Render Análise de poder de computação descentralizado: Após integrar 60.000 GPUs, é possível desafiar o padrão de computação em nuvem da AWS

Em abril de 2026, a comunidade Render Network concluiu uma votação de governança considerada pelo setor como uma “aposta de escala”. A proposta RNP-023 foi aprovada com uma maioria esmagadora de 98,86% na primeira rodada, formalizando a Salad Network como uma sub-rede exclusiva na ecossistema Render, introduzindo aproximadamente 60.000 GPUs ativas diárias.

A Salad Network não é um provedor tradicional de capacidade de centros de dados. Opera a maior rede de GPUs de consumo em escala global, cobrindo mais de 180 países, com mais de 450.000 nós registrados e cerca de 60.000 GPUs ativas diariamente. Sua capacidade de processamento provém de GPUs ociosas de jogadores e usuários pessoais — modelos de consumo como RTX 3070, RTX 3080, RTX 3090 e RTX 4090 compõem a maior parte da oferta. Isso contrasta fortemente com grandes provedores de nuvem como AWS e GCP, que dependem de clusters empresariais de A100, H100 e H200.



Até 19 de maio de 2026, de acordo com dados de mercado da Gate, o preço do RENDER era de 1,8254 dólares, com uma alta de 2,90% nas últimas 24 horas, uma capitalização de mercado circulante de aproximadamente 946 milhões de dólares, e sentimento de mercado neutro.

Lista de fatos principais:

- A primeira rodada de votação da RNP-023 recebeu 1,3 milhão de votos a favor e 15.500 contra, com uma taxa de aprovação de 98,86%
- Aproximadamente 60.000 GPUs ativas diárias da Salad Network serão integradas como uma sub-rede exclusiva na Render
- A integração foi dividida em três marcos: primeira fase, chefs recebem recompensas em RENDER; segunda fase, clientes podem pagar com RENDER; terceira fase, todas as transações migrarão para o modelo on-chain BME
- Antes da migração, a rede Render já contava com cerca de 5.700 nós de GPU ativos, processando mais de 71,4 milhões de quadros renderizados
- Na GTC 2026, Jensen Huang previu que a demanda por chips AI baseados nas arquiteturas Blackwell e Vera Rubin até o final de 2027 atingirá pelo menos 1 trilhão de dólares, dobrando a previsão do ano anterior

## De BME a RNP-023: Linha do tempo da expansão da Render

A expansão da capacidade de processamento da Render não é um evento isolado. Sua evolução está inserida em duas tendências macro: a fome estrutural de recursos de GPU por grandes modelos de IA, e a fase de transição de narrativas para implementação prática de redes de infraestrutura física descentralizada.

Linha do tempo:

- 2023: A comunidade aprova a proposta RNP-002, migrando a Render do Ethereum para a Solana, introduzindo o modelo econômico de tokens Burn-and-Mint Equilibrium (BME). Nesse modelo, as taxas de pagamento por tarefas de GPU são destruídas, e novos tokens são cunhados sob demanda, criando uma relação dinâmica entre oferta de tokens e uso real da rede.
- 2024-2025: A rede valida a viabilidade do agendamento distribuído de recursos GPU, com a proporção de tarefas de inferência e ajuste fino de IA crescendo continuamente, chegando a cerca de 40% do total de atividades da rede no início de 2026.
- Março de 2026: A Salad apresenta uma proposta formal para integrar-se como uma sub-rede exclusiva na Render Network.
- Março de 2026: A GTC 2026 é realizada, com Jensen Huang divulgando a previsão de demanda de 1 trilhão de dólares, reforçando a narrativa de escassez de GPUs.
- 1 de abril de 2026: Encerramento da primeira rodada de votação da RNP-023, com 98,86% de votos favoráveis.
- 7 de abril de 2026: Aprovação oficial da RNP-023, com Salad confirmando sua entrada na Render Network.

Cadeia de transmissão chave entre o modelo BME e a integração: Uma das principais ideias do design da RNP-023 é incorporar a receita de capacidade de Salad ao mecanismo de destruição do BME. O fundador da Salad declarou publicamente: “O design de destruir mais do que cunhar foi cuidadosamente pensado — queremos que o crescimento do Salad beneficie todo o ecossistema Render, e não apenas nós”. Com base nisso, podemos inferir (ou especular): se a integração de Salad impulsionar significativamente o uso da rede, a quantidade de destruição de tokens sob o modelo BME aumentará proporcionalmente, criando uma lógica de “crescimento da demanda → aceleração da destruição → redução da oferta”. Mas essa inferência depende do uso real, não apenas do texto da proposta.

