Posso provavelmente nomear 10 projetos de criptomoedas que estão a seguir a inferência de IA descentralizada de ângulos completamente diferentes neste momento. Este setor está a atrair alguns dos melhores talentos de desenvolvimento de IA em cripto neste momento.

A luta está a tornar-se mais complexa com a corrida por hardware, modelos de confiança, perfis de latência e quem consegue transformar computação bruta em inferência utilizável sem gastar dinheiro à toa.
Tentei mapear alguns dos projetos em jogo para que possas vê-los mais claramente.
[1] @darkbloomai
@EigenLabs está a tentar transformar Macs Apple Silicon ociosos numa rede de inferência com foco na privacidade.
Milhões de Macs com série M já existem, o custo marginal é principalmente eletricidade, e o Apple Silicon tem memória unificada até 64–512GB com uma largura de banda enorme.
Por isso, querem que o Mac spare que está na secretária de alguém se torne parte da camada de infra de IA.
Os utilizadores enviam pedidos de inferência, os coordenadores operados pela Eigen encaminham-nos, os fornecedores executam o modelo em Macs elegíveis, e o fornecedor supostamente não consegue ver o prompt nem a saída.
– o principal fornecedor ganha cerca de 6 dólares e o quinto cerca de 2 dólares
– os ganhos em 30 dias foram mais próximos de ~6 dólares no total contra projeções de calculadora de 280–600 dólares/mês
[2] @nosana_ai
Rede de inferência baseada em Solana focada em trabalhos de IA, agendamento, anfitriões GPU e desenvolvedores que querem inferência mais barata sem pensar demasiado na infra.
– Mais de 50 mil anfitriões GPU registados
– 600 nós ativos diários em mais de 60 países
Eles oferecem aos desenvolvedores uma via de inferência mais barata e deixam a Solana coordenar o mercado.
[3] @rendernetwork
Já tinham a rede criativa de GPU, depois expandiram-se lentamente para computação de IA e inferência.
– Mais de 5.600 nós GPU
– 24,3 milhões de quadros renderizados em 2025
– IA já representa cerca de 35–40% do volume
– GPU dispersa a cerca de 0,69 dólares/hora
Renderização e inferência não são a mesma carga de trabalho, mas a Render já sabe como coordenar a procura distribuída de GPU, pagamentos, reputação de fornecimento e fluxos de trabalho de criadores.
[4] @akashnet
Nativo de Kubernetes, leilões reversos, aluguer de computação via SDL, suficientemente flexível para muitas cargas de trabalho.
Akash é real, maduro, barato, útil, mas não perfeitamente otimizado para inferência.
Pode ser uma válvula de alívio de custos, capacidade de explosão, trabalhos em lote e infra auto-hospedada. Mas para uma experiência de inferência de baixa latência, a cloud generalizada tem que competir com roteadores especializados.
[5] @ionet
Mais de 100 mil GPUs registadas, preços H100 em torno de 1,49 a 2,20 dólares/hora contra preços muito mais altos de hyperscalers, orquestração ao estilo Ray, e agora computação confidencial com tiers H100/H200/B200 habilitados para Intel TDX.
Está a seguir a escala e o posicionamento de nível empresarial.
[6] $Tao sub-redes (SN64 + SN4)
Chutes tem cerca de 4.400 unidades de fornecimento equivalentes a H100, 9,1T de tokens totais servidos, mais de 50B tokens/dia no pico, e aparentemente é um dos principais fornecedores do OpenRouter.
Targon está a apostar na inferência confidencial com Intel TDX + computação confidencial NVIDIA, mais de 1.500 H200s, e uma alegada ~$10M ARR.
A latência ainda é a barreira. A maioria das redes descentralizadas não está nem perto dos fornecedores centralizados para chat em tempo real.
Mas eles não precisam de vencer todas as cargas de trabalho.
Inferência em lote, agentes assíncronos, tarefas de código, geração de imagens/vídeos, pesquisa offline, ciclos de agentes em segundo plano, tudo isso pode tolerar latências piores se o custo e a privacidade forem melhores.
Por isso, acredito que quanto maior for o mercado de IA, mais espaço haverá para projetos de cripto conquistarem a sua própria via.