Por que a IA + blockchain é difícil de obter ampla aplicação na era da IA?

Autor: Ekko An, Ryan Yoon; Fonte: Tiger Research; Tradução: Shaw, Golden Finance

Resumo

• No contexto do boom da inteligência artificial, precisamos avaliar a indústria de blockchain pela perspectiva da demanda: quais problemas ela resolve que os sistemas existentes não conseguem, e quais capacidades únicas ela traz?

• Computação e armazenamento descentralizados têm justificativas razoáveis tanto em termos de soberania de dados quanto de competitividade de custos. Mas o problema é que, para usuários já investidos na infraestrutura de nuvem existente, ambos ainda não demonstraram vantagens técnicas convincentes o suficiente para compensar o risco de migração.

• Verificação de modelos e tecnologias de privacidade não resolvem problemas que as empresas consideram urgentes e que precisam ser resolvidos ativamente. Esse tipo de demanda tem mais probabilidade de surgir após a regulamentação, e não antes. A Lei de IA da União Europeia exemplifica esse padrão: os padrões vêm primeiro, a adoção pelo mercado vem depois.

• No campo dos frameworks de agentes, o fator limitante não é técnico. As empresas mainstream ainda estão focadas em automação de fluxos de trabalho internos, enquanto os projetos de blockchain já estão construindo a camada de infraestrutura subsequente. A demanda precisa de tempo para acompanhar o desenvolvimento tecnológico.

• No campo de pagamentos de agentes, blockchain e finanças tradicionais estão em empate técnico. Nenhum dos dois resolveu completamente o problema ainda, então esta é a única área onde ambos enfrentam os mesmos desafios simultaneamente.

• O dilema geral da indústria de IA+blockchain não vem da incoerência da combinação em si, mas sim de um desalinhamento: cada uma das quatro categorias enfrenta razões diferentes pelas quais a demanda ainda não se manifestou, e atualmente apenas pagamentos de agentes são competitivos.

1. Projetos de blockchain ficando para trás no boom da IA

A indústria de IA está experimentando uma concentração sem precedentes de capital e investimento em infraestrutura. Ecossistemas de modelos de linguagem grandes, dominados por grandes empresas de tecnologia, tornaram-se padrão na vida cotidiana e nas operações industriais. Neste contexto de rápida expansão, a indústria de criptomoedas também está se desenvolvendo rapidamente, buscando pontos de conexão tecnológica com a IA.

Pesquisas iniciais focaram principalmente em complementar ou replicar certos elos da cadeia de valor tradicional da IA: fornecimento descentralizado de GPU, restauração de soberania de dados e verificação criptográfica. Mais recentemente, o foco da pesquisa mudou para preencher lacunas que arquiteturas centralizadas têm dificuldade em resolver, como atividades on-chain autônomas de agentes de IA e liquidação em tempo real entre máquinas.

Descrever vagamente este campo como "IA + blockchain" esconde mais informações do que revela. Precisamos de uma análise rigorosa do lado da demanda: quais problemas cada subárea aborda? A abordagem nativa do blockchain oferece soluções verdadeiramente diferenciadas?

2. Funções de cada categoria

2.1 Computação descentralizada

O mercado de computação em nuvem hoje depende estruturalmente de algumas grandes empresas de tecnologia que controlam os recursos computacionais. GPUs de alto desempenho são difíceis de adquirir e extremamente caras, criando barreiras de entrada para startups de IA e equipes de pesquisa que não têm acesso a infraestrutura em larga escala.

Sistemas centralizados concentram recursos nas mãos dos maiores compradores, sem canais neutros para redistribuir a vasta capacidade ociosa de GPU no mercado.

A computação descentralizada resolve essa concentração de recursos e ineficiência de duas maneiras. No modelo de economia compartilhada, projetos agregam recursos de GPU ociosos de indivíduos e pequenos data centers em uma rede unificada, criando uma cadeia de suprimentos mais flexível além do monopólio tecnológico existente.

No modelo de computação distribuída, os usuários podem acessar e alugar recursos computacionais globalmente sem depender da infraestrutura de um único provedor, aumentando a utilização de hardware ocioso e reduzindo as barreiras de entrada para computação de alto desempenho.

