas inteligentes. O próprio modelo é a camada intermediária central que conecta a infraestrutura da base e a experiência do aplicativo no topo.

Camada 9 | Camada de aplicações: Cursor, Perplexity, Suno, Rime etc. Essa camada enfrenta diretamente os usuários finais, empacota capacidades do modelo em produtos e cenários de uso específicos e é uma entrada importante para a difusão da demanda de IA e para o pagamento dos usuários.

Essa cascata de nove camadas mostra um fato central: compute é uma commodity intermediária na economia de IA. Abaixo, ela se conecta a chips, energia, terra e capex; acima, a plataformas de inferência, empresas de modelos e a camada de aplicações.

Toda vez que uma aplicação de IA chama um modelo, na essência, ela consome uma pequena porção de compute upstream. E justamente por estar no meio da cadeia, de um lado há fornecedores que detêm GPU e ativos de datacenter; do outro, há empresas de modelos, plataformas de inferência e empresas de aplicações que precisam de compute estável. Quando as oscilações de preço ficam suficientemente grandes e as direções do risco de ambos os lados se tornam opostas, a compute naturalmente começa a ser financeirizada.

Por que é necessário um mercado de compute: hedge de demanda e estrutura de mercado

Quem precisa fazer hedge

Fonte: X @0xfishylosopher

A demanda de hedge no mercado de compute vem, primeiro, de agentes industriais que detêm exposição real de capacidade, e não de instituições financeiras. É a mesma lógica do hedge de preço de combustível por companhias aéreas e do hedge de preço de eletricidade por usinas.

Neocloud e datacenters independentes na base, como CoreWeave, Nebius, Lambda, detêm ativos físicos de GPU e obtêm receita de aluguéis futuros. Elas temem queda do aluguel de GPU; portanto, são vendedores natos / posição vendida (short), precisando vender contratos futuros para travar receita.

Plataformas de desenvolvimento de inferência na camada intermediária, como Fireworks, Baseten, Modal, compram compute para cima e oferecem APIs de inferência e serviços de implantação para baixo. A compute é um dos seus principais custos.

Empresas de aplicações na camada superior, como Cursor, Perplexity, Suno, Rime, também precisam comprar continuamente capacidade de inferência. O custo de inferência impacta diretamente a margem bruta. Por isso, camada intermediária e camada superior são naturalmente compradoras / posições compradas (long) e precisam comprar futuros para travar custos.

Hyperscalers, como Google, Amazon e Microsoft, são mais especiais. Eles possuem datacenters, plataformas de nuvem, modelos e aplicações ao mesmo tempo; internamente, já formaram, em certa medida, um hedge natural.

Por que compute parece mais com eletricidade do que com petróleo

Compute não é uma commodity totalmente homogênea.

Mesmo a mesma capacidade de 1 hora de H100 / H200, seu valor também varia por causa de especificações do chip, região, latência, interconexão de rede, tamanho de cluster, janelas reservadas, SLA, segurança de dados e o workload específico.

Além disso, compute não pode ser armazenada. Horas de GPU não utilizadas hoje não podem ser guardadas como petróleo para vender no ano que vem. Portanto, em termos de commodity, compute se parece mais com eletricidade: tem temporalidade, é dependente de região e também depende fortemente da infraestrutura local.

Isso gera três resultados:

Primeiro, transações reais de capacidade costumam exigir personalização bilateral em torno de SKUs específicos e condições de entrega.

Segundo, por enquanto, o mercado não tem um benchmark unificado e transparente do tipo WTI de petróleo bruto.

Terceiro, índices e benchmarks se tornam extremamente importantes. Times como Silicon Data, Ornn e Compute Desk têm como missão central transformar preços dispersos de compute em sinais de mercado rastreáveis e passíveis de hedge.

Web3 da geração anterior de compute descentralizada vs traders da geração nova de compute

O mercado de compute não é exatamente um conceito totalmente novo. No ciclo anterior, projetos Web3 como Akash, io.net e Aethir já adotavam a narrativa de “mercado descentralizado de compute”: uma rede em que GPUs ociosas no mundo inteiro são conectadas e a integração é impulsionada por incentivos de tokens.