## Explosão de capacidade e a verdade sobre custos: uma análise de dados

### Salto na oferta de capacidade: de 5.700 a mais de 65.000

Antes da integração, a rede Render tinha cerca de 5.700 nós de GPU ativos. A entrada da Salad Network trouxe aproximadamente 60.000 GPUs ativas diárias, elevando teoricamente a capacidade total utilizável da rede para mais de 65.000 GPUs. Isso representa um salto não incremental na curva de oferta — uma mudança de escala, não uma otimização incremental.

Porém, o “número” de GPUs não equivale à “capacidade de processamento utilizável”. GPUs de consumo e GPUs empresariais diferem significativamente em vários aspectos:

Diferenças principais entre GPUs de consumo e GPUs empresariais

| Dimensão | GPUs de consumo (Salad) | GPUs empresariais (AWS/GCP) |
| --- | --- | --- |
| Modelos típicos | RTX 3070/3080/3090/4090 | A100 80GB / H100 80GB / H200 |
| VRAM | 8GB–24GB | 40GB–141GB |
| Largura de banda de interconexão | PCIe (sem NVLink/NVSwitch) | NVLink + NVSwitch (alta largura de banda) |
| Cenários de uso | Inferência, processamento em lote, renderização de pequena/média escala | Treinamento distribuído em larga escala, ajuste de modelos com mais de 70 bilhões de parâmetros |
| Confiabilidade do nó | Dispositivo pessoal, pode ficar offline a qualquer momento | Data center, SLA de 99,9%+ |
| Custo unitário | Muito baixo (a partir de US$0,02/hora) | Alto (H100 cerca de US$4,50–5,50/hora) |

A própria posição da Salad reforça essa lógica de divisão de tarefas. Seu blog oficial aponta que modelos de IA de código aberto estão cada vez mais rodando em hardware de consumo, e cargas de trabalho de Agentic AI estão crescendo rapidamente, com cada interação exigindo várias vezes mais cálculo do que chamadas tradicionais de API. Além disso, casos de clientes Salad mostram que executar cargas de trabalho em GPUs de consumo pode reduzir custos e escalar de forma eficiente. Isso significa que a rede Render integrada não busca substituir a AWS/GCP em todos os cenários, mas focar em tarefas de alta tolerância a latência, sensíveis a custos, que podem ser divididas e paralelizadas.

### A diferença de preços com a AWS: até 90% de economia

Este é o dado mais importante para entender a competição entre Render e AWS/GCP. A seguir, uma comparação com dados de preços públicos disponíveis na primeira metade de 2026:

Preço do GPU H100

| Fornecedor | Tipo de GPU | Preço sob demanda (US$/h) | Observação |
| --- | --- | --- | --- |
| AWS (estimativa por cartão) | 1×H100 80GB | US$4,50–5,50 | Estimativa do Securities.io |
| Rede descentralizada (Akash/Render) | 1×H100 80GB | US$1,20–1,80 | Dados do Securities.io |
| Salad (de consumo) | Preço mínimo | US$0,02 | Dados do salad.com |

Fontes: preços estimados do H100 por cartão e preços descentralizados do Securities.io; preço inicial do Salad, do salad.com. Os valores variam por região, oferta e prioridade, sendo apenas indicativos.

Na comparação, o preço de GPUs H100 na rede descentralizada é cerca de 25%–35% do preço sob demanda da AWS, gerando uma economia de 65%–75%. Para GPUs de consumo (série RTX), o preço cai para US$0,02 por hora, com uma diferença de mais de 90% em relação aos grandes provedores de nuvem.

Porém, há uma lógica importante a esclarecer: preço baixo não equivale a substituição. Para tarefas de treinamento distribuído de grande escala que requerem interconexão de alta velocidade (InfiniBand), clusters centralizados ainda são a única arquitetura viável. AWS e GCP possuem vantagens de hardware de interconexão descentralizada que redes descentralizadas de consumo não conseguem replicar. O valor da rede Render está em preencher uma faixa intermediária — tarefas de inferência, processamento em lote, ajuste fino de modelos médios e pequenos, renderização 3D — onde a alta sensibilidade a custos e a tolerância a latência permitem uma operação eficiente.

### Destruição de mais de 1,22 milhão de tokens: uso da rede e fundamentos do token

Dados do primeiro trimestre de 2026 indicam que a rede Render processou mais de 71,4 milhões de quadros renderizados, com cerca de 40% de carga de trabalho de IA. Foram destruídos mais de 122.000 tokens RENDER.

