O círculo da IA não tem tempo para blockchain.

Autor: Ekko An, Ryan Yoon; Fonte: Tiger Research; Compilação: BitpushNews

A indústria de inteligência artificial continua a avançar a todo vapor, sem sinais de arrefecimento. No entanto, o cenário da "blockchain + IA" é completamente diferente. Por que não conseguiu atrair a atenção equivalente?

Pontos-Chave

• No auge da IA, a indústria blockchain precisa ser analisada sob a perspetiva da procura: que problemas resolve que os sistemas existentes não conseguem? E que capacidades únicas traz?

• A computação e o armazenamento descentralizados têm, de facto, uma lógica sólida em termos de soberania de dados e competitividade de custos. O obstáculo reside no facto de que, atualmente, ambos ainda não demonstraram vantagens tecnológicas suficientemente convincentes para que clientes já vinculados a infraestruturas cloud existentes estejam dispostos a assumir o risco de migração.

• Os problemas abordados pela verificação de modelos e pelas tecnologias de privacidade ainda não atingiram um nível de urgência que leve as empresas a agir proativamente. Este tipo de procura tem mais probabilidade de surgir na sequência de exigências regulatórias, e não antes delas. O "Regulamento da UE sobre IA" é um exemplo típico: primeiro vêm as normas, depois o mercado segue.

• Na categoria de frameworks para agentes (Agent frameworks), o gargalo não é tecnológico. As empresas mainstream concentram-se atualmente na automatização de fluxos de trabalho internos, enquanto os projetos blockchain já estão a construir a camada de infraestrutura para a próxima fase. A procura precisa de tempo para alcançar a tecnologia.

• Os pagamentos entre agentes são a única área onde a blockchain e as finanças tradicionais estão no mesmo ponto de partida. Ambas as partes ainda não resolveram este problema, tornando-o na única categoria onde ambas enfrentam o mesmo desafio simultaneamente.

• No geral, a razão pela qual a indústria blockchain+IA está a ter dificuldades não é a falta de lógica na combinação das duas, mas sim um desalinhamento: as quatro categorias enfrentam razões diferentes para a procura ainda não estar formada, e apenas os pagamentos entre agentes têm, neste momento, condições para competir de igual para igual.

1. Projetos blockchain esquecidos no auge da IA

A indústria de IA está a passar por um investimento de capital e infraestrutura sem precedentes. O ecossistema de modelos de linguagem de grande escala, dominado por grandes empresas tecnológicas, tornou-se uma característica padrão na vida quotidiana e nas operações industriais. Nesta rápida expansão, a indústria de criptomoedas também está a evoluir rapidamente, procurando pontos de integração tecnológica com a IA.

Os primeiros esforços concentraram-se em complementar ou replicar segmentos da cadeia de valor tradicional da IA: fornecimento descentralizado de GPUs, recuperação de propriedade de dados e verificação criptográfica. Recentemente, o foco mudou para preencher lacunas que as arquiteturas centralizadas têm dificuldade em resolver, incluindo atividades on-chain autónomas de agentes de IA e liquidação em tempo real máquina a máquina (M2M).

Descrever esta área de forma genérica como "IA + blockchain" esconde a sua complexidade. Precisamos de uma análise rigorosa do lado da procura: que problema específico cada subsegmento aborda? A solução nativa blockchain oferece uma diferenciação realmente significativa?

2. Funções de cada categoria

2.1. Computação descentralizada

O mercado atual de computação cloud depende estruturalmente de um pequeno número de grandes empresas tecnológicas que controlam os recursos computacionais. As GPUs de alto desempenho são difíceis de obter e caras, criando uma barreira de entrada elevada para startups de IA e equipas de investigação que não têm acesso a infraestruturas de grande escala.

Os sistemas centralizados concentram recursos nos maiores compradores e não existe um canal neutro no mercado que possa redistribuir a capacidade ociosa significativa de GPUs.

A computação descentralizada aborda esta centralização e ineficiência de duas formas:

• Modelo de economia partilhada: Os projetos agregam recursos GPU ociosos detidos por indivíduos e pequenos datacenters numa rede unificada, criando uma cadeia de fornecimento mais flexível fora do monopólio tecnológico existente.

• Modelo de computação distribuída: Os utilizadores podem alugar recursos computacionais globalmente, sem depender da infraestrutura de um único fornecedor, aumentando assim a utilização de hardware e reduzindo a barreira de entrada para computação de alto desempenho.

