Recentemente, analisei o relatório "Crypto Theses for 2026" publicado pela Messari, e há um ponto de vista particularmente interessante: atualmente, os grandes modelos são treinados com dados sintéticos acumulados, mas o limite dessa abordagem é bastante evidente — o verdadeiro obstáculo ainda são os dados de interação real do mundo físico.

Faz sentido pensar assim. Sem sensores suficientes, informações de localização e variáveis ambientais, os modelos podem facilmente apresentar problemas em cenários de aplicação prática. Isso não é uma questão de algoritmo, mas sim de origem dos dados.

Essa observação aponta diretamente para uma direção: por que o caminho das redes descentralizadas de dados (DePAI) se tornou tão crucial de repente? Em vez de permitir que uma entidade centralizada monopolize a coleta e rotulagem de dados, é melhor envolver sensores globais, dispositivos IoT e usuários comuns para contribuir com dados reais. Assim, resolve-se o problema da falta de dados reais para os modelos de IA e ainda oferece uma recompensa justa aos proprietários dos dados.