Mas o problema é: por que a maior parte dos projetos da geração anterior não virou a camada principal para compras de compute de IA, enquanto novos players como Andromeda e SF Compute conseguem, em pouco tempo, fechar clientes corporativos e receita em dólares?

O que é vendido é diferente: oferta descentralizada vs capacidade entregável

A lógica central dos projetos Web3 da geração anterior era: conectar GPUs dispersas por meio de uma rede, usando incentivos via token para oferecer compute a um custo menor aos usuários.

Eles resolvem o problema de “onde há GPU”.

Mas o comprador corporativo se preocupa com outro conjunto de questões: é H100 / H200? Há InfiniBand? O tamanho do cluster é suficiente? Dá para operar de forma estável por semanas ou até meses? Quem é responsável pelo SLA? Se houver falha, quem paga a indenização?

Em outras palavras, o cliente corporativo não compra “GPU em algum lugar”, e sim uma capacidade de GPU com entrega garantida, mensurável e passível de responsabilização.

Oferta de GPU dispersa, heterogênea e entre operadoras diferentes pode servir para batch inference, renderização ou tarefas com baixa sensibilidade; mas para treinamento de modelos em larga escala e inferência de nível de produção, o que importa de verdade é a estabilidade, as condições de rede e a responsabilidade pela entrega.

Os quatro problemas estruturais da geração anterior

Primeiro, incentivos por token podem gerar oferta, mas não necessariamente demanda real.
Subsídios via token podem rapidamente criar números bonitos de nós, GPUs e escala de rede, mas se a demanda do lado comprador depende principalmente da narrativa do token e não de clientes que pagam naturalmente, no fim é comum surgirem baixa utilização, baixa qualidade de receita e deturpações do processo de descoberta de preços por incentivos.

De acordo com o Messari “State of Akash Q1 2026”, no primeiro trimestre de 2026 o uso médio de GPU da Akash caiu 57,4% em relação ao trimestre anterior para 84 placas; a capacidade média utilizável de GPU caiu 57,5% em relação ao trimestre anterior para 249 placas. Isso indica contração clara tanto no lado de oferta quanto no lado de demanda. No mecanismo inicial do io.net, os nós recebiam recompensas apenas por permanecerem online, independentemente de a GPU executar ou não trabalho efetivo; e o token também recuou bastante em relação às máximas históricas, até que em junho de 2026 fosse lançado um novo mecanismo de incentivos mais orientado por demanda.

Segundo, SLAs de nível empresarial são difíceis de serem cobertos apenas por protocolo.
Clientes corporativos precisam de uma fatura, um canal de suporte, um SLA padrão, mecanismos de reembolso, análise de conformidade e responsabilidade legal. Tudo isso exige um ente comercial claro para assumir o compromisso, e não apenas depender de camada de protocolo.

Terceiro, o workload de IA tem incompatibilidade natural com oferta dispersa.
Treinamento síncrono em larga escala e inferência de nível de produção têm exigências muito altas para interconexão de GPU, NVLink/InfiniBand, agendamento de cluster, recuperação de falhas e segurança de dados. Redes geograficamente dispersas e com hardware heterogêneo dificilmente atendem diretamente a workloads com essas exigências.

Quarto, precificação via token e fluxo de compras corporativas não combinam.
Empresas estão mais acostumadas a contratos em dólares, faturas, aprovações de orçamento e gestão de fornecedores. Elas não querem assumir incertezas relacionadas à volatilidade do preço dos tokens, tratamento contábil e riscos de conformidade.

Exceção importante: Aethir

Aethir é uma exceção.

Aethir teve receita acima de US$ 127 milhões em 2025, conta com mais de 150 empresas clientes pagantes e 430 mil “containers” de GPU, cobrindo GPUs de ponta como H100, H200, B200, B300 etc. Pelo critério de divulgação própria, o volume de receita dela já superou a “taxa de execução” (run-rate) da Andromeda, de cerca de US$ 100 milhões, e está muito acima da SF Compute.

O caminho da Aethir é mais parecido com colocar os tokens e efeitos de rede da Web3 na camada de estrutura de capital e incentivos do ecossistema, enquanto a parte realmente voltada ao cliente é feita de maneira mais centralizada, mais padronizada e mais nível empresarial: clusters centralizados ou semidescentralizados, compromissos de serviço claros, contratos precificados em dólares, suporte a clientes corporativos e responsabilidade pela entrega.

Tokens podem ajudar no financiamento inicial, na oferta de incentivos e na organização da rede, mas não deveriam se tornar a interface central que empresas precisam encarar ao comprar compute.

Onde está a novidade nos novos traders

A base dos novos players não é “primeiro construir uma rede descentralizada”, e sim entrar direto nos pontos de dor de compras do comprador de IA.

Empresas de IA geralmente precisam assinar contratos de compute de longo prazo, mas a demanda real oscila. A ideia da SF Compute é fazer o cliente comprar uma capacidade de longo prazo financiada por terceiros e, então, colocar as partes não usadas na carteira de pedidos para revenda ou sublease. Ela não possui GPU própria; é mais como um mercado que constrói liquidez secundária em torno de contratos de compute.

Andromeda se aproxima mais de um dealer de compute: faz comparação de preços em tempo real entre mais de 100 fornecedores, valida performance, padroniza SLAs e atua como o único contraparte contratual do cliente. Seu valor não está apenas em intermediar; ele também assume para o cliente funções de compra, entrega e parte da mediação de crédito. Por isso, ela também se autodenomina como “formador de mercado (market maker) de compute”.

A Andromeda faz transações com principal (trades com capital próprio), detém ou controla inventário, ganha no spread e assume responsabilidades de SLA e entrega. A SF Compute é mais um híbrido de exchange / broker: o foco é intermediação via agente e liquidez secundária, e ela não precisa necessariamente manter GPUs subjacentes; ela ganha em taxas de transação e efeitos de rede do mercado.

A GMI Cloud precisa de uma categorização separada. Ela não é um broker/dealer típico; é mais parecida com neocloud: constrói datacenters, detém ativos e vende capacidade de nuvem de GPU. Além disso, ela é tomadora de financiamento de crédito com dívida lastreada em GPU; e a maior parte do financiamento da sua rodada A foi via dívida, então ela se aproxima mais do produtor de compute da camada 3.

O que o mercado mais precisa agora não é uma nuvem ideal ainda mais descentralizada, mas uma camada de negociação que consiga entregar H100 / H200 hoje, assuma SLA e ajude compradores a reduzir riscos de contratos de longo prazo.

Já existe um mercado de descoberta de preços de compute?

A forma predominante de negociação de compute atualmente ainda é OTC / negociação bilateral e personalizada. Cotações públicas estão melhorando a transparência, mas muitas vezes isso é apenas o ponto de partida para descoberta de preços, e não o preço final unificado de transação.

Por exemplo, no caso do H100, já começam a aparecer faixas de ofertas observáveis no mercado: o preço da Andromeda é cerca de US$ 1,83 por hora, o preço médio da SF Compute é cerca de US$ 2,03 por hora de GPU, e a GMI Cloud tem preço inicial de US$ 2,00 por hora de GPU; o preço spot equivalente do H100 SXM5 8-GPU da Mithril fica em torno de US$ 2,92 por hora de GPU.

Isso significa que as ofertas públicas de H100 ficam, de modo geral, entre US$ 1,8 e US$ 3,0 por hora de GPU. Porém, esses preços não podem ser comparados de forma totalmente direta, porque as condições de entrega subjacentes não são as mesmas. Formato da GPU, região, interconexão de rede, tamanho do cluster, prazo de locação, SLA e tipo de workload influenciam significativamente o preço final fechado.

Assim, o que as empresas realmente compram raramente é uma “hora de H100” abstrata; normalmente é uma capacity contract desenhada em torno de SKU específico, região, prazo, configuração de cluster e condições de entrega. Em outras palavras, as cotações na web tornam o preço de compute mais visível, mas o núcleo real de transação no mercado ainda é altamente personalizado e OTC.

Ornn: tentando ser a camada de índices do mercado de compute

Fonte: Ornn

A posição central da Ornn não é simplesmente vender compute, mas construir a infraestrutura de preços para um mercado financeiro de compute. Ela lançou o Ornn Compute Price Index (OCPI), que acompanha os preços spot de negociação em tempo real de compute de GPUs como H100, H200, B200, B300 etc., e organiza esses preços em um índice que pode ser usado para precificação, hedge e liquidação. No site da Ornn, o OCPI é descrito como o preço de referência (reference price) de compute, usado para precificar, fazer hedge e liquidar no mercado de derivativos de compute.