2.2. Armazenamento descentralizado

A arquitetura atual de armazenamento de dados depende quase inteiramente de infraestruturas cloud centralizadas operadas por empresas como Google e Meta. Quando os utilizadores carregam dados para estas plataformas, a propriedade é efetivamente transferida para a plataforma, consolidando o seu monopólio sobre os dados de treino de IA. A infraestrutura centralizada também introduz riscos operacionais: alterações de políticas, interrupções de serviço ou falhas de plataforma podem cortar o acesso aos dados ou causar perda de dados.

O armazenamento descentralizado aborda estes problemas estruturais de duas formas:

• Modelo de economia partilhada: Exemplos como Filecoin e Arweave transformam o espaço de armazenamento ocioso dos participantes numa rede que pode substituir os serviços cloud centralizados existentes.

• Modelo de armazenamento permanente: Os dados são replicados de forma distribuída por vários nós, garantindo a persistência dos dados independentemente do estado operacional de qualquer servidor único, e reduzindo a dependência de qualquer plataforma única.

2.3. Mercados de dados

Os programadores de IA precisam de dados de treino, mas o mercado atual de distribuição de dados funciona de forma fechada, com grandes plataformas como Hugging Face e fornecedores de cloud a ficar com a maior parte dos benefícios económicos e a controlar os preços. Os criadores de dados recebem pouca compensação e faltam mecanismos transparentes de recompensa pela recolha e contribuição de dados.

Os mercados on-chain eliminam intermediários através de smart contracts e estabelecem termos de transação transparentes:

• Modelo de transação direta: Como o Ocean Protocol, onde os proprietários de dados e os programadores de IA negociam diretamente através de smart contracts, com compensação distribuída de forma transparente.

• Modelo de recompensa por contribuição: Como o Grass, onde os indivíduos ligam a largura de banda ociosa para recolha de dados de IA e recebem uma compensação proporcional ao valor da sua contribuição.

2.4. Verificação/Privacidade de modelos e inferência

Os sistemas de IA tradicionais operam como "caixas pretas", sem meios externos para verificar se o modelo está a funcionar corretamente ou se os dados sensíveis dos utilizadores estão a ser tratados de forma segura.

A Aprendizagem Automática com Conhecimento Zero (ZKML) introduz uma camada de verificação criptográfica para inferência de IA, permitindo privacidade e auditabilidade. Nesta arquitetura, o modelo é executado off-chain de forma tradicional, mas o processo de cálculo gera uma prova criptográfica que demonstra que o processo foi executado corretamente de acordo com regras predefinidas.

O que é registado on-chain é esta "prova", e não os dados subjacentes. Por exemplo: num serviço automatizado de processamento de reclamações de seguros de saúde, o hospital submete apenas uma prova de que o modelo de IA funcionou corretamente, sem partilhar registos médicos completos. A seguradora pode verificar a legitimidade da reclamação sem aceder aos dados originais.

2.5. Frameworks de Agentes de IA

À medida que os agentes de IA se tornam núcleos principais de tráfego e criação de valor, evoluem de ferramentas para participantes económicos autónomos. O sistema financeiro existente foi concebido em torno dos padrões de consumo humano, sendo estruturalmente incompatível com um ambiente de pagamentos centrado em máquinas.

A economia de agentes requer micropagamentos, liquidação de alta frequência e pagamentos transfronteiriços em milissegundos, para os quais a infraestrutura financeira existente não está adaptada.

A infraestrutura on-chain para agentes aborda este problema através de dois mecanismos:

• Mecanismo de execução e controlo autónomo: Atribuir carteiras e identidades únicas aos agentes de IA, permitindo-lhes assinar transações diretamente, com limites de gastos e salvaguardas contra comportamentos não previstos.

• Mecanismo de liquidação baseado em protocolo: Utilizar protocolos de pagamento com stablecoins, como o x402, para liquidar microtransações e pagamentos de alta frequência em tempo real, saltando a conversão de moeda e os processos de aprovação.

3. Porque é que a blockchain+IA se desviou da cadeia de valor da IA?

A cadeia de valor da IA formou-se em torno da "eliminação sequencial de gargalos". À medida que a procura por IA cresce, surgem escassez de memória, e constrangimentos na capacidade de transmissão de dados e energia. As empresas que resolvem rapidamente estes problemas (como fabricantes de HBM e fornecedores de infraestrutura elétrica) atraem enorme capital e valorização de mercado. O mercado valoriza claramente as soluções que eliminam obstáculos ao crescimento.

