Como o treinamento descentralizado de IA criará uma nova classe de ativos para a inteligência digital

Frontier AI — os sistemas de IA de uso geral mais avançados atualmente em desenvolvimento — está se tornando uma das indústrias mais importantes estrategicamente e economicamente no mundo, mas ainda permanece amplamente inacessível para a maioria dos investidores e desenvolvedores. Treinar um modelo de IA competitivo hoje em dia, semelhante aos que usuários de varejo costumam utilizar, pode custar centenas de milhões de dólares, exigir dezenas de milhares de GPUs de alta performance e demandar um nível de sofisticação operacional que apenas um punhado de empresas pode suportar. Assim, para a maioria dos investidores, especialmente os de varejo, não há uma forma direta de possuir uma participação no setor de inteligência artificial.

Essa limitação está prestes a mudar. Uma nova geração de redes de IA descentralizadas está saindo da teoria para a produção. Essas redes conectam GPUs de todos os tipos ao redor do mundo, desde hardware caro de ponta até equipamentos de jogos para consumidores e até mesmo o chip M4 do seu MacBook, formando uma única estrutura de treinamento capaz de suportar processos grandes e de fronteira. O que importa para os mercados é que essa infraestrutura faz mais do que coordenar o poder de computação; ela também coordena a propriedade ao emitir tokens para os participantes que contribuem com recursos, o que lhes concede uma participação direta nos modelos de IA que ajudam a criar.

O treinamento descentralizado representa um avanço genuíno no estado da arte. Treinar modelos grandes em hardware heterogêneo e não confiável na internet aberta era, até recentemente, considerado uma impossibilidade por especialistas em IA. No entanto, a Prime Intellect agora treina modelos descentralizados atualmente em produção — um com 10 bilhões de parâmetros (o versátil rápido e eficiente, capaz para tarefas do dia a dia) e outro com 32 bilhões de parâmetros (o pensador profundo que se destaca em raciocínios complexos e oferece resultados mais sofisticados e detalhados).

Gensyn, um protocolo descentralizado de aprendizado de máquina, demonstrou aprendizado por reforço que pode ser verificado onchain. A Pluralis mostrou que treinar grandes modelos utilizando GPUs comuns (as placas gráficas padrão encontradas em computadores para jogos e dispositivos de consumo, em vez de chips especializados caros) em enxame é uma abordagem descentralizada cada vez mais viável para o pré-treinamento em larga escala, a fase fundamental em que modelos de IA aprendem a partir de conjuntos massivos de dados antes de serem ajustados para tarefas específicas.

Para ser claro, este trabalho não é apenas um projeto de pesquisa—ele já está acontecendo. Em redes descentralizadas de treinamento, o modelo não “fica” dentro do centro de dados de uma única empresa. Em vez disso, ele vive através da própria rede. Os parâmetros do modelo são fragmentados e distribuídos, o que significa que nenhum participante possui o ativo inteiro. Os colaboradores fornecem poder computacional de GPU e largura de banda, e em troca, recebem tokens que refletem sua participação no modelo resultante. Dessa forma, os participantes do treinamento não atuam apenas como recursos; eles conquistam alinhamento e propriedade na IA que estão criando. Este é um alinhamento muito diferente do que vemos em laboratórios centralizados de IA.

Aqui, a tokenização torna-se integral, conferindo ao modelo uma estrutura econômica e valor de mercado. Um modelo de IA tokenizado atua como uma ação, com fluxos de caixa refletindo a demanda pelo modelo. Assim como OpenAI e Anthropic cobram dos usuários pelo acesso à API, redes descentralizadas também podem fazê-lo. O resultado é um novo tipo de ativo: inteligência tokenizada.

Em vez de investir em uma grande empresa pública que detém modelos, os investidores podem obter exposição direta aos modelos. As redes implementarão isso por meio de diferentes estratégias. Alguns tokens podem conferir principalmente direitos de acesso — uso prioritário ou garantido das capacidades do modelo — enquanto outros podem acompanhar explicitamente uma parcela da receita líquida gerada quando os usuários pagam para executar consultas através do modelo. Em ambos os casos, os mercados de tokens começam a funcionar como um mercado de ações para modelos, onde os preços refletem expectativas sobre a qualidade, demanda e utilidade de um modelo. Para muitos investidores, este pode ser o caminho mais direto para participar financeiramente do crescimento da IA.

Este desenvolvimento não ocorre de forma isolada. A tokenização já está avançando para o mainstream financeiro, com plataformas como Superstate e Securitize (que devem abrir seu capital em 2026) trazendo fundos e valores mobiliários tradicionais para o onchain. Estratégias baseadas em ativos do mundo real são agora um tema popular entre reguladores, gestores de ativos e bancos. Modelos de IA tokenizados se encaixam naturalmente nessa categoria: são digitalmente nativos, acessíveis a qualquer pessoa com conexão à internet, independente da localização, e sua atividade econômica principal — computação para inferência, o processo de executar consultas em um modelo treinado para obter respostas — já é automatizada e rastreável por software. Entre todos os ativos tokenizados, sistemas de IA em contínua melhoria podem ser os mais intrinsecamente dinâmicos, pois os modelos podem ser atualizados, retrainados e aprimorados ao longo do tempo.

Redes de IA descentralizadas são uma extensão natural da tese de que blockchains permitem que comunidades financiem, construam e possuam ativos digitais coletivamente de maneiras anteriormente impossíveis. Primeiro foi o dinheiro, depois os contratos financeiros, em seguida os ativos do mundo real. Os modelos de IA são a próxima classe de ativos nativamente digitais a ser organizada, possuída e negociada onchain. Nossa visão é que a intersecção entre cripto e IA não se limitará a “tokens temáticos de IA”; será ancorada em receita real de modelos, respaldada por capacidade computacional e uso mensuráveis.

Ainda é cedo. A maioria dos sistemas descentralizados de treinamento está em desenvolvimento ativo, e muitos designs de tokens fracassarão em testes técnicos, econômicos ou regulatórios. Mas a direção é clara: as redes descentralizadas de treinamento de IA estão prestes a se tornar um recurso líquido e coordenado globalmente. Os modelos de IA estão se tornando compartilháveis, possuíveis de serem possuídos e negociados por meio de tokens. À medida que essas redes amadurecem, os mercados não apenas precificarão as empresas que constroem inteligência; eles precificarão a própria inteligência.