Huang Jen-hsun é Satoshi Nakamoto

Autor: Luo Yihang

Em janeiro de 2009, um anónimo inventou algo chamado “token”: investes poder de cálculo, obténs 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.

Em março de 2025, um homem de jaqueta de couro redefiniu outro tipo de token. Investes poder de cálculo, produz tokens, que são consumidos imediatamente num processo de inferência e raciocínio de IA: pensar, deduzir, escrever código, tomar decisões. Assim acelerou-se a economia de IA. Ninguém discute se esses tokens têm valor, pois hoje de manhã usaste milhões deles.

Dois tipos de token, com o mesmo nome, mesma estrutura base: poder de cálculo entra, coisa valiosa sai.

Em março de 2026, sentado na conferência NVIDIA GTC, ouvi uma palestra de Jensen Huang quase sem vendas. Sim, ele anunciou o Vera Rubin, um produto que combina CPU e GPU. Mas desta vez, 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; tudo isso.

Ele até preparou uma distribuição de capacidade de centros de dados para CEOs e decisores: 25% para camada gratuita, 25% para média, 25% para alta, 25% para camada premium.

Sim, desta vez, não vendeu uma GPU específica, como há dois anos com Blackwell. Mas 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.

Percebi então que este homem, e aquele anónimo de 17 anos atrás que criou o primeiro token, fazem a mesma coisa estruturalmente.

Mesma regra de transformação

O anónimo que se chamava “Satoshi Nakamoto” escreveu em 2008 um white paper de nove páginas, criando um conjunto de regras: investir poder de cálculo, completar uma prova de trabalho (Proof of Work), ganhar um crypto token como recompensa.

A genialidade dessa regra é que ninguém precisa confiar em ninguém — basta aceitar as regras e automaticamente tornas-te participante da economia. A regra é correta, pois junta pessoas que de outra forma se enganariam.

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

Mostrou um gráfico que evidencia a relação entre eficiência de raciocínio e consumo de tokens: eixo Y é throughput (quantos tokens por megawatt), eixo X é interatividade (velocidade percebida pelo usuário). Abaixo do X, marcou 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.

Este gráfico quase serve de capa ao white paper da “economia de tokens” de Huang.

Satoshi Nakamoto definiu o que é cálculo valioso — encontrar colisões SHA-256 é valioso. Huang define o que é raciocínio valioso — produzir tokens a uma velocidade específica sob restrições de consumo de energia para um cenário específico.

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

E uma frase de Huang, na sua apresentação, quase poderia estar no resumo do white paper de 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, naturalmente se estratificam. Ele não descreve o estado atual, prevê uma estrutura de mercado e posiciona seus produtos de hardware em cada camada.

A produção de dois tipos de token tem até uma simetria semântica: mineração chama-se mining, raciocínio chama-se inference.

A essência de mineração e raciocínio é transformar eletricidade em dinheiro. Os mineradores gastam energia para minerar crypto tokens, vendem-nos; modelos de raciocínio e agentes de IA gastam energia para gerar tokens de IA, que vendem por milhões. Os processos são diferentes, mas o resultado é o mesmo: do lado esquerdo, o medidor de energia; do lado direito, a receita.

Duas formas de escassez

A decisão mais importante de Satoshi Nakamoto não foi Proof of Work, mas o limite de 21 milhões de bitcoins. Com código, criou 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 vira 2 GW. Não é uma limitação de código, é uma lei física.

Terra, energia, dissipação — cada uma tem limite físico. Investir 400 milhões de dólares em uma fábrica com vida útil de 15 anos só produz tokens dependendo da arquitetura de cálculo instalada.

A escassez de Satoshi pode ser copiada. Se não gostar do limite de 21 milhões, pode criar uma nova cadeia, alterar para 200 milhões, chamar de Ethereum ou qualquer coisa, e publicar um white paper. E fizeram isso, com entusiasmo.

A escassez de Huang, porém, não pode ser copiada. Você não pode copiar a Segunda Lei da Termodinâmica, nem a capacidade de uma rede elétrica de uma cidade, nem a área física de um terreno.