Embora os projetos blockchain+IA identifiquem problemas reais, não recebem o mesmo nível de atenção do mercado. Se estes problemas fossem tão urgentes como afirmam, já deveriam ter impulsionado uma mudança significativa no mercado.

A razão pela qual os projetos blockchain+IA não conseguem atrair capital mainstream, apesar de defenderem objetivos razoáveis como "reduzir a centralização de GPUs" e "restaurar a soberania dos dados", é o enorme fosso entre as prioridades dos fornecedores de tecnologia e as prioridades dos compradores que controlam a alocação de capital.

A indústria de IA opera em horizontes temporais competitivos, e os compradores (principalmente grandes empresas tecnológicas e clientes empresariais) investem massivamente em tecnologias que resolvem os seus gargalos operacionais imediatos da forma mais rápida. Não perdem tempo a avaliar infraestruturas não comprovadas. As suas prioridades são desempenho computacional, fiabilidade da infraestrutura e ROI verificável.

Por exemplo: quando a velocidade de transmissão de dados se tornou um gargalo no treino de modelos, grandes fluxos de capital foram para infraestruturas de fibra ótica para substituir o cobre; quando a largura de banda da memória se tornou o principal constrangimento, a SK Hynix e a Samsung Electronics resolveram este problema crítico com HBM, ganhando reconhecimento global. O padrão é consistente: o capital segue aqueles que eliminam os fatores que impedem o progresso.

O problema fundamental da blockchain+IA é o "posicionamento". Os compradores com grandes orçamentos de capital concentram-se apenas em melhorias de desempenho e redução de custos a curto prazo. Em contraste, a blockchain+IA foca-se em problemas que os compradores consideram "secundários" ou de "estado futuro". A ambição tecnológica do lado da oferta não está alinhada com as exigências operacionais imediatas do lado da procura.

3.1. Limitações tecnológicas

Alguns projetos demonstram potencial e ideias de design da infraestrutura descentralizada através de benchmarks. Mas o problema mais fundamental é que este trabalho ainda não produziu um salto tecnológico decisivo que permita substituir os gigantes estabelecidos no mercado mainstream.

Para que uma nova tecnologia possa conquistar quota de mercado a fornecedores cloud centralizados como AWS ou GCP, que já possuem enorme capital e infraestrutura, precisa de oferecer uma vantagem de desempenho tão grande que torne irrelevante a diferença para os gigantes existentes.

Quando a Apple passou dos chips Intel para os chips M1 (assumindo o enorme risco de quebrar a compatibilidade de software), a justificação foi uma melhoria de três vezes na eficiência energética – uma diferença suficiente para tornar a mudança compensadora.

Para compradores empresariais que necessitam de sincronização de dados a nível de petabytes e latência ultrabaixa como condições de base, a blockchain+IA ainda não fornece um caso suficientemente claro para que aceitem o risco da transição.

3.2. Desalinhamento da procura

Na computação descentralizada, alguns projetos introduziram "Acordos de Nível de Serviço" (SLA) como mecanismos de mitigação de risco, mas os compradores empresariais continuam por convencer. A razão é estrutural, e não contratual. Os grandes fornecedores cloud oferecem datacenters controlados e dedicados. As redes blockchain dependem da participação de nós dispersos e anónimos.

Se um nó falhar e interromper uma tarefa de treino de modelo que vale centenas de milhões de won, nenhuma compensação em tokens ou indemnização financeira pode recuperar o custo de oportunidade e a perda de tempo. Para compradores empresariais que operam em horizontes temporais competitivos, a estabilidade do sistema não é um parâmetro negociável. Mesmo com mecanismos de cobertura, a maioria dos compradores não tem incentivo para assumir o risco residual de incerteza.

3.3. Procura ainda não formada

Os frameworks de agentes blockchain são concebidos para ecossistemas complexos (ou seja, múltiplos agentes de IA a colaborar autonomamente), mas existe um fosso de maturidade entre esta visão e o estado atual do mercado mainstream.