2.2 Armazenamento descentralizado

A arquitetura atual de armazenamento de dados depende quase inteiramente de infraestrutura de nuvem centralizada operada por empresas como Google e Meta. Quando os usuários carregam dados para essas plataformas, a propriedade efetivamente é transferida para a plataforma, consolidando o controle monopolista sobre dados de treinamento de IA. A infraestrutura centralizada também traz riscos operacionais: mudanças de política, interrupções de serviço ou falhas de plataforma podem levar à perda de acesso aos dados ou perda de dados.

O armazenamento descentralizado resolve esses problemas estruturais de duas maneiras. O modelo de economia compartilhada, representado por Filecoin e Arweave, agrega espaço de armazenamento ocioso de vários participantes em uma rede que pode substituir a nuvem centralizada existente.

O modelo de armazenamento permanente replica dados em nós distribuídos, garantindo persistência dos dados independentemente do status operacional de servidores individuais, e reduzindo a dependência de qualquer única plataforma.

2.3 Mercados de dados

Desenvolvedores de IA precisam de dados de treinamento, mas o mercado atual de distribuição de dados é um sistema fechado, onde grandes plataformas (como Hugging Face) e provedores de nuvem capturam os benefícios econômicos e controlam os preços. Os criadores de dados recebem compensação mínima, e faltam transparência nos mecanismos que recompensam a coleta e contribuição de dados.

Mercados on-chain eliminam intermediários através de contratos inteligentes e estabelecem termos de transação transparentes. Em modelos de transação direta como Ocean Protocol, proprietários de dados e desenvolvedores de IA negociam diretamente através de contratos inteligentes, com compensação distribuída de forma transparente. Em modelos de recompensa por contribuição como Grass, indivíduos conectam largura de banda ociosa à coleta de dados de IA e recebem compensação de acordo com o valor de sua contribuição.

2.4 Verificação/Privacidade de modelos e inferência

Sistemas de IA tradicionais operam como caixas pretas, sem meios externos para verificar se o modelo está funcionando corretamente ou se dados sensíveis do usuário estão sendo tratados com segurança.

Zero-Knowledge Machine Learning (ZKML) introduz uma camada de verificação criptográfica durante o processo de inferência de IA, permitindo privacidade e auditabilidade. Nesta arquitetura, o modelo é executado tradicionalmente off-chain, mas o processo computacional gera uma prova criptográfica de que o processo foi executado corretamente de acordo com regras predefinidas.

Esta prova é registrada on-chain, não os dados subjacentes. Exemplo: em um serviço automatizado de reembolso de seguro saúde, o hospital só precisa enviar a prova de que o modelo de IA funcionou corretamente, sem compartilhar registros médicos completos. A seguradora pode verificar a legitimidade da reivindicação sem acessar os dados originais.

2.5 Frameworks de agentes de IA

À medida que os agentes de IA se tornam os principais veículos de tráfego e criação de valor, eles estão evoluindo de ferramentas para entidades econômicas autônomas. O sistema financeiro existente é projetado em torno de padrões de consumo humano, e sua estrutura é incompatível com ambientes de pagamento centrados em máquinas.

A economia de agentes precisa de microtransações executadas em velocidades de milissegundos, liquidação de alta frequência e pagamentos transfronteiriços, que a infraestrutura financeira existente não pode atender.

A infraestrutura on-chain para agentes resolve esse problema através de dois mecanismos. O mecanismo de execução e controle autônomos atribui carteiras e identidades exclusivas aos agentes de IA, permitindo que eles assinem transações diretamente, com limites de gastos configuráveis e medidas de segurança para evitar comportamento inesperado.

O mecanismo de liquidação baseado em protocolo usa protocolos de pagamento em stablecoin (como x402) para liquidar microtransações e pagamentos de alta frequência em tempo real, ignorando processos de conversão de moeda e aprovação.

3. Diferenças entre IA+blockchain e a cadeia de valor da IA

A formação da cadeia de valor da IA gira em torno da eliminação gradual de gargalos. À medida que a demanda por IA cresce, a escassez de memória se torna mais proeminente, e a capacidade de energia e transmissão de dados também enfrenta enorme pressão. Empresas que podem resolver rapidamente esses problemas, como fabricantes de HBM e provedores de infraestrutura elétrica, atrairão capital massivo e ganharão valor de mercado significativo. O mercado reconhece claramente as soluções que podem remover obstáculos ao crescimento.

