Projetos de IA em criptomoedas: análise dos principais players do mercado
Quando o ChatGPT foi lançado no final de 2022, a IA deixou de ser assunto de um círculo fechado de pesquisadores e invadiu a vida cotidiana. O cripto reagiu de forma previsível: em 2023, o mercado foi inundado por "tokens de IA", que no melhor dos casos ofereciam acesso a APIs de modelos generativos e, no pior, não tinham nada além de um ticker com as letras "AI".
Em 2026, quase nada restou dessa onda. O mercado passou por algumas correções pesadas e, como costuma acontecer, só voltaram os projetos com fundamento real. O resto fechou em silêncio ou ficou pendurado nos gráficos como peso morto.
A narrativa também mudou. Hoje, três coisas estão no centro das atenções:
- agentes de IA autônomos — eles mesmos executam transações, compram dados e serviços, interagem entre si sem humanos na cadeia;
- micropagamentos — a possibilidade de cobrar frações de centavo por cada chamada de API ou ação de um agente, algo que antes era inviável por causa das taxas;
- mercados de intenções (intents) — o usuário diz o que quer, e os agentes disputam entre si o direito de executar a tarefa mais rápido e mais barato.
Agora, aos projetos concretos que realmente estão fazendo algo nesse cruzamento.
Bittensor
Bittensor é uma rede descentralizada que transforma a IA em um mercado aberto. No Bitcoin, os mineradores resolvem problemas matemáticos para proteger a blockchain. No Bittensor, os mineradores "mineram" inteligência: executam tarefas de usuários e recebem recompensas em TAO. As tarefas podem ser de qualquer tipo, e para cada uma é criada uma subnet separada — para geração de texto, imagens, tradução, armazenamento de dados ou até treinamento de outros modelos de IA. Atualmente, a rede conta com 128 subnets ativas, e o plano é expandir para 256 até o fim de 2026.
A rede tem alguns tipos de participantes:
- Mineradores — executam as tarefas da subnet e recebem TAO em troca. Quanto melhor e mais rápido o trabalho, maior a recompensa.
- Validadores — avaliam os resultados dos mineradores, comparam entre si e atribuem notas. São eles que protegem a rede contra trabalho mal feito e fraudes.
- Donos de subnets — decidem qual tarefa a subnet deles vai resolver.
- Holders e stakers — detentores comuns de TAO. Podem fazer stake do token nas subnets que considerarem mais úteis e receber uma parte das recompensas.
As vantagens desse modelo são reais, e não de marketing:
- as solicitações permanecem privadas;
- nenhuma censura — nenhum funcionário da OpenAI decide se você pode ou não receber uma resposta;
- a rede funciona sempre e não dá para derrubá-la de uma vez, como acontece com o GPT durante uma queda;
- é possível saber em quais dados o modelo foi treinado;
- qualquer um pode alugar a capacidade ociosa da própria placa de vídeo e ganhar com isso;
- e os desenvolvedores não precisam levantar rodadas de capital de risco — se o modelo for realmente útil, o mercado vai dar carga a ele por conta própria.
O grande caso de 2026 é o Covenant-72B. Em março, a subnet Templar (SN3) anunciou a conclusão do maior treinamento descentralizado de um modelo de linguagem grande já realizado. 72 bilhões de parâmetros, 1,1 trilhão de tokens, mais de 70 contribuintes independentes rodando em GPUs de consumo comum, conectadas pela internet doméstica. Sem data center, sem orçamento corporativo de centenas de milhões de dólares. E, mesmo assim, o modelo alcançou 67,1 pontos no benchmark MMLU — nível equivalente ao do Llama-2-70B, treinado por um dos laboratórios de IA mais bem financiados do mundo.
Jensen Huang, CEO da Nvidia, no All-In Podcast, chamou isso de "conquista técnica notável" e comparou o Bittensor ao folding@home. O mercado reagiu na mesma intensidade: o TAO subiu cerca de 90% em março, e a capitalização combinada do ecossistema de subnets chegou a ~US$ 1,5 bilhão.