Mas, seja Satoshi ou Huang, ambos criaram escassez que 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. A história do treinamento e raciocínio de IA repete-se: Hopper → Blackwell → Vera Rubin → Groq LPU. Hardware geral no início, 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 — na arquitetura, é um ASIC para raciocínio. Faz uma coisa, mas faz bem.

Curiosamente, GPUs desempenharam papel crucial em duas ondas.

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

A diferença é que, na primeira, a Nvidia foi beneficiada passivamente; na segunda, ao mudar o foco de pré-treinamento para inferência, a Nvidia rapidamente assumiu o controle, desenhando as regras do jogo de IA.

A loja mais lucrativa do mundo

Na corrida do ouro, quem mais lucra não é o minerador, mas quem vende pás: Levi Strauss. Na febre da mineração, quem mais lucra não é o minerador, mas quem vende máquinas: Bitmain e Wu Jihan. Na economia de IA, quem mais lucra não são os modelos ou agentes, mas quem vende GPUs: Nvidia.

Mas, na verdade, o papel da Bitmain e da Nvidia nos seus setores é bem diferente.

A Bitmain só vende hardware de mineração, e a Nvidia já foi fornecedora da Bitmain. Comprar uma mineradora não define qual moeda minerar, qual pool usar, ou a que preço vender — ela é apenas fornecedora de hardware, lucrando na venda única.

A Nvidia, ao contrário, não só vende hardware. Desde 2025, com a explosão da IA de inferência, ela define profundamente o uso de suas GPUs: que tokens minerar, como precificá-los, quem compra, como distribuir capacidade de data center… 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… A Nvidia padronizou e formatou o mercado de IA de inferência que impulsiona tudo.

Antes de 2018, o poder de cálculo global concentrava-se em poucos grandes pools — F2Pool, Antpool, BTC.com — que competiam por fatias de mercado, mas a origem das mineradoras era altamente concentrada na Bitmain.

Hoje, a Nvidia tem 60% de receita de “hyperscalers” concorrentes, como AWS, Azure, GCP, Oracle, CoreWeave, e 40% de clientes dispersos: IA nativa, projetos soberanos, empresas. Os grandes pools contribuem com receita, os pequenos fornecem resiliência e diversidade.

A estrutura de dois ecossistemas é idêntica. Mas a Bitmain enfrentou concorrentes — Shimao Miner, XinDong Tech, Canaan — que corroem sua fatia. Mineradoras ASIC são relativamente simples de copiar, e há espaço para novos entrantes. 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 quase inúteis.

Isso pode durar 20 anos.

A bifurcação fundamental entre dois tipos de token

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

A demanda por crypto tokens é especulativa. Ninguém “precisa” de Bitcoin para fazer trabalho. White papers que prometem que tokens blockchain resolvem problemas são fraudes. Você possui crypto porque acredita que, no futuro, alguém pagará mais por ela. O valor do Bitcoin vem de uma profecia autorrealizável: quanto mais pessoas acreditarem que ela vale, mais ela 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 a cada 3 minutos, com redução de custos de 83%. Esse valor pode ser refletido diretamente no P&L. 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: tokens de criptomoeda 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 utilização.

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

Essa distinção explica por que a economia de tokens de IA não vai inflacionar como a de crypto. Bitcoin tem oscilações extremas por ser um ativo de especulação movido por emoções. Os preços de tokens, porém, são impulsionados 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 cair. 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 consenso, sem precisar de argumentação. Quando Huang na GTC diz “tokens are the new commodity”, ninguém questiona. Porque cada um na plateia, nesta manhã, consumiu milhões de tokens com Claude Code ou ChatGPT. Não precisam ser convencidos do valor do token — suas faturas já provam.

Nesse sentido, Huang é uma cópia de Satoshi Nakamoto: aquele que deixou de lado a produção de mineradoras, definiu o uso de tokens, e faz anualmente um show no SAP Center de San Jose, anunciando a próxima geração de “mineradoras” para IA.

Satoshi tinha um charme de cautela, criou regras, entregou ao código, e desapareceu. Essa é a romantização do cyberpunk. Huang, ao contrário, é mais empresário que cientista: cria regras, mantém, aprimora, constrói sua fortaleza.

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