Quem controla o poder de hashing, controla implicitamente o futuro da IA: Anastasia, cofundadora do protocolo Gonka

核心摘要：treinar modelos grandes requer a construção ou atualização de centros de dados. Mas a infraestrutura centralizada enfrenta limites físicos rígidos. Para aumentar a capacidade, a IA é usada para criar maior escala e inteligência. No entanto, o controle do poder computacional está se tornando um nó crítico na indústria de IA. Assim, surge o Gonka. O protocolo Gonka é uma rede global sem permissão, onde qualquer pessoa pode participar, solicitando roteamento programático entre participantes distribuídos. Em uma conversa exclusiva com o Analytics Insight, a cofundadora e gerente de produto sênior Anastasia Matveeva discute como inovaram na obtenção de poder computacional para construir um ecossistema de IA mais controlável e seguro.

Pergunta: As discussões públicas sobre IA focam na centralização de modelos, mas há menos atenção à centralização de poder computacional. Por que o controle do poder computacional está se tornando um nó de poder na indústria de IA? Essa concentração pode trazer riscos à inovação e ao mercado como um todo?

Resposta: As discussões públicas geralmente focam nos modelos porque eles são visíveis. Mas o verdadeiro núcleo de poder está na camada mais fundamental — o poder computacional, que decide quem pode construir, implantar e escalar sistemas de IA.

O controle do poder computacional tornou-se crítico por razões econômicas e físicas. O gargalo principal da IA moderna não é mais o algoritmo, mas a capacidade de obter GPUs, energia e capacidade de centros de dados.

Treinar modelos grandes exige cada vez mais a construção ou atualização de centros de dados. Mas a infraestrutura centralizada enfrenta limites físicos: densidade de energia, restrições de resfriamento e capacidade máxima de fornecimento de energia em um único local. A indústria tenta soluções extremas — redesenho de chips, sistemas de resfriamento e novas fontes de energia.

Essa concentração traz consequências sistêmicas.

Primeiro, cria barreiras estruturais à inovação. O acesso ao poder computacional torna-se privilégio de infraestrutura, não uma competição baseada em capacidade. Pequenas equipes, pesquisadores independentes ou regiões inteiras ficam excluídas por preço, reduzindo o espaço de experimentação e tornando a inovação mais conservadora.

Segundo, fortalece o padrão de “extração de renda”. A IA tem potencial de criar “abundância” — inteligência é essencialmente replicável — mas, quando a infraestrutura básica é escassa e controlada, essa abundância é artificialmente suprimida. O mercado se volta para assinaturas, efeitos de lock-in e poder de precificação, em vez de redução de custos e acessibilidade ampla.

Terceiro, traz vulnerabilidades sistêmicas. Quando poder computacional avançado se concentra em poucos operadores e locais, perturbações regulatórias, políticas ou físicas podem afetar todo o ecossistema de IA. A dependência torna-se estrutural, não opcional.

Mais importante, o poder computacional não é neutro. Quem controla, implicitamente decide o que é viável, permitido e economicamente sustentável. Quando esse controle é centralizado, a governança de IA se forma por padrão, não por design.

Os riscos não são apenas monopólio, mas distorções de longo prazo na trajetória de desenvolvimento da IA: menos construtores, menor diversidade de aplicações, inovação mais lenta em hardware e infraestrutura incapaz de acompanhar as ambições da próxima geração de modelos.

Por isso, o poder computacional deve ser visto como infraestrutura fundamental — uma arquitetura escalável física e economicamente, vital para o futuro da IA.

Pergunta: Muitos plataformas de poder computacional de IA — centralizadas ou descentralizadas — alegam alta eficiência. Quais são os indicadores realmente importantes ao avaliar a eficiência de sistemas de poder computacional de IA? Onde esses modelos geralmente enfrentam limitações práticas?

Resposta: A eficiência de poder computacional muitas vezes é usada como conceito de marketing. Na prática, poucos indicadores concretos importam, abrangendo desempenho do lado do usuário, eficiência operacional do provedor e os incentivos que os ligam.

Para o usuário, eficiência significa velocidade e transparência de custos.

Velocidade refere-se à latência sob demanda real. Centros centralizados geralmente têm vantagem por estarem fisicamente próximos. Mas, se a blockchain for apenas uma camada de segurança, sem participar do execução em tempo real, arquiteturas descentralizadas podem alcançar desempenho semelhante. Desde que as requisições sejam processadas off-chain, o protocolo não aumenta latência.