Projetos de IA+blockchain identificaram alguns problemas reais, mas eles não atraíram a atenção merecida do mercado. Se esses problemas fossem tão urgentes quanto afirmam, já teriam gerado mudanças mensuráveis no mercado.

Embora projetos de IA+blockchain promovam objetivos legítimos como reduzir a concentração de GPU e restaurar a soberania de dados, sua incapacidade de atrair capital mainstream se deve a uma lacuna clara entre as prioridades dos fornecedores de tecnologia e as prioridades dos compradores que controlam a alocação de capital.

A indústria de IA opera em um ritmo apertado, e os compradores (principalmente grandes empresas de tecnologia e clientes corporativos) investem massivamente em soluções que resolvem seus gargalos operacionais atuais mais rapidamente. Eles não gastam tempo avaliando infraestrutura não testada. Suas considerações principais são desempenho computacional, confiabilidade da infraestrutura e retorno mensurável sobre o investimento.

Exemplo: quando a velocidade de transmissão de dados se torna um gargalo no treinamento de modelos, grandes quantidades de capital fluem para infraestrutura de fibra óptica para substituir cabos de cobre. Quando a largura de banda de memória se torna a principal restrição, os compradores a veem como um problema crítico, e empresas como SK Hynix e Samsung Electronics resolvem isso fornecendo memória de alta largura de banda, ganhando renome global. O padrão é consistente: o capital segue as empresas que podem remover restrições e impulsionar o progresso.

O problema fundamental que a IA+blockchain enfrenta está na construção do enquadramento. Compradores com orçamentos generosos focam apenas em melhorias de desempenho de curto prazo e redução de custos. Em contraste, a IA+blockchain se concentra em aspectos que os compradores veem como secundários ou problemas de estágio futuro.

Os objetivos tecnológicos do lado da oferta não estão alinhados com as necessidades operacionais imediatas do lado da demanda.

3.1 Limitações técnicas

Alguns projetos usam benchmarks para demonstrar o potencial e o design conceitual da infraestrutura descentralizada. Mas a questão mais fundamental é que esses esforços ainda não trouxeram avanços técnicos significativos o suficiente para abalar as empresas tradicionais profundamente enraizadas no mercado mainstream.

Para que uma nova tecnologia conquiste participação de mercado de provedores de nuvem centralizados como AWS ou GCP (que já possuem capital e infraestrutura massivos), ela deve oferecer uma vantagem de desempenho tão grande que torne a diferença com os provedores existentes irrelevante.

Quando a Apple fez a transição de chips Intel para M1, assumiu o grande risco de quebrar a compatibilidade de software, mas a justificativa foi uma melhoria de três vezes na eficiência energética, uma diferença grande o suficiente para tornar a transição válida.

Para compradores corporativos que exigem sincronização de dados em nível de petabyte e latência ultrabaixa como condições básicas, a IA+blockchain ainda não forneceu uma razão clara o suficiente para aceitar o risco de migração.

3.2 Desalinhamento de demanda

No campo da computação descentralizada, alguns projetos introduziram Acordos de Nível de Serviço (SLAs) como mecanismos de mitigação de risco, mas os compradores corporativos ainda não estão convencidos. A razão é estrutural, não contratual. Grandes provedores de nuvem oferecem data centers dedicados e controlados, enquanto as redes blockchain dependem de participação de nós dispersos e anônimos.

Se um nó falhar e interromper o treinamento de um modelo no valor de centenas de milhões de won, nenhum reembolso de token ou compensação financeira pode compensar o custo de oportunidade e a perda de tempo. Para compradores corporativos com prazos apertados, a estabilidade do sistema é inegociável.

Mesmo com mecanismos de hedge, a incerteza residual não é um risco que a maioria dos compradores tem incentivo para assumir.

3.3 Demanda ainda não formada

Os frameworks de agentes blockchain são projetados para ecossistemas complexos onde vários agentes de IA colaboram autonomamente, mas essa visão está defasada em relação ao nível de maturidade atual do mercado mainstream.

Liderada por empresas como Microsoft e Salesforce, a adoção corporativa de agentes de IA está acelerando, mas o foco atual ainda está na automação de fluxos de trabalho dentro de redes internas controladas. A infraestrutura que os projetos blockchain estão construindo visa o próximo estágio: agentes de IA independentes capazes de operar autonomamente em redes externas além das fronteiras organizacionais. Hoje, a maioria das empresas ainda está focada em garantir a estabilidade e o ROI dos sistemas de IA implantados. A colaboração multiagente através de redes externas ainda não é uma prioridade no roteiro de infraestrutura corporativa.

