A IA está se consolidando rapidamente. Cinco laboratórios de ponta (OpenAI, Anthropic, Google DeepMind, Meta e xAI) controlam a maioria dos modelos mais avançados do mundo, os dados proprietários com os quais foram treinados e os clusters de computação necessários para treinar novos modelos. A IA descentralizada é a resposta nativa da criptografia.
A IA descentralizada, ou DeAI, é a ideia de que os mesmos componentes que fazem a IA moderna funcionar podem ser coordenados por blockchains e incentivos baseados em tokens, em vez de por uma única empresa. O objetivo não é tentar superar a OpenAI em um cluster de GPUs de US$ 10 bilhões, mas sim construir alternativas abertas nas camadas em que a descentralização realmente funciona.
O que é IA descentralizada?
A IA descentralizada, frequentemente abreviada como DeAI, refere-se a sistemas de inteligência artificial construídos sobre uma infraestrutura de blockchain e coordenados por incentivos baseados em tokens — distribuindo a capacidade computacional, os dados, os modelos e a tomada de decisões entre muitos participantes, em vez de uma única empresa.
A abreviatura “DeAI” (D maiúsculo, AI maiúsculo) é agora padrão no setor; a utilizamos de forma intercambiável com “IA descentralizada” ao longo do texto. O termo é mais abrangente do que qualquer projeto isolado. Ele abrange uma pilha (mercados de computação na base, redes de dados e modelos no meio, estruturas de agentes no topo) conectada por camadas de coordenação de blockchain.
A DeAI existe para combater três tendências. Primeiro, a concentração da IA de ponta em cinco laboratórios cujas decisões internas sobre alinhamento, segurança e preços afetam a todos. Segundo, a opacidade de modelos fechados treinados com dados que o público não pode ver e para os quais não deu consentimento. Terceiro, o desalinhamento entre os laboratórios de IA e os usuários cujos dados foram usados para o treinamento: o valor flui em uma única direção, sem que nenhum token, participação ou receita retorne aos contribuintes.
Nenhum desses problemas é totalmente resolvido com a adição de uma blockchain. No entanto, cada um deles se torna mais fácil de resolver quando a propriedade, os pagamentos e as comprovações podem ser coordenados em um sistema sem permissão.
IA descentralizada x Aprendizado federado
"IA descentralizada" e "aprendizado federado" parecem estar relacionados, mas resolvem problemas muito diferentes. O aprendizado federado é uma técnica de aprendizado de máquina que preserva a privacidade, utilizada pelas principais empresas de tecnologia; a DeAI é um movimento nativo da criptografia, construído em torno de blockchains e tokens.
Na aprendizagem federada, um modelo é treinado em vários dispositivos (seu celular, os servidores de um hospital, o banco de dados de um banco) sem que os dados brutos saiam de cada dispositivo. Apenas as atualizações do modelo são transmitidas. O Google Gboard usa essa tecnologia para previsão da próxima palavra; a Apple usa para aprendizado no dispositivo; consórcios médicos a utilizam para treinar modelos de diagnóstico sem expor os registros dos pacientes. Uma entidade central, geralmente a empresa proprietária do modelo, coordena tudo.
A DeAI é o oposto da coordenação centralizada. A computação, os dados e, às vezes, o próprio modelo são de propriedade e operados por várias partes independentes. Uma blockchain coordena esses elementos; os tokens recompensam as contribuições úteis.
| Parâmetro | Aprendizado federado | IA descentralizada (DeAI) |
|---|---|---|
| Coordenador | Empresa central | Contratos inteligentes em uma blockchain |
| O papel da blockchain | Nenhum | Núcleo |
| Papel dos tokens | Nenhum | Harmoniza os incentivos entre os colaboradores |
| Exemplo | Google Gboard, Inteligência da Apple | Bittensor, ASI Alliance, Render |
É possível combinar as duas abordagens, já que as técnicas de aprendizagem federada podem ser executadas dentro dos sistemas de DeAI para preservar a privacidade. Mas a aprendizagem federada por si só não é DeAI. A aprendizagem federada diz respeito à forma como os cálculos são realizados. A DeAI diz respeito a quem é o proprietário do sistema.