Isso significa que o que a Ornn pretende fazer é criar um benchmark “tipo Platts / Argus / WTI” do mercado de compute: primeiro normalizar preços dispersos e não padronizados de locação de GPU, para depois permitir que o mercado negocie contratos futuros, contratos perpétuos ou outros contratos de derivativos em torno desse benchmark.

O roadmap da Ornn pode ser entendido, em linhas gerais, em três passos:

Primeiro, criar um índice de preços spot, ou seja, o OCPI.

Segundo, licenciar o OCPI para bolsas e plataformas de derivativos, como preço de liquidação de contratos.

Terceiro, desenvolver produtos financeiros como futures, perps, hedging e lending em torno do índice.

Architect: introduzindo a estrutura de contratos perpétuos em negociações de compute mais institucionalizadas

Architect é um tipo de player mais voltado a “local de negociação” no mercado de derivativos de compute. Foi fundada pelo ex-presidente da FTX US, Brett Harrison; no seu ecossistema, a plataforma institucional de negociação AX em parceria com Ornn planeja lançar contratos de exchange baseados em preços de locação de GPU e em preços de DRAM.

Em termos de mecanismo, a Architect não entrega compute real de H100 / H200; em vez disso, ela permite que os traders obtenham exposição financeira a preços de locação de GPU e a preços de memória seguindo contratos que rastreiam o índice de compute da Ornn. O produto dela é mais parecido com a estrutura de contratos perpétuos do mercado cripto: traders negociam contratos indexados usando margem, e o preço do contrato fica ancorado no índice e operado via mecanismos de funding rate, de modo a se aproximar ao máximo dos preços de locação de GPU subjacentes.

Portanto, o significado da Architect é introduzir o mecanismo de contratos perpétuos nativo de cripto em cenários de negociação de compute mais institucionalizados e regulamentados. Ela é mais como a camada de negociação de derivativos do mercado de compute; enquanto a Ornn fornece a camada de índices para esse mercado.

Lighter: contratos perpétuos on-chain para descoberta precoce de preços

A Lighter é mais parecida com um venue perp de compute em versão on-chain. A plataforma já colocou no ar $H100, permitindo que usuários negociem exposição a preços de compute do H100 com até 10x de alavancagem; o produto acompanha o Ornn H100 Compute Price Index.

O significado desse tipo de produto é que, pela primeira vez, o mercado pode formar um sinal contínuo de preço on-chain ao redor dos preços de locação de GPU. Ele não resolve o problema de entrega real de GPU e não é o principal canal para compras corporativas de compute, mas pode servir como um mercado inicial para especulação, hedge e descoberta de preços.

Do ponto de vista do mecanismo, ele é mais parecido com contratos perpétuos do mercado cripto: traders não fazem liquidação real (entrega) de compute de H100; eles negociam um contrato que acompanha o índice de H100. O preço do contrato é ancorado via índice e via funding rate.

As vantagens são rapidez para lançar e baixo nível de barreira de entrada, além de permitir negociação 24/7. As desvantagens são que a liquidez pode ser mais fina e que ainda existe risco de basis em relação a contratos de capacidade de compute corporativo de nível empresarial.

ICE × Ornn: roadmap de um mercado futuro regulamentado

A ICE é uma rota mais tradicional, de bolsa sob regulação. Em maio de 2026, a ICE anunciou planos de colaborar com a Ornn para lançar uma linha de contratos de futures de GPU compute, com benchmark baseado no Ornn Compute Price Index. No comunicado da ICE, ela menciona explicitamente que o OCPI acompanha preços spot “live-traded” de tipos de hardware principais como H100, H200, B200, B300; os contratos correlatos planejam ser precificados em dólares, com liquidação em dinheiro (cash settlement), e dependem de aprovação regulatória.

