Fundador da SemiAnalysis: A Inferência de IA pode Superar o Petróleo — O que Isso Significa para as Criptomoedas na Próxima Crise de Computação
Fundador da SemiAnalysis: A Inferência de IA pode Superar o Petróleo — O que Isso Significa para as Criptomoedas na Próxima Crise de Computação
A IA está rapidamente a mudar de uma "era de treinamento de modelos" para uma "era de inferência", onde a verdadeira gravidade económica reside na execução de modelos milhares de milhões (e em breve triliões) de vezes por dia. Num episódio recente da série de podcasts da Sequoia Capital, Training Data, o fundador da SemiAnalysis, Dylan Patel, argumentou que a inferência de IA pode tornar-se um dos maiores mercados do mundo — potencialmente maior que o petróleo — e grande o suficiente para representar múltiplos pontos percentuais do PIB global. Pode encontrar o episódio no feed do podcast Training Data.
Para a indústria blockchain, esta não é apenas uma história macro tecnológica. Impacta diretamente a computação descentralizada, a economia dos tokens DePIN, a MEV e a estrutura de mercado, as cargas de trabalho de verificação ZK e até mesmo a forma como pensamos sobre a segurança de carteiras num internet impulsionado por agentes.
Abaixo está uma leitura nativa de cripto da tese de Patel — e como construtores e utilizadores podem preparar-se para um mundo onde a computação se comporta como uma mercadoria escassa.
1) Porquê "Inferência é o Novo Petróleo" Importa para a Web3
A afirmação principal de Patel não é simplesmente "IA é grande". É que a procura por inferência expande-se mais rapidamente que a oferta de computação, porque cada iteração de modelo desbloqueia mais tarefas que valem a pena pagar. Mesmo que os chips fiquem mais rápidos, e mesmo que a inferência fique mais barata, a procura ainda pode acelerar.
Essa dinâmica rima com algo que os utilizadores de cripto já entendem:
- Custos mais baixos não reduzem necessariamente a procura total Rollups Ethereum e atualizações de disponibilidade de dados reduzem os custos por transação, mas taxas mais baixas muitas vezes convidam a mais atividade. O "roteiro centrado em rollups" da Ethereum e o caminho de escalabilidade de dados (incluindo Proto-Danksharding / EIP-4844) é um exemplo canónico de como "custos unitários" mais baratos ainda podem levar a um maior uso agregado ao longo do tempo. Veja a visão geral da Ethereum sobre Danksharding e o roteiro de escalabilidade e a especificação para EIP-4844.
Traduza isso para IA: se o custo de inferência cair dramaticamente, o uso pode explodir — e o sistema pode permanecer restrito na camada de infraestrutura.
2) Uma Longa Escassez de Computação é um Risco de Centralização (e uma Oportunidade para Cripto)
Em cripto, a descentralização muitas vezes falha por uma razão pouco glamorosa: gargalos.
- Se o espaço de bloco for escasso, alguns atores dominam a MEV.
- Se o hardware do validador se tornar especializado, a participação concentra-se.
- Se o acesso RPC for caro, os desenvolvedores roteiam através de um punhado de provedores.
Agora adicione a visão de Patel: a escassez de computação pode ser persistente, não temporária. Nesse mundo:
Risco de centralização: IA torna-se uma camada de gatekeeping
Se a inferência se tornar "a nova infraestrutura crítica", então o acesso a inferência barata e confiável pode tornar-se um ponto de estrangulamento para:
- sistemas de negociação e risco,
- carteiras e agentes de utilizador,
- deteção de fraude,
- ferramentas de conformidade,
- copilots de desenvolvedores que enviam código.
Oportunidade de cripto: mercados abertos para computação
Cripto é invulgarmente bom a coordenar mercados onde:
- os fornecedores são distribuídos,
- a procura é global,
- os pagamentos são programáticos,
- e a liquidação é minimizada em confiança.
É por isso que a ascensão do DePIN (Decentralized Physical Infrastructure Networks) importa. Para uma estrutura de alto nível, veja a explicação da a16z crypto sobre o que é DePIN e porque é importante e a visão geral da Messari no seu Relatório State of DePIN (PDF).
O ponto não é que cada rede DePIN "vença". O ponto é que a blockchain oferece um substrato de coordenação para o fornecimento de infraestrutura do mundo real (computação, largura de banda, armazenamento, sensores) quando os incumbentes não conseguem escalar rápido o suficiente ou não conseguem distribuir o acesso de forma justa.
3) Co-design de Hardware e Software: O Fosso Oculto que os Construtores de Cripto Devem Notar
Uma das conclusões mais práticas dos comentários de Patel é que os ganhos de eficiência vieram cada vez mais da otimização inter-camadas (arquitetura do modelo, kernels, runtimes, estratégias de memória), não apenas de novo silício. A descrição do episódio Training Data destaca essa ênfase no co-design e otimização em nível de ecossistema. Veja a listagem do episódio no Apple Podcasts.
Para cripto, isso muda a forma de pensar sobre "computação descentralizada de IA":
- Não é suficiente agregar GPUs.
- Os sistemas vencedores também enviarão:
- pilhas de inferência otimizadas,
- agendamento que combina formatos de modelo com hardware,
- e benchmarks reproduzíveis que desencorajam "marketing de desempenho".
A equipa de Patel construiu um benchmark de inferência continuamente atualizado chamado InferenceX, projetado para medir o desempenho e o custo real de serviço. Pode rever como o projeto está posicionado no site InferenceX.
O ângulo de cripto: a verificação torna-se mais valiosa quando a execução é heterogénea
À medida que a inferência é executada em diversos provedores (hiperescalas, neo-clouds, redes DePIN, dispositivos de ponta), os utilizadores irão querer garantias mais fortes:
- O provedor executou o modelo que alegou?