Segundo dados oficiais, os principais indicadores da rede Render no primeiro trimestre de 2026 foram:

| Indicador | 2026 Q1 |
| --- | --- |
| Nós de GPU ativos | Mais de 5.700 |
| Quadros processados | 71.269.082 |
| Proporção de carga de IA | Aproximadamente 40% |
| Tokens RENDER destruídos | 1.228.380 |
| Oferta circulante | 552.011.095 / 644.168.762 (máxima) |

Após a integração com Salad, a quantidade de GPUs disponíveis na rede teoricamente sobe para mais de 65.000, mas a quantidade efetiva online depende da eficiência do sistema de agendamento e do envolvimento dos chefs, devendo ser monitorada com dados de operação contínua.

Análise econômica do token: O modelo BME faz com que o uso da rede e a demanda por tokens tenham uma relação mecânica. Com a integração de Salad, parte de sua receita será destinada ao mecanismo de destruição. O impacto real só pode ser avaliado com dados contínuos de destruição e uso da rede, não devendo ser superestimado.

## Divergências de mercado: como três grandes frentes interpretam a RNP-023

### Otimistas de expansão: escala como barreira

Defensores argumentam que, ao integrar Salad, a Render obteve uma fonte de capacidade de GPU que provedores tradicionais de nuvem não conseguem replicar — milhões de jogadores globais com GPUs ociosas. Essa oferta tem características: custo marginal extremamente baixo (hardware já adquirido, a capacidade é “produto secundário”); distribuição geográfica altamente dispersa (mais de 180 países); efeito de rede (quanto mais chefs, maior a capacidade, mais atrai clientes).

Bob Miles, fundador da Salad, declarou após a aprovação: “Modelos de IA de código aberto estão cada vez mais rodando em hardware de consumo. A carga de trabalho de Agentic AI está crescendo rapidamente — cada interação exige várias vezes mais cálculo do que chamadas tradicionais de API. As máquinas que operamos são exatamente a infraestrutura que a indústria precisa.”

A colaboração de instituições como NVIDIA, Stability AI e WME com a Render reforça essa narrativa — especialmente a participação da NVIDIA: por que uma gigante de fabricação de GPUs estaria interessada em uma rede descentralizada de capacidade de cálculo? (suposição) Possível lógica: qualquer ecossistema que amplie o uso de GPUs beneficia o negócio principal da NVIDIA.

### Cautelosos: escala não é receita

Visão mais moderada foca em alguns dados concretos. A integração de Salad trouxe uma expansão significativa na capacidade de GPU, mas qual foi sua contribuição real para a receita? Os fundadores não divulgaram previsões específicas. Modelos de avaliação de protocolos de criptomoedas geralmente não se baseiam em múltiplos de lucro tradicional; efeitos de rede, hype narrativo e expectativas de crescimento futuro têm peso maior na precificação de tokens.

Além disso, alguns analistas destacam que a aprovação da RNP-023 é um evento de governança — seu impacto real depende da execução futura, não da votação em si. No mercado de criptomoedas, “comprar a expectativa e vender o fato” é uma lógica comum de eventos.

### Disputa de estruturas: o jogo interno do DePIN

A Salad declarou explicitamente que “optou por não emitir seu próprio token” ao ingressar na ecossistema Render, justificando: “Render tem a equipe, infraestrutura e comunidade mais fortes”. Mas essa decisão também significa abrir mão de capturar valor token próprio, vinculando sua capacidade de cálculo ao modelo BME da Render.

Por outro lado, o setor de capacidade descentralizada não é dominado por uma única rede. A Akash Network, com seu mercado aberto para aplicações de containerização, e a io.net, com foco em agendamento de capacidade de IA, têm diferentes graus de sobreposição com a Render. À medida que Salad integra-se e escala a Render, as fronteiras de competição com outros protocolos DePIN de capacidade se tornam mais complexas.

## Por trás dos números: validações em três camadas da narrativa de 60 mil GPUs

Na indústria de criptomoedas, narrativas geralmente precedem fundamentos. “6万 GPUs” é um número de forte apelo, mas é preciso desmontar essa narrativa em camadas.

Primeira camada: esses 60.000 GPUs realmente existem? Dados oficiais da Salad indicam “60.000 máquinas ativas diárias em mais de 180 países”. Outros dados mostram que o ecossistema Salad possui mais de 450.000 nós registrados. A cifra de 60.000 vem da fonte oficial e foi confirmada por pelo menos seis fontes independentes. Contudo, considerando as características de redes de GPUs de consumo, a quantidade de GPUs ativas diariamente pode variar, e há diferenças entre dispositivos registrados e GPUs realmente disponíveis.