A transparência de custos também é crucial. Embora “custo por token” seja um KPI comum, a integridade do modelo muitas vezes não é transparente. Em ambientes centralizados, produtos podem ser caixas-pretas. Em picos, provedores podem ajustar configurações para manter lucros, mudanças invisíveis que podem afetar a qualidade da saída. Eficiência real exige que os preços reflitam uma precisão computacional consistente.

Para os provedores, eficiência é o equilíbrio entre utilização de GPU e flexibilidade.

Operadores centralizados geralmente maximizam a utilização — GPUs próximas ao máximo, mas com pouca flexibilidade, pois precisam suportar demandas baixas sem custos de ociosidade.

Redes descentralizadas sacrificam alguma utilização para maior flexibilidade, minimizando custos de consenso e validação, permitindo redistribuição de poder computacional conforme a carga de trabalho.

O mais importante é o design de incentivos.

Quando os ganhos estão ligados a cargas de trabalho mais rápidas, baratas e verificáveis, a otimização se torna estrutural. Participantes são incentivados a melhorar eficiência de hardware, reduzir latência e experimentar chips dedicados.

Se os incentivos forem ligados principalmente a capital ou governança, a direção da otimização se desvia do desempenho da infraestrutura, e ineficiências se consolidam.

No Gonka, a eficiência está embutida na camada de protocolo: quase 100% do poder computacional é dedicado a cargas de trabalho reais de IA (principalmente inferência). Os ganhos e o peso de governança dependem da contribuição medida de poder computacional, não do capital.

A verdadeira eficiência só surge quando a maior parte do poder computacional é usada para tarefas reais, os incentivos recompensam contribuições verificadas, e os custos internos não crescem descontroladamente com a escala da rede.

Pergunta: Uma rede descentralizada de poder computacional de IA pode fazer a maior parte do poder ser usada para tarefas reais de IA, e não para manter a rede? Quais são as escolhas arquiteturais essenciais?

Resposta: É possível — mas sob a condição de tratar os custos como uma restrição central da arquitetura, não uma consequência inevitável da descentralização.

Muitas redes descentralizadas gastam grande parte de seus recursos na manutenção de consenso e segurança, não em tarefas de IA. Isso ocorre porque trabalho produtivo e mecanismos de segurança estão separados, levando a cálculos redundantes.

Para que a maior parte do poder seja dedicada a tarefas reais, alguns princípios-chave são necessários:

Primeiro, os mecanismos de segurança e medição devem ser “tempo-limitados”, não contínuos. Provas devem focar em ciclos curtos definidos, não consumir recursos continuamente. No Gonka, isso é feito por meio de Sprint — ciclos estruturados e com limite de tempo. Fora do ciclo, hardware pode ser dedicado a tarefas de IA reais.

Segundo, a validação seletiva e a dinâmica de reputação reduzem a redundância, ao invés de validar cada tarefa integralmente. Novos participantes podem ter 100% de suas tarefas validadas; com reputação, essa proporção pode cair para cerca de 1%. A validação total do poder computacional pode ficar abaixo de 10%, mantendo segurança.

Participantes que tentam trapacear não recebem recompensa, tornando a fraude economicamente inviável.

Terceiro, os incentivos e peso de governança devem estar ligados à contribuição verificada de poder computacional, não ao capital.

Quando consenso é leve, validação adaptativa e incentivos alinham-se com trabalho produtivo, a descentralização de poder computacional pode realmente servir às tarefas reais.

Pergunta: Como sistemas descentralizados de poder computacional de IA podem manter acessibilidade mesmo com requisitos de infraestrutura que elevam a barreira de entrada, especialmente considerando diferenças de capacidade entre participantes?

Resposta: Embora a descentralização busque reduzir a barreira de entrada, a sobrevivência a longo prazo exige competir com provedores centralizados e atender às demandas do mundo real. A restrição de hardware se resume a um requisito central: suportar modelos com demanda de mercado real.

Para manter acessibilidade e escalar, alguns princípios são essenciais.

Primeiro, acesso à infraestrutura sem permissão. Qualquer proprietário de GPU — seja um operador individual ou um grande data center — deve poder ingressar na rede sem processos de aprovação ou barreiras centralizadas. Isso elimina obstáculos estruturais de entrada.

Segundo, recompensas e influência baseadas na contribuