Huang Jen-hsun é Satoshi Nakamoto

Dois tipos de token, o mesmo nome, a mesma estrutura subjacente: energia computacional entra, algo valioso sai.

Autor: Luo Yihang

Janeiro de 2009, um anónimo inventou algo chamado “token”: você investe energia computacional, recebe tokens, que circulam, são precificados e negociados numa rede de consenso. Assim nasceu toda a economia criptográfica. Passaram-se mais de dez anos, e ainda há debates sobre se esses tokens têm valor ou não.

Março de 2025, um homem de jaqueta de couro redefine outro tipo de token. Você investe energia computacional, produz tokens, que são consumidos instantaneamente durante um processo de inferência (inference & reasoning) de IA: pensar, raciocinar, escrever código, tomar decisões. Assim, a economia de IA acelera. Ninguém discute se esses tokens têm valor, pois você os gastou na manhã anterior, milhões deles.

Dois tipos de token, o mesmo nome, a mesma estrutura subjacente: energia computacional entra, algo valioso sai.

Março de 2026, estou na conferência NVIDIA GTC, ouvindo uma palestra de Jensen Huang quase sem vendas diretas. Sim, ele anunciou a Vera Rubin, um produto que combina CPU e GPU. Mas desta vez, ele não falou de especificações de chips ou processos de fabricação, falou de uma economia completa de produção, precificação e consumo de tokens:

Qual modelo corresponde a qual velocidade de token; qual velocidade de token corresponde a qual faixa de preço; qual faixa de preço requer que hardware de que nível suporte.

Ele até ajudou CEOs e decisores com planos de alocação de energia para data centers: 25% para camada gratuita, 25% para intermediária, 25% para alta gama, 25% para camada de alto valor agregado.

Sim, ele não vendeu uma GPU específica, como há dois anos com Blackwell. Mas, desta vez, ele vende algo maior. Em duas horas, percebi que a frase que mais queria dizer era: Welcome to consume tokens, and only Nvidia’s factory could produce.

Neste momento, percebi que esse homem, e aquele anónimo de 17 anos atrás que criou o primeiro token, estão fazendo a mesma coisa, estruturalmente.

Mesma regra de transformação

O anónimo que se autodenominou “Satoshi Nakamoto” escreveu em 2008 um white paper de nove páginas, criando um conjunto de regras: investir energia computacional, completar uma prova matemática (Proof of Work), receber um crypto token como recompensa.

A genialidade dessa regra está no fato de que ela não exige confiança em ninguém — basta aceitar as regras, e você automaticamente participa dessa economia. A regra é correta, afinal, reúne pessoas que de outra forma se enganaríam mutuamente.

E Jensen Huang, no palco do GTC 2026, fez algo exatamente igual estruturalmente.

Ele mostrou um gráfico que evidencia a relação e a tensão entre eficiência de raciocínio e consumo de tokens: no eixo Y, a taxa de processamento (quantos tokens por megawatt); no eixo X, a interatividade (a velocidade percebida pelo usuário). E abaixo do eixo X, cinco faixas de preço: Free com Qwen 3, $0/milhão de tokens; Medium com Kimi K2.5, $3/milhão; High com GPT MoE, $6/milhão; Premium com GPT MoE 400K de contexto, $45/milhão; Ultra, $150/milhão.

Esse gráfico quase poderia ser a capa do white paper da “economia de tokens” de Huang.

Satoshi Nakamoto definiu “o que é cálculo valioso” — encontrar colisões no hash SHA-256 é valioso. Huang define “o que é raciocínio valioso” — produzir tokens a uma velocidade específica, dentro de limites de consumo, para um cenário específico, é valioso.

Nem Nakamoto nem Huang produzem tokens diretamente; ambos definem regras de produção e mecanismos de precificação.

Uma frase de Huang no palco poderia facilmente estar no resumo do white paper da economia de tokens:

Tokens are the new commodity, and like all commodities, once it reaches an inflection, once it becomes mature, it will segment into different parts.

Tokens são a nova commodity. Quando maduras, se segmentam naturalmente. Ele não está descrevendo o estado atual, mas prevendo uma estrutura de mercado, e posiciona sua linha de hardware exatamente em cada camada dessa estrutura.

A produção de ambos os tokens até tem uma simetria semântica: mineração chama-se mining, raciocínio chama-se inference.

A essência de mineração e raciocínio é a mesma: transformar eletricidade em dinheiro. Mineradores gastam energia para minerar crypto tokens, vendem, modelos de raciocínio e agentes de IA gastam energia para gerar tokens de IA, que vendem por milhões. Os processos intermediários diferem, mas os extremos são iguais: do lado esquerdo, o medidor de energia; do lado direito, a receita.

Duas formas de escassez

A decisão mais importante de Nakamoto não foi Proof of Work, mas o limite de 21 milhões de bitcoins. Com código, criou-se uma escassez artificial — não importa quantas máquinas de mineração entrem, o total de bitcoins nunca ultrapassará 21 milhões. Essa escassez é a âncora de valor de toda economia criptográfica.

Huang, por sua vez, criou escassez natural com leis físicas. Ele diz:

“You still have to build a gigawatt data center. You still have to build a gigawatt factory, and that one gigawatt factory for 15 years amortized… is about $40 billion even when you put nothing on it. It’s $40 billion. You better make for darn sure you put the best computer system on that thing so that you can have the best token cost.”

Um data center de 1 GW nunca se tornará 2 GW. Não é uma limitação de código, é uma lei física.

Terra, energia, dissipação de calor — cada uma tem limite físico. Você gasta 400 milhões de dólares para construir uma fábrica, e sua produção de tokens ao longo de 15 anos depende inteiramente da arquitetura de computação que nela colocar.

A escassez de Nakamoto pode ser forkada. Se não gostar do limite de 21 milhões, crie uma nova cadeia, altere para 200 milhões, chame de Ethereum ou qualquer coisa, e publique um white paper. E eles fizeram isso, com entusiasmo.

Já a escassez criada por Huang não pode ser forkada. Você não pode forkar a Segunda Lei da Termodinâmica, nem a capacidade da rede elétrica de uma cidade, nem a área física de um terreno.

Mas, seja Nakamoto ou Huang, a escassez que criaram leva ao mesmo resultado: uma corrida armamentista de hardware.

A história da mineração é: CPU → GPU → FPGA → ASIC. Cada geração de hardware dedicado torna a anterior obsoleta. E a história do treinamento e raciocínio de IA está se repetindo: Hopper → Blackwell → Vera Rubin → Groq LPU. Hardware geral no começo, hardware dedicado no fim. O Groq LPU apresentado por Huang na GTC, após aquisição da Groq, é um processador de fluxo de dados determinístico. Compilação estática, agendamento por compilador, sem agendamento dinâmico, 500MB de SRAM integrada — sua arquitetura é, na prática, um ASIC para raciocínio. Faz uma coisa, e faz bem.

Curiosamente, GPUs desempenharam papel crucial em ambas as ondas.

Antes de 2013, mineradores perceberam que GPUs eram melhores que CPUs para minerar tokens, e as placas da Nvidia eram rapidamente esgotadas. Dez anos depois, pesquisadores descobriram que GPUs eram as melhores ferramentas para treinar e inferir modelos de IA, e as placas de data center da Nvidia voltaram a se esgotar. Como processador, a GPU serviu a duas gerações da economia de tokens.

A diferença é que, na primeira, a Nvidia foi beneficiada passivamente, e depois parou por aí. Na segunda, ao mudar o foco de pré-treinamento para inferência, a Nvidia rapidamente assumiu o controle, projetando toda a dinâmica do jogo de IA, tornando-se a escritora das regras.

A loja mais lucrativa do mundo

Na corrida do ouro, quem mais lucra não é o minerador, mas o vendedor de pás, Levi Strauss. Na febre do mining, quem mais lucra não é o minerador, mas a Bitmain e Wu Jihan, que vendem máquinas de mineração. Na onda de IA, quem mais lucra não são os modelos base ou agentes, mas a Nvidia, que vende GPUs.

Mas, na verdade, a posição da Bitmain e da Nvidia em seus setores não é comparável.

A Bitmain só vende hardware de mineração, e a Nvidia já foi fornecedora da Bitmain. Você compra a máquina, minera a moeda, entra na pool, vende pelo preço que quiser — nada disso tem relação com a Bitmain. Ela é apenas fornecedora de hardware, lucrando com uma venda única.

A Nvidia, por outro lado, não só vende hardware. Desde 2025, especialmente com a explosão de IA de inferência, ela define profundamente o uso de suas GPUs: qual token minerar, como precificá-lo, para quem vendê-lo, como distribuir energia nos data centers… Tudo isso está nas apresentações de Huang: ela divide o mercado em cinco camadas, cada uma com modelos, tamanhos de contexto, velocidade de interação e preços específicos… A Nvidia padronizou e formatou o mercado de IA de inferência que impulsiona tudo.

Por volta de 2018, o poder computacional global se concentrou em alguns grandes pools — F2Pool, Antpool, BTC.com — que competiam por fatias de mercado, mas a origem das máquinas de mineração era altamente concentrada na Bitmain.

Assim como hoje, a Nvidia obtém 60% de sua receita de “hyperscalers” concorrentes, como AWS, Azure, GCP, Oracle, CoreWeave, e 40% de clientes dispersos de IA nativa, projetos soberanos e empresas. Os grandes “pools” contribuem com receita, os “pequenos mineradores” oferecem resiliência e diversidade.

A estrutura de duas ecologias é idêntica. Mas a Bitmain enfrentou concorrentes — Shimao Miner, Canaan, Innosilicon — que estão ganhando fatia. Máquinas de mineração são ASICs relativamente simples, e há espaço para competição. Mas desafiar a Nvidia parece cada vez mais difícil: 20 anos de ecossistema CUDA, centenas de milhões de GPUs instaladas, tecnologia NVLink de sexta geração, arquitetura de raciocínio desacoplada após aquisição da Groq — a complexidade tecnológica e as barreiras de ecossistema da Nvidia tornam suas ferramentas de competição praticamente inúteis.

Isso pode durar mais 20 anos.

A divisão fundamental entre os dois tipos de token

O que faz as criptomoedas e os tokens de treinamento e inferência de IA serem fundamentalmente diferentes é a motivação e o psicológico do uso.

A demanda por crypto tokens é especulativa. Ninguém “precisa” de Bitcoin para fazer trabalho. Todas as white papers que prometem que tokens blockchain resolvem problemas são fraudes. Você possui crypto porque acredita que, no futuro, alguém pagará mais por ele. O valor do Bitcoin vem de uma profecia autorrealizável: quanto mais pessoas acreditarem que ele tem valor, mais ele vale. É uma economia de fé.

Já a demanda por tokens de IA é por produtividade. Nestlé precisa de tokens para decisões de cadeia de suprimentos — seus dados de supply chain, que antes eram atualizados a cada 15 minutos, agora são a cada 3 minutos, com redução de custos de 83%. Esse valor pode ser refletido diretamente no P&L. Todos os engenheiros da Nvidia já usam tokens para programar, não mais manualmente; equipes de pesquisa usam tokens para ciência. Você não precisa acreditar que tokens têm valor — basta usá-los, e seu valor se comprova na utilização.

Essa é a diferença mais fundamental entre os dois tipos de token. Crypto tokens são produzidos para serem mantidos e negociados — seu valor está na não utilização. Tokens de IA são produzidos para serem consumidos imediatamente — seu valor está na sua utilização instantânea.

Um é ouro digital, quanto mais acumula, mais vale; o outro é eletricidade digital, quanto mais produz, mais se queima.

Essa distinção determina que a economia de tokens de IA não vai criar bolhas como a de crypto. O preço do Bitcoin oscila fortemente por ser um ativo de especulação, impulsionado por emoções. Os preços dos tokens, por outro lado, são guiados por uso e custo de produção. Enquanto a IA for útil — enquanto as pessoas usarem Claude Code, ChatGPT, agentes de negócios — a demanda por tokens não vai colapsar. Não depende de fé, mas de necessidade.

Em 2008, o white paper do Bitcoin precisou argumentar repetidamente por que um sistema de dinheiro eletrônico descentralizado tinha valor. Dezessete anos depois, ainda há debates.

Em 2026, a economia de tokens não gera debates, ela é um consenso, nem precisa ser argumentada. Quando Huang, na GTC, disse “tokens are the new commodity”, ninguém questionou. Porque cada pessoa na plateia, naquela manhã, usou Claude Code ou ChatGPT para consumir milhões de tokens. Eles não precisam ser convencidos do valor — suas faturas de cartão de crédito já provam isso.

Nesse sentido, Huang é uma cópia de Nakamoto: aquele que deixou de monopolizar a produção de mineradoras, definiu os usos e regras de tokens, e anualmente faz um show no SAP Center de San José para mostrar a próxima geração de “mineradoras” para IA, que suportam treinamento e inferência.

Nakamoto tem um charme de cautela desejável: cria regras, entrega ao código, e desaparece. Essa é a romantização do cyberpunk. Huang, ao contrário, é mais empresário do que cientista: cria regras, as mantém, aprimora, constrói sua fortaleza.

O token que você vê hoje, sem precisar acreditar, é o próximo depois de Watt, Ampere, e Bitcoin.