Os institucionais também estão entrando. A Grayscale lançou o Bittensor Trust ainda em 2024 e, no início de 2026, abriu o produto para investidores credenciados — além de discutir a conversão em um ETF spot de TAO até o fim do ano. A Yuma, subsidiária do Digital Currency Group, já investe diretamente em 14 subnets. Bitwise e BitGo também estão de olho em produtos baseados em TAO.
Sem os pontos negativos, claro, não ficou. A economia da maioria dos modelos da rede ainda é deficitária: para cada dólar que os usuários trazem, os participantes da rede recebem 10 — às vezes dezenas — de dólares em subsídios via emissão de TAO. Analistas calculam que, sem esses subsídios, a IA descentralizada custaria três vezes mais do que as alternativas centralizadas. O halving talvez resolva isso de forma natural: a emissão cai, e os modelos inviáveis simplesmente somem.
A segunda questão em aberto é o quão descentralizada a rede realmente é. E é aí que a coisa fica interessante.
Escândalo de abril: a saída da Covenant AI
Em abril de 2026, a história da Covenant virou de cabeça para baixo. No dia 10, Sam Dare, fundador da Covenant AI — a mesma equipe que, apenas um mês antes, havia levado o TAO às máximas com o modelo Covenant-72B — saiu publicamente do Bittensor. E não saiu quieto: acusou o cofundador da rede, Jacob Steeves (conhecido na comunidade como Const), de que toda a "descentralização" do Bittensor era, na verdade, "teatro de descentralização".
A essência das acusações: o controle real da rede não está com uma comunidade distribuída, mas com o Triumvirate — três funcionários da Opentensor Foundation com permissões de root sobre as atualizações do protocolo. Segundo vazamentos publicados no mesmo dia pelo site Tao Papers, dos 41 upgrades da rede entre 2023 e 2026, 38 foram iniciados e assinados primeiro a partir da infraestrutura controlada por Steeves.
As acusações específicas da Covenant contra Steeves:
- suspendeu a emissão de três subnets da Covenant (Templar/SN3, Basilica/SN39, Grail/SN81);
- tirou da equipe os direitos de moderação nos próprios canais da comunidade deles;
- depreciou a infraestrutura dessas subnets;
- pressionou economicamente com vendas públicas de tokens, cronometradas com o conflito.
Steeves nega parte das acusações — afirma que tecnicamente não consegue suspender a emissão, e explica as vendas dos alpha tokens pelo fato de que as subnets em questão praticamente não estavam rodando.
O mercado também falou: o TAO despencou de US$ 338 para US$ 285 em duas horas, a queda intradiária chegou a 25–27%, e cerca de US$ 900 milhões de capitalização evaporaram em um dia.
O que isso significa para o Bittensor no longo prazo, ainda não dá para dizer. A equipe da Covenant anunciou que vai continuar trabalhando em treinamento descentralizado de modelos, só que fora do Bittensor. Steeves, em resposta, já propôs um novo modelo de propriedade de subnets com travamento obrigatório e prolongado de tokens — justamente para que futuros fundadores não possam sair de forma tão abrupta e despejar tudo no mercado. Mas o simples fato de uma ruptura pública assim, com uma das equipes-carro-chefe, já é um golpe sério no principal argumento de venda da rede.
Render
A Render não é um projeto puramente de IA, mas sem ela o quadro fica incompleto. A IA consome placas de vídeo em ritmo absurdo, e a Render é justamente um mercado descentralizado de GPUs, onde donos de hardware alugam capacidade ociosa para quem precisa e recebem tokens RENDER em troca.
Antes da IA virar mainstream, os principais clientes da Render eram artistas 3D, estúdios de VFX, publicitários, desenvolvedores de games e arquitetos. Todos precisavam de renderização pesada em GPU, mas nem todo estúdio tem um data center próprio. Com a ascensão da IA, a história mudou bastante: a demanda por GPU disparou, e junto com ela ficou clara também a vantagem do modelo descentralizado — sem assinaturas, sem vendor lock-in, com o mínimo de intermediários.