O mecanismo da ICE é diferente do da Lighter. A Lighter é um perp on-chain, adequado para formar rapidamente preços de negociação e liquidez especulativa; a ICE é um mercado futuro regulamentado, mais adequado para participação institucional, clearing, gestão de risco e hedge de conformidade.

Mas os contratos da ICE não fazem entrega física: são liquidados em dinheiro. Ou seja, os traders não entregam nem recebem capacidade de H100 de fato; eles liquidam ganhos e perdas com base em índices como o OCPI. Isso reduz a complexidade da entrega, mas também significa que o sucesso do contrato depende de o índice ser suficientemente confiável, resistente a manipulação e capaz de representar o preço real do mercado.

Perspectivas de mercado

Três direções que valem acompanhar

Institucionalização no balcão OTC
O destino final do mercado de compute nem necessariamente será a compra direta de futuros por agentes industriais dentro de uma bolsa. É mais provável que isso seja feito por dealers assumindo as necessidades personalizadas das empresas e gerenciando riscos via índices, futuros ou contratos perpétuos. Nos próximos 12–24 meses, vale observar principalmente se players como Andromeda e SF Compute conseguem evoluir de “plataforma de compras de compute” para um verdadeiro “trading desk de compute”: de um lado, atender necessidades spot e de reserva no nível de SKU; de outro, fazer hedge de inventário e risco de basis no mercado de índices. Quem concluir essa etapa primeiro terá chance de se tornar o principal intermediário do mercado de compute.

Fechamento do ciclo: crédito e derivativos
Se “financiamento com colateral em GPU + hedge via futuros” conseguir funcionar, o credor conseguirá gerenciar de forma mais eficiente a volatilidade do preço das GPUs e o risco de valor residual, reduzindo haircut e custo de financiamento. Isso aumentará diretamente a eficiência de capital da infraestrutura de IA — e é um dos significados mais importantes da financeirização de compute para a indústria real de IA.

Formação de benchmark de preço e sistema de liquidação
Para compute virar um ativo verdadeiramente negociável e financiável, é necessário primeiro formar um benchmark de preço confiável e um mecanismo de liquidação. Provedores de índices como Ornn, Silicon Data e NATIVX, além de venues como ICE, CME, Architect e Lighter, não disputam apenas oportunidades de um único produto: disputam a porta de entrada do poder de precificação no futuro mercado de compute.

Questões em aberto

Aprovação regulatória

Produtos como CME, ICE, Architect ainda precisam passar por aprovação regulatória. Como a compute será definida — se como commodity, serviço ou um novo tipo de recurso negociável — ainda não existe precedente claro.

Mercado spot subjacente ainda é mais ralo

A credibilidade dos índices depende da profundidade dos preços reais do spot. Ainda estamos no início para o spot público e para a circulação no mercado secundário. A maior parte das negociações de compute ainda está travada em contratos de longo prazo entre hyperscalers, neocloud e empresas de IA. Se não há成交 (volume de negociação) suficiente na base, isso pode afetar a representatividade do índice e sua resistência à manipulação.

Risco de ciclo
Se o ritmo de capex de IA desacelerar, a liquidez spot pode encolher antes que o mercado de derivativos amadureça. Ao mesmo tempo, o aluguel de GPU já caiu claramente em relação às máximas anteriores, e a curva de valor residual e de depreciação de GPU não tem dados históricos suficientes, o que ampliará ainda mais incertezas na avaliação de crédito e na precificação de derivativos.

Reference

Sobre a Gate Ventures

Gate Ventures é a divisão de venture capital da Gate, focada em investimentos em infraestrutura descentralizada, ecossistema e aplicações, com o objetivo de remodelar o mundo da era Web 3.0. A Gate Ventures colabora com líderes do setor no mundo todo para capacitar equipes e startups com mentalidade e capacidade inovadoras, redefinindo as formas de interação entre sociedade e finanças.
Para saber mais, acesse: site | X | Telegram | LinkedIn | Medium

Aviso legal :

*Este conteúdo não constitui qualquer oferta, solicitação ou recomendação. Antes de tomar qualquer decisão de investimento, você deve sempre buscar aconselhamento profissional independente. Observe que a GateVentures pode limitar ou proibir todos os serviços ou parte deles provenientes de regiões restritas. Leia os termos de uso para obter mais informações, link: ** .