Segunda camada: essas GPUs podem ser usadas pela Render? (suposição, baseada na proposta) Segundo o plano de integração, Salad será uma “sub-rede exclusiva” na Render, e os pagamentos feitos por ela serão migrados para a cadeia RENDER. Isso vincula economicamente essas GPUs ao ecossistema Render. Tecnicamente, GPUs de consumo podem sofrer riscos de desconexão, latência de rede e variações de capacidade — características estruturais. A documentação oficial da Salad destaca que, devido à natureza distribuída e interrompível da rede, não há garantia de retorno de hardware, e a receita pode variar diariamente. A questão é: essas GPUs podem realmente fornecer serviços estáveis para tarefas comerciais de IA e renderização? Depende da eficiência do sistema de agendamento e da integração com o sistema de tarefas da Render.

Terceira camada: mais GPUs significam automaticamente maior valor de rede? (opinião) Isso depende de dois fatores: se essas GPUs podem receber tarefas pagas de forma contínua; e se esses pagamentos se traduzem em valor na cadeia de tokens via o mecanismo BME. A cadeia de transmissão entre esses fatores tem variáveis: aquisição de clientes, precificação de tarefas, concorrência — ainda sem dados suficientes para conclusões definitivas.

## Impacto na indústria: do integration ao substituto, uma projeção

### DePIN acelerando a consolidação

A aprovação da RNP-023 marca uma fase de “integração em escala” no setor de capacidade descentralizada. A decisão da Salad de não emitir token próprio e se integrar ao ecossistema Render pode indicar que redes menores preferirão se consolidar com protocolos líderes, ao invés de competir isoladamente. Se essa estratégia for validada, acelerará o efeito de concentração no DePIN.

### Complementaridade, não substituição: uma mudança real no mercado de nuvem

Se a capacidade descentralizada realmente “vai abalar” AWS e GCP, depende de como se define “abalar”. Se for “substituir toda a computação GPU em todos os cenários”, a resposta é não — como apontado pelo Securities.io, para tarefas que exigem baixa latência e sincronismo extremo, clusters centralizados ainda são a única arquitetura viável.

Por outro lado, se considerarmos “dividir incrementalmente a demanda de nuvem centralizada em cenários sensíveis a custo”, a resposta é sim. A rede descentralizada oferece descontos de 65%–75%, chegando a até 90% em alguns casos de GPU de consumo.

A entrada do mercado de capacidade descentralizada é mais uma “divisão complementar” do que uma “substituição disruptiva”. Essa lógica se sustenta na seguinte cadeia: a vantagem de baixo custo das GPUs de consumo é real em inferência e processamento em lote; mas tarefas de treinamento de modelos de alta escala, que requerem baixa latência, SLA garantido e governança de dados, permanecem difíceis de serem atendidas por redes de consumo distribuído.

### Novos fatores do modelo BME

A integração de Salad ao modelo BME introduz uma nova fonte de destruição de tokens. Estruturalmente, isso amplia o uso do token RENDER de “pagamento por tarefas de renderização” para “pagamento on-chain por capacidade de GPU de consumo”. A declaração do fundador da Salad de que “destruir mais do que cunhar foi cuidadosamente pensado” indica que a receita de Salad, vinculada ao BME, terá impacto na dinâmica de oferta e demanda do token. Mas o efeito real só será perceptível com o crescimento contínuo do uso da rede, devendo ser avaliado ao longo do tempo.

## Conclusão

A integração da Salad Network, com seus 60.000 GPUs de consumo, na Render em 2026, é um dos eventos mais relevantes do setor DePIN. Ela valida a viabilidade de expansão em escala de redes descentralizadas de capacidade — uma barreira considerada central até então.

Porém, o valor real do “6万 GPUs” não está apenas nesse número, mas na capacidade da Render de convertê-las em uso sustentável da rede e valor na cadeia de tokens. Até 19 de maio de 2026, a capitalização de mercado da Render era de aproximadamente 946 milhões de dólares, com o preço do RENDER a 1,8254 dólares. A expansão de capacidade trazida pela Salad já se reflete nos fundamentos da rede, mas sua contribuição para receita, aquisição de clientes e destruição de tokens ainda requer mais tempo para validação.

Do ponto de vista do setor, a relação entre capacidade descentralizada e AWS/GCP é mais bem descrita como uma “substituição de custos em cenários específicos” do que uma “competição total”. Isso não representa uma falha da capacidade descentralizada — pelo contrário, em um mercado dominado por poucos gigantes há duas décadas, qualquer capacidade de reduzir custos é uma exploração estrutural que merece atenção séria.