A maneira mais simples de explicar isso é com analogias conhecidas: a Render é o Airbnb das placas de vídeo, ou o Uber da computação em GPU. Se o Bittensor é o cérebro da IA descentralizada (modelos e software), a Render é a musculatura (o hardware), sem a qual o primeiro não funciona.
O projeto não é novato. A ideia surgiu em 2009, o TGE aconteceu em 2017, e o lançamento principal, em 2020. Ao longo desse tempo, a Render firmou parcerias com Apple e Stability AI: em sua época, a Apple chegou a mostrar o Octane X (motor de renderização da OTOY, ligado diretamente à Render) rodando nos chips Apple Silicon direto no iPad.
Mas o mais importante aconteceu em dezembro de 2025, quando a Render lançou o Dispersed — uma subrede dedicada exclusivamente a cargas de IA. Nela, foram disponibilizados mais de 600 modelos open-weight, e agora, via Render, dá para rodar não só renderização de cenas 3D, mas também inferência de LLMs, geração de imagens e treinamento de modelos. Na prática, a Render deixou de ser apenas uma "rede de GPU para artistas" e virou uma camada completa de AI compute.
Pelos números, a rede realmente trabalha, e não só pinta gráficos bonitos para investidores. No início de 2026, havia cerca de 5 600 nós de GPU ativos na rede. Desde o lançamento, mais de 68 milhões de frames foram renderizados no total, sendo que mais de 22 milhões apenas em 2025 — ou seja, um terço de todo o volume histórico foi feito no último ano. O throughput mensal chegou a ~1,5 milhão de frames, e em 2025 foram queimados mais de um milhão de tokens RENDER (a rede opera no modelo burn-mint, então a queima é um indicador direto de demanda real).
Mas há pontos negativos, e são dois, e ambos sérios.
O primeiro é a ausência de uma verificação adequada dos resultados. Há casos conhecidos de usuários recebendo frames corrompidos ou vazios, enquanto os mineradores ainda assim eram pagos. A rede verifica que a GPU trabalhou, mas não verifica que ela trabalhou certo. Para inferência de IA, isso é uma dor de cabeça ainda maior do que para renderização: um frame torto dá para ver a olho nu, já uma inferência torta de um modelo, não.
O segundo é o descompasso entre as métricas de uso e o número de usuários ativos. A quantidade de frames renderizados está em máximas históricas, mas os DAU caíram de ~1 500 para menos de 100, e os WAU, de 17 000 para menos de 500. Ou seja, a rede está atendendo um núcleo cada vez mais estreito de grandes clientes, mas a adoção em massa simplesmente não veio. Não é uma catástrofe, mas é um sinal honesto: para competir com a AWS na inferência de IA, ainda falta muito caminho.
Fetch.ai
Em 2024, a Fetch.ai, a SingularityNET e a Ocean Protocol se uniram no Artificial Superintelligence Alliance (ASI) — na prática, fundiram tudo em um único projeto, juntando também os tokens (FET, AGIX e OCEAN migraram para um único token ASI, depois renomeado de volta para FET). O objetivo da aliança é construir a infraestrutura para uma economia autônoma, onde quem fecha os negócios não são pessoas, e sim IAs.
Soa futurista, mas a ideia é simples. Na economia comum, qualquer transação esbarra em uma pessoa: alguém tem que apertar o botão, concordar com os termos, assinar o documento. Um agente de IA não precisa disso. Ele pode comprar serviços na internet sozinho, pagar por dados, escrever código, contratar outros agentes para tarefas que ele mesmo não sabe fazer — e até vender os próprios serviços, ganhando dinheiro para sustentar a própria existência.
A coisa fica ainda mais interessante quando os agentes começam a conversar entre si. Um busca informação, outro verifica, um terceiro usa isso para fechar uma transação — tudo isso sem ninguém no meio, mais rápido e mais barato do que as negociações humanas tradicionais. Mas, para isso funcionar, é preciso infraestrutura: um jeito de registrar os agentes, um sistema de reputação, protocolos de comunicação e uma camada de pagamento.
O token do projeto é o FET. É com ele que os agentes pagam uns aos outros pelas tarefas executadas, e é ele que os desenvolvedores colocam em stake para registrar seus agentes na rede.