Como funciona a IA descentralizada
A DeAI não é uma única tecnologia; é uma pilha. Quatro camadas são importantes, cada uma com seus próprios projetos.
A camada de computação
GPUs e outros componentes de hardware necessários para treinar e executar modelos de IA. É aqui que o DeAI se sobrepõe diretamente ao DePIN. Redes como Render, Akash e io.net alugam poder de computação de GPUs descentralizadas para cargas de trabalho de IA, desde entusiastas individuais que executam tarefas de inferência até startups que realizam ajustes finos em grande escala. A escassez de GPUs prevista para 2024–2026 tornou essa camada a parte mais ativa do ecossistema DeAI.
A camada de dados
Conjuntos de dados necessários para treinar modelos. Os mercados de dados descentralizados permitem que os proprietários de dados monetizem seus conjuntos de dados sem abrir mão do controle. Redes de armazenamento como Filecoin e Arweave hospedam pesos de modelos, conjuntos de dados de treinamento e resultados. O volume ainda é modesto em comparação com os corretores de dados centralizados, mas a infraestrutura funciona.
A camada do modelo
Modelos de código aberto que qualquer pessoa pode executar, ajustar ou modificar. Redes de treinamento incentivadas por tokens, sendo o Bittensor o mais proeminente, recompensam os participantes por contribuírem com melhorias úteis nos modelos para tarefas específicas. Observe que “peso aberto” por si só (o Llama da Meta, os modelos da Mistral) não é DeAI. É código aberto. A DeAI adiciona coordenação por blockchain e economia de tokens à abertura.
A camada de inferência e agentes
Uma vez que um modelo existe, alguém precisa executá-lo. As redes de inferência descentralizadas distribuem esse trabalho entre vários operadores de nós. Acima disso, encontra-se a camada de agentes de IA — programas autônomos que agem em nome do usuário, cada vez mais realizando pagamentos em criptomoedas. Olas e o Virtuals Protocol são os projetos mais citados nesse contexto, ambos ainda em fase de amadurecimento.
Os principais projetos de DeAI a conhecer em 2026
A DeAI é uma categoria, não um concorrente específico da OpenAI. Agrupe os projetos de acordo com o que eles realmente fazem.
Blockchains nativas de IA e redes de treinamento
O Bittensor (TAO) é o exemplo mais citado. Ele opera 128 “sub-redes” ativas, cada uma delas um mercado especializado em uma tarefa de IA: pré-treinamento de modelos de linguagem, incorporação de imagens, previsão financeira, reconhecimento de fala e pesquisa.
Os mineradores competem em cada sub-rede por recompensas em tokens com base na qualidade da produção. No primeiro trimestre de 2026, a NVIDIA comprometeu US$ 420 milhões em participações e a Polychain Capital acrescentou US$ 200 milhões, elevando os influxos institucionais combinados para mais de US$ 620 milhões. A receita da rede atingiu US$ 43 milhões no último trimestre.
A Aliança ASI
A Fetch.ai, a SingularityNET, a Ocean Protocol e (posteriormente) a CUDOS se fundiram em 2024 para formar a Artificial Superintelligence Alliance, consolidando os tokens no FET, com planos de renomeá-lo como ASI. A mudança completa de marca nunca foi concluída nas bolsas, de modo que a maioria ainda lista o FET.
Em outubro de 2025, o Ocean Protocol retirou-se formalmente da aliança devido a divergências sobre a governança. Os membros restantes (Fetch.ai, SingularityNET e CUDOS) continuam a lançar produtos, incluindo o ASI-1 mini, um LLM nativo da Web3 com 7 bilhões de parâmetros, e uma camada 1 planejada chamada ASI Chain.
Agentes
A Olas concentra-se na economia de agentes autônomos: programas independentes que realizam pagamentos entre si, coordenam-se e executam tarefas. O Virtuals Protocol concentra-se em agentes de IA voltados para o consumidor, especialmente nas áreas de jogos e redes sociais. Essa camada é a mais recente e ainda está em fase de desenvolvimento.