- Usou as configurações que alegou?
- Interferiu com os resultados?
- Um sistema on-chain pode depender com segurança de inferência off-chain?
É aqui que os temas de "computação verificável" (incluindo sistemas de prova ZK e abordagens de execução confiável) se tornam estrategicamente importantes — mesmo que a maior parte da inferência nunca ocorra on-chain.
4) Energia, Geopolítica e o Experimento de Pensamento do "Data Center Espacial"
Patel também aponta o custo da energia e a capacidade de construção de data centers como restrições centrais — não apenas os chips. Essa moldura é consistente com a realidade mais ampla de que a IA é agora um problema de planeamento energético tanto quanto um problema de software.
Para uma visão macro credível, o relatório da Agência Internacional de Energia Energy and AI fornece contexto sobre como a IA e os data centers moldam a procura de eletricidade. Comece com o sumário executivo da IEA e sua seção sobre procura de energia da IA.
Nos cenários mais prospectivos de Patel, ele projeta que:
- até 2030, a procura de computação combinada apenas da OpenAI e Anthropic pode exceder 100 GW, e
- até 2040, uma parcela significativa da computação incremental poderá plausivelmente migrar para fora do planeta se a economia inverte (a implantação espacial se torna mais barata que a construção terrestre).
Um resumo dessas projeções específicas é amplamente divulgado em resumos da indústria, por exemplo, este resumo em estilo de digest.
Separadamente, a SemiAnalysis também explorou a economia da computação orbital em seu próprio trabalho, incluindo sua análise sobre data centers espaciais.
Porquê as criptomoedas se deveriam importar (mesmo que a computação espacial pareça distante)
Independentemente de acreditar ou não em data centers orbitais, o ponto subjacente é imediato:
- A computação está a tornar-se limitada pela localização devido à energia e permissões.
- Limitações de localização criam restrições jurisdicionais.
- Restrições jurisdicionais criam restrições de censura e acesso.
E a resistência à censura é exatamente para o que as criptomoedas foram construídas.
Se a inferência de IA se tornar uma camada fundamental para finanças e identidade, então a liquidação aberta e resistente à censura (blockchains) torna-se mais valiosa — e não menos — porque o mundo acima dela se torna mais permissionado.
5) Agentes de IA + Carteiras: "Quem Detém as Chaves?" Torna-se a Verdadeira Questão de UX
À medida que os agentes de IA se tornam mais autônomos, o maior avanço de UX convencional das criptomoedas pode também tornar-se o seu maior risco: bots que podem pagar.
Essa tendência já é visível na forma como investidores e pesquisadores discutem "carteiras de agentes" e as implicações legais/operacionais. Veja a cobertura da CoinDesk referenciando a Electric Capital sobre carteiras para agentes de IA e a fronteira legal emergente.
Se a inferência realmente se tornar "em escala de petróleo", então os agentes não irão apenas responder a perguntas — eles irão:
- reequilibrar portfólios,
- postar margem,
- transmitir pagamentos,
- assinar votos de governança,
- rodar posições entre cadeias,
- e interagir continuamente com protocolos DeFi.
Nesse ambiente, a auto-custódia não é opcional. É a fronteira entre:
- um agente que pode "sugerir", e
- um agente que pode mover valor irreversivelmente.
Padrão de segurança prático: mantenha assinaturas de alto valor offline
Para detentores de longo prazo, tesourarias e qualquer pessoa que delegue autonomia parcial a software, o padrão mais seguro é separar:
- inteligência online (agentes, inferência, automação) de
- autoridade offline (assinatura final).
É aí que uma carteira de hardware pode atuar como o ponto de verificação controlado pelo humano. Se usar OneKey, a proposta de valor principal alinha-se naturalmente com essa mudança: as chaves privadas permanecem offline, enquanto ainda pode participar em todas as principais cadeias e dApps sem transformar a sua frase semente numa chave API.
6) O Que os Construtores de Cripto Devem Fazer a Seguir (Um Breve Checklist)
Se a "economia dominante de inferência" de Patel chegar mais rápido do que o esperado, as equipas de cripto devem preparar-se para um mundo onde a computação é o reagente limitante:
-
Assuma que a computação se torna uma entrada de preço Não projete modelos de token que só funcionam quando a inferência é "efetivamente gratuita".
-
Trate benchmarks como governança, não marketing Medição transparente (por exemplo, benchmarks contínuos de inferência) moldará a confiança do mercado mais do que whitepapers.
-
Projete para verificabilidade Se o seu protocolo depende de IA off-chain, planeie para provedores adversários e derivação de modelo.
-
Construa com realismo energético Restrições de energia e data centers influenciarão onde a infraestrutura pode existir — e, portanto, quem pode aceder a ela.
-
Proteja o caminho de assinatura À medida que os agentes se tornam mais capazes, os utilizadores precisarão de controlos de assinatura mais fortes, limites de taxa, políticas de multisig e aprovações offline.
Pensamento Final: O Trabalho da Cripto é Manter os Mercados Abertos — Mesmo Quando a Computação Não Está
A mensagem mais importante de Patel para a indústria de cripto pode ser esta: mesmo ganhos espetaculares de eficiência não garantem abundância. Se a inferência de IA se tornar um mercado medido em gigawatts e pontos de PIB, então o acesso à computação moldará quem pode construir, quem pode competir e quem ficará de fora.
Blockchains não podem fabricar GPUs — mas elas podem manter a camada económica aberta: mercados sem permissão, liquidação transparente e chaves controladas pelo utilizador. E num mundo impulsionado por agentes, combinar essa abertura com práticas fortes de auto-custódia (incluindo um signatário offline como OneKey) é como os utilizadores mantêm a soberania quando o resto da pilha se torna escasso.