É justamente essa infraestrutura que a Fetch.ai está construindo. Os agentes aqui não são só scripts, mas entidades com suas próprias chaves privadas, que assinam transações por conta própria. A atividade deles é registrada on-chain, há lógica embutida para tomada de decisão, ferramentas para se comunicar com usuários e um mecanismo para encontrar outros agentes.
O cenário de uso mais óbvio para a audiência cripto são as finanças. Um agente pode monitorar preços em diferentes DEXs e pegar janelas de arbitragem, rebalancear portfólio segundo regras definidas, fazer hedge automático de posições em movimentos bruscos de mercado ou otimizar o gas, escolhendo o melhor momento para uma transação. Em princípio, tudo isso já é feito hoje — por bots. A diferença é que um bot trabalha com uma lógica rigidamente definida, enquanto um agente consegue adaptar a estratégia às condições e coordenar ações com outros agentes.
A grande vantagem desse modelo é a escalabilidade. Dá para rodar dez mil agentes de uma vez, cada um com sua tarefa. Eles vão competir entre si pela recompensa do usuário, e as estratégias mais eficientes vão empurrar as ineficientes para fora naturalmente — sem precisar de um gestor sentado ali decidindo quem trabalha melhor.
O ponto negativo está em outro lugar. A adoção anda mais devagar do que o marketing pinta. No papel, a economia de agentes parece uma revolução; na prática, a maioria dos casos da Fetch.ai ainda está em nível de demo e protótipo. O fluxo real de usuários confiando dinheiro de verdade a agentes em produção ainda não apareceu. E isso é um problema do setor inteiro, não só da Fetch.ai: as pessoas ainda não estão prontas para dar a uma IA controle total da própria carteira, e dá para entender.
NEAR
A NEAR merece com folga seu lugar nesta seleção — nem que seja pelo fato de Illia Polosukhin (cofundador da NEAR) ter sido coautor daquele famoso paper do Google, o "Attention is All You Need", que apresentou ao mundo a arquitetura dos transformers — a base sobre a qual todos os LLMs de hoje, sem exceção, estão construídos.
As raízes da NEAR vão até 2017. Na época, o projeto sequer era pensado como uma blockchain, e sim como uma plataforma de machine learning — mais precisamente, como uma ferramenta para escrever programas em linguagem natural. Hoje chamamos isso de vibe coding, mas em 2017 essa palavra nem existia ainda.
Para o desenvolvimento, a equipe contratava estudantes pelo mundo todo, e foi aí que surgiu o típico problema dos pagamentos internacionais: bancos travando transferências para determinadas regiões, bloqueios em cima de pessoas específicas, sanções. O cripto parecia a solução lógica, só que as blockchains da época cobravam taxas tão altas que micropagamentos para estudantes viravam piada. Foi assim que a NEAR virou a chave para criar sua própria L1 — escalável, barata e, ao mesmo tempo, intuitiva o suficiente para o usuário comum.
Quando a IA caiu no mainstream, a NEAR se posicionou logicamente como a blockchain voltada justamente para a economia de IA — para agentes, micropagamentos e os usuários que vão trabalhar com esses agentes. Uma das peças-chave dessa arquitetura é o NEAR Intents: o usuário diz qual resultado quer, e a rede escolhe os executores e monta a rota ideal sozinha. É exatamente aquela "infraestrutura de intenções" que foi mencionada no começo do artigo.
O token do projeto é o NEAR. Ele é usado para pagar taxas de transação, para o staking dos validadores e para votar na governança da rede. E agora também como unidade de cobrança dos serviços de IA dentro do ecossistema.
A equipe da NEAR não está parada. Em 2025–2026 eles soltaram o NEAR AI Cloud e o IronClaw. O NEAR AI Cloud é um serviço descentralizado de GPU para inferência privada de IA: o dono do hardware que está rodando seu modelo não consegue ver nem o prompt, nem o resultado. Tudo é criptografado e executado dentro de um Trusted Execution Environment (TEE) — uma camada de proteção em nível de hardware, direto no chip.
Já o IronClaw é uma história à parte. Primeiro, uma ressalva importante: OpenClaw não é um produto da NEAR, é um framework open source de agentes feito pelo desenvolvedor austríaco Peter Steinberger, que explodiu em popularidade no início de 2026. O IronClaw, sim, é a alternativa segura ao OpenClaw desenvolvida pela equipe da NEAR AI, reescrita do zero em Rust e rodada dentro de um TEE no NEAR AI Cloud. A proposta é dar aos usuários agentes de IA "always-on", que conseguem navegar pela internet, comprar serviços, guardar senhas e gerenciar dados — mas sem vazar seus segredos para lugar nenhum. O IronClaw foi apresentado na NEARCON, em fevereiro de 2026.
O ponto negativo da NEAR é o mesmo da maioria dos projetos cripto de IA: o discurso está bem à frente das métricas reais. O NEAR AI Cloud acabou de entrar no ar no fim de 2025, o IronClaw veio em fevereiro de 2026, e o NEAR Intents ainda está ganhando tração. É cedo para cravar que a NEAR vai mesmo se tornar aquela "L1 AI-first" que promete ser. Por ora, em TVL e usuários ativos, ela segue como uma mediana forte entre as Layer 1 — não é a líder da narrativa de IA, é mais uma competidora na corrida.
TON
Pavel Durov e o Telegram também não ficaram de fora. Em outubro de 2025, na conferência Blockchain Life em Dubai, Durov anunciou o Cocoon (Confidential Compute Open Network) — uma rede descentralizada de computação privada em GPU, construída sobre a blockchain TON. Um mês depois, no fim de novembro de 2025, a rede já entrou em produção.
A lógica é a mesma do NEAR AI Cloud: donos de GPU alugam capacidade ociosa, e desenvolvedores de aplicações de IA compram poder computacional sem precisar montar seus próprios data centers nem pagar AWS. Os pagamentos são feitos em TON, e as computações são executadas dentro de um Trusted Execution Environment — ou seja, nem o próprio dono do hardware consegue ver qual prompt chegou nem o que o modelo gerou em resposta. Para o Telegram, que faz da privacidade sua marca registrada, esse é um detalhe-chave.
Mas o grande trunfo do Cocoon não está na tecnologia. Tecnologicamente, é mais ou menos o mesmo que qualquer outra rede descentralizada de compute. A diferença está em outro lugar: o Telegram já parte de um mercado pronto de mais de um bilhão de usuários mensais. Qualquer startup descentralizada de GPU passa anos caçando clientes. O Cocoon já tem os dele — e o primeiro cliente da rede é o mais óbvio possível: o próprio Telegram.
O que já funciona através do Cocoon em abril de 2026: tradução de mensagens entre idiomas e transcrição de áudios para texto. Segundo o próprio Durov, na fila estão ainda os resumos automáticos de chats longos e outros recursos de IA para os Mini Apps. Isso não é slide de PowerPoint com planos futuros, são funções que os usuários do Telegram estão vendo no app agora mesmo.
Os pontos negativos são dois, e ambos são sérios.
O primeiro é a dependência tecnológica da Intel. O Cocoon foi construído em cima do Intel TDX — uma implementação específica de Trusted Execution Environment. Os críticos apontam, com razão, que isso restringe bastante o pool de hardware compatível: AMD, ARM e placas de vídeo sem suporte a TDX simplesmente ficam de fora da rede. Na prática, é uma tentativa de virar padrão mundial em cima de um produto que só roda em uma família específica de processadores.
O segundo são os riscos regulatórios em torno do próprio Durov. Ele já está na mira das autoridades europeias desde a detenção na França, e uma rede descentralizada de computação privada é exatamente o tipo de produto que os reguladores vão olhar com lupa. A privacidade é ótima para o usuário, mas também cria uma dor de cabeça jurídica: se alguém começar a rodar coisa duvidosa pelo Cocoon, quem vai sobrar na conta, de novo, é o Telegram.
Coinbase, Circle e outros players
Como você já deve ter percebido, a descentralização em IA não é só uma moda — é, possivelmente, uma necessidade ética. Uma grande corporação de IA é, em potencial, mais perigosa do que qualquer banco: o banco, no pior dos cenários, vai te cobrar uma taxa; já uma plataforma de IA com um bilhão de usuários é capaz de moldar, com ajustes finos e silenciosos, a opinião de um país inteiro.
Mas IA × Cripto não é só sobre hardware e modelos. É também sobre a camada de software: protocolos, padrões, trilhos de pagamento para agentes. E aqui os principais players não são as startups do campo descentralizado, mas corporações bem tradicionais.
Em maio de 2025, a Coinbase apresentou o x402 — um padrão aberto para pagamentos na internet que permite fazer microtransações em stablecoins com taxas irrisórias em L2s (Base, Polygon, Arbitrum, Solana). A ideia é simples: o protocolo reativa o velho código HTTP 402 "Payment Required", transformando-o em um mecanismo de pagamento funcional. Qualquer serviço pode cobrar frações de centavo por uma requisição de API direto via HTTP, sem assinaturas, sem contas e sem cartão de crédito. Para agentes de IA, essa é a camada de pagamento ideal: eles podem pagar, de forma autônoma, por dados, computação e serviços de outros agentes.
Em setembro de 2025, a Coinbase, junto com a Cloudflare, lançou a x402 Foundation — uma organização independente para administrar o padrão. Depois, parceiros de peso entraram na jogada: o Google integrou o x402 ao seu Agent Payments Protocol (AP2) — justamente aquele por onde os agentes de IA se comunicam no ecossistema do Google Cloud. Em outubro de 2025, a Visa anunciou suporte ao protocolo. Na coalizão de apoiadores estão também Circle, AWS e Stripe.
E não faltaram momentos inusitados. Em outubro de 2025, foi lançado via x402 o token PING — o primeiro do tipo — e, em poucas semanas, ele subiu 20 vezes, chegando a uma capitalização de US$ 80 milhões. Depois disso, dezenas de projetos passaram a lançar tokens via x402 — não porque o protocolo mudou, mas porque o mercado viu com os próprios olhos: aquilo funciona.
A Circle e a Tether seguem caminhos paralelos, mas com estratégias diferentes. A Circle aposta no USDC como o ativo principal de liquidação para agentes de IA — e essa aposta já pegou: o USDC é a moeda padrão no facilitator x402 da Coinbase. Toda transação que um agente faz por esse protocolo, por default, vai em USDC.
A Tether vai por outro caminho. A empresa de Paolo Ardoino aposta em hardware, robótica e em uma plataforma própria — o Tether AI —, um conjunto de modelos locais open source que rodam direto no dispositivo do usuário, sem precisar passar por nuvem. Filosoficamente, é o oposto da Circle: se a Circle constrói a camada de pagamento para agentes que vivem na nuvem, a Tether está tentando arrancar a própria IA da nuvem e entregá-la direto na mão do usuário.
O que fica no final
Se tiver que resumir: a IA descentralizada não é uma abordagem única, são pelo menos quatro camadas diferentes — hardware (Render, Cocoon, NEAR AI Cloud), modelos e treinamento (Bittensor), agentes (Fetch.ai, NEAR Intents, IronClaw) e pagamentos para eles (x402, USDC). Em cada uma dessas camadas já há players fortes com produtos reais, não só com marketing.
Mas, sinceramente, boa parte dessa economia ainda se sustenta em subsídios, hype e expectativas. Os modelos do Bittensor são deficitários sem a emissão de TAO, a Render atende um núcleo cada vez mais estreito de clientes, a Fetch.ai e a NEAR vivem majoritariamente de demos e protótipos, o Cocoon ainda é muito novo. A adoção real em massa anda mais devagar do que o marketing promete.
Os próximos dois anos vão mostrar no que isso tudo vai dar. Ou a IA descentralizada realmente cresce a ponto de virar um concorrente sério da OpenAI e do Google, ou vai ficar como uma história de nicho para entusiastas cripto. Por enquanto, a tendência aponta mais para o primeiro cenário — mas ainda vêm por aí muitos halvings, escândalos regulatórios e novos Covenant exits. Vai ser interessante de assistir.