O que é realmente descentralizado e o que não é
A DeAI apresenta um impulso real e lacunas reais. Uma avaliação honesta, passo a passo:
Treinamento de modelos de front-end: ainda centralizado
O treinamento de um modelo da magnitude do GPT-5 exige centenas de milhões de dólares em recursos computacionais coordenados, dados proprietários e uma equipe de engenharia centralizada. Nenhum projeto de DeAI faz isso em escala de ponta, e isso não vai acontecer tão cedo.
Mesmo o maior marco técnico da Bittensor (a sessão de pré-treinamento colaborativo da Covenant AI com 72 bilhões de parâmetros, realizada em março de 2026) foi, em termos de magnitude, muito inferior aos esforços dos laboratórios de ponta. Mais tarde, a Covenant saiu da rede, chamando a descentralização de “teatro” devido a disputas de governança, um lembrete de que “descentralizado” pode descrever a matemática sem descrever o poder.
Computação: uma descentralização genuína
As GPUs são fungíveis, os trabalhos são curtos e a verificação dos resultados é simples, razão pela qual a oferta realmente se concretizou neste contexto. A Render processa cerca de 1,5 milhão de quadros por mês; a Akash ultrapassou US$ 5 milhões em gastos com computação no primeiro trimestre de 2026; a io.net agrega GPUs em mais de 130 países. A mesma placa que roda um videogame à noite pode executar uma tarefa de inferência na manhã seguinte, e o cliente não precisa saber de quem ela é.
Inferência: viável e em expansão
A inferência é sem estado, as tarefas são pequenas e os resultados são verificáveis — a próxima camada natural a ser descentralizada após a computação bruta. As redes utilizam GPUs de consumidores e de jogos que, de outra forma, ficariam ociosas; assim, um modelo pequeno e de peso aberto como o Llama-3-8B pode, muitas vezes, ser executado pela metade do custo da AWS ou do Azure. A diferença diminui à medida que o tamanho do modelo cresce; servir um modelo de 400 bilhões de parâmetros de forma descentralizada ainda é mais difícil do que em um hiperescalador.
Mercados de dados: ainda em fase inicial, mas já são uma realidade
Redes como a Vana, para dados pessoais, e a Grass, para dados extraídos da web, comprovam que a troca descentralizada de dados é tecnicamente viável. A questão mais complexa é a demanda. Os laboratórios de IA já dispõem do que precisam: dados extraídos da web aberta, além de acordos diretos de alto valor (Reddit–Google, NYT–OpenAI, Shutterstock). Os mercados descentralizados resolvem um problema do lado da oferta que o lado da demanda ainda não tem, embora isso mude se os dados de treinamento se tornarem mais disputados.
P&D incentivada por tokens: atuando em nichos específicos
As recompensas em tokens funcionam bem para melhorias incrementais em tarefas mensuráveis (precisão de conversão de voz em texto, qualidade de incorporação, benchmarks de classificação de imagens), e as sub-redes da Bittensor produzem modelos competitivos exatamente nesses nichos. O que os tokens não conseguem financiar facilmente é a pesquisa de ponta, que requer anos de capital paciente, experimentos caros e tolerância ao fracasso. As disputas de governança da Bittensor também levantam uma questão estrutural: a P&D alinhada a tokens funciona apenas tão bem quanto o protocolo ao seu redor.
Conclusão
A questão interessante sobre a DeAI em 2026 é saber quais camadas da pilha resistirão quando chegar a hora do escrutínio. A computação e a inferência estão realizando um trabalho real e mensurável para clientes pagantes.
Os mercados de dados e modelos estão em crescimento, mas ainda não se consolidaram. A camada de governança (a parte que determina se o termo “descentralizado” se refere à matemática ou ao poder) continua gerando controvérsias, como a saída da Ocean da ASI Alliance e a saída da Covenant da Bittensor.
A DeAI não vai substituir a OpenAI em 2026, e talvez nunca o faça. Mas está criando alternativas reais no meio e nas extremidades da pilha, e é aí que a maioria das pessoas acabará interagindo com a IA de qualquer maneira.