A demanda limitada neste estágio reflete uma questão de tempo, não um defeito técnico. Deve ser entendida mais como um investimento de infraestrutura de longo prazo para a economia de agentes, em vez de uma oportunidade de lucro de curto prazo.

3.4 Pré-condições regulatórias

Provas de conhecimento zero e tecnologias de preservação de privacidade são soluções centrais para estabelecer a credibilidade da IA, mas nos estágios iniciais da aplicação da IA, a demanda real por infraestrutura de privacidade por parte das empresas é limitada. A adoção voluntária pelas empresas é improvável de impulsionar a adoção em massa da tecnologia; é mais provável que os padrões regulatórios criem demanda, e a tecnologia deve acompanhar.

Quadros regulatórios globais, incluindo a Lei de IA da União Europeia, estão se tornando mais claros, o que é uma tendência favorável neste aspecto. À medida que os requisitos legais para proveniência e segurança de dados se tornam mais específicos, os recursos avançados de verificação do blockchain têm o potencial de se tornar requisitos de conformidade em implantações corporativas, em vez de opcionais.

O desenvolvimento regulatório neste campo é mais um catalisador para a formação do mercado do que um fator limitante. Padrões regulatórios claros podem reduzir a incerteza do mercado, criando assim um caminho estável para a IA+blockchain estabelecer demanda mainstream dentro de um quadro institucional.

3.5 Casos de uso insuficientes

Esses fatores estruturais juntos levam a um problema mais fundamental: a falta de casos de sucesso emblemáticos que demonstrem valor em escala. A indústria tradicional de IA chegou onde está graças ao ciclo de adoção em massa iniciado pelo ChatGPT: usou um produto concreto e amplamente conhecido para atrair o capital e o talento necessários para sustentar o crescimento contínuo.

Projetos de IA+blockchain ainda não mostraram evidências semelhantes de adequação produto-mercado em escala. Além do entusiasmo inicial da comunidade, nenhum projeto demonstrou aplicações que chamassem a atenção do capital mainstream, seja no nível de operações corporativas ou na vida cotidiana dos consumidores. A falta de casos de referência convincentes continua sendo o maior obstáculo para atrair investimento institucional conservador, que poderia acelerar a adoção mais ampla da IA+blockchain.

4. A combinação tem valor?

Independentemente das expectativas do mercado, a IA+blockchain ainda não encontrou um lugar estável na cadeia de valor mainstream da IA. Isso significa que a combinação é inútil?

Não.

A razão fundamental pela qual os projetos de IA+blockchain são atualmente negligenciados não é uma contradição interna neles mesmos, mas um desalinhamento dentro de cada subcategoria: a demanda da indústria existente e o que a tecnologia visa alcançar não correspondem.

As prioridades da indústria tradicional de IA são claras: desempenho de curto prazo, otimização de custos e confiabilidade da infraestrutura. Em contraste, muitas soluções atuais de IA baseadas em blockchain focam em soberania de dados, transparência computacional e descentralização.

Para participantes maduros da indústria, esses problemas não são gargalos imediatos, e resolvê-los muitas vezes exige um custo de desempenho desproporcional em relação aos benefícios.

Antes do boom da IA, as empresas de infraestrutura elétrica eram geralmente classificadas como maduras e de crescimento lento. O aumento da demanda por energia impulsionado por data centers mudou isso, e desde então elas atraíram atenção significativa do mercado. A atual indiferença em relação à IA+blockchain pode refletir um efeito de defasagem semelhante, onde o valor da infraestrutura ainda não foi totalmente realizado até que um novo paradigma surja.

Neste período de transição, o importante é como a indústria responde às necessidades reais do mercado.

O caminho a seguir se divide em duas direções: adaptar-se ativamente aos padrões da cadeia de valor de IA estabelecida e reduzir a lacuna de desempenho de curto prazo; ou manter as capacidades atuais enquanto continua a construir a infraestrutura necessária para implantações de IA de próxima geração.

O resultado dependerá de qual escolha está mais alinhada com a direção futura da demanda.