A adoção empresarial de agentes de IA está a acelerar, liderada por empresas como Microsoft e Salesforce, mas o foco atual está firmemente na "automatização de fluxos de trabalho" que opera em redes internas controladas. A infraestrutura que os projetos blockchain estão a construir visa a próxima fase: agentes de IA independentes que operam autonomamente em redes externas para além de qualquer fronteira organizacional. A maioria das empresas está atualmente concentrada em estabelecer a estabilidade e o ROI dos seus sistemas de IA implementados. A colaboração multi-agente em redes externas ainda não está nas prioridades dos roteiros de infraestrutura empresarial.

A procura limitada nesta fase reflete "timing" e não "falha tecnológica". Deve ser entendida como um investimento de infraestrutura de longo prazo para o futuro da economia de agentes, e não como uma oportunidade de receita a curto prazo.

3.4. Pré-condições regulatórias

As provas de conhecimento zero e as tecnologias de privacidade são soluções centrais para construir confiança na IA, mas nas fases iniciais de adoção da IA, as empresas têm uma procura real limitada por infraestrutura de privacidade. É improvável que a adoção voluntária por empresas impulsione uma difusão significativa; o caminho mais provável é que as normas regulatórias criem a procura, e a tecnologia se ligue subsequentemente.

A crescente concretização dos quadros regulatórios globais (incluindo o Regulamento da UE sobre IA) é um desenvolvimento positivo neste aspeto. À medida que os requisitos legais sobre proveniência e segurança dos dados se tornam específicos, as capacidades avançadas de verificação da blockchain poderão tornar-se requisitos de conformidade nas implementações empresariais, e não funcionalidades opcionais.

O desenvolvimento regulatório neste domínio deve ser entendido como um catalisador para a formação do mercado, e não como uma restrição. Normas regulatórias claras reduzem a incerteza do mercado e criam assim um caminho estável para que a blockchain+IA construa procura mainstream dentro de um quadro institucional.

3.5. Falta de casos de uso suficientes

Estes fatores estruturais combinam-se para produzir um problema mais fundamental: a falta de um "caso de sucesso definidor" que demonstre valor à escala. A indústria de IA tradicional estabeleceu a sua posição atual através do volante de adoção desencadeado pelo ChatGPT, utilizando um produto específico e amplamente visível para atrair o capital e o talento necessários para sustentar o crescimento subsequente.

Os projetos blockchain+IA ainda não produziram provas de Product-Market Fit (ajuste produto-mercado) à escala. Para além do entusiasmo inicial da comunidade, nenhum projeto demonstrou um nível de adoção em operações empresariais ou na vida quotidiana dos consumidores que justificasse uma atenção séria do capital mainstream. A falta de casos de referência convincentes continua a ser o maior obstáculo para atrair o investimento institucional conservador que poderia acelerar a adoção mais ampla.

4. Vale a pena combinar os dois?

A blockchain+IA ainda não encontrou o seu lugar na cadeia de valor mainstream da IA. Mas será que isto significa que a combinação dos dois não tem sentido?

Não.

A razão fundamental para a blockchain+IA ser atualmente ignorada não é que a lógica da combinação seja contraditória, mas sim porque, em cada subsegmento, existe um desalinhamento entre os requisitos da indústria estabelecida e a direção que a tecnologia oferece.

As prioridades da indústria de IA tradicional são claras: desempenho a curto prazo, otimização de custos e fiabilidade rigorosa da infraestrutura. Muitas das propostas atuais da blockchain+IA centram-se na soberania dos dados, transparência computacional e descentralização.

Estes problemas não são considerados "gargalos imediatos" pelos players estabelecidos da indústria, e persegui-los muitas vezes exige aceitar perdas de desempenho que são demasiado caras em relação aos benefícios.

Antes do boom da IA, as empresas de infraestrutura elétrica eram amplamente classificadas como negócios maduros e de baixo crescimento. O aumento da procura de energia impulsionado pelos datacenters mudou isso, e desde então atraíram enorme atenção do mercado. A frieza atual em relação à blockchain+IA pode refletir um atraso semelhante – um período de transição antes de um novo paradigma criar as condições que demonstrem o seu valor.

Neste período de transição, a chave está em como a indústria responde às necessidades reais do mercado.

O caminho à frente divide-se em duas direções: adaptar-se proativamente aos padrões existentes da cadeia de valor da IA, fechando o mais rapidamente possível as lacunas de desempenho imediatas; ou manter as capacidades atuais, continuando a construir a infraestrutura necessária para a próxima geração de implementações de IA.

O resultado final dependerá de qual das opções se alinha melhor com a direção da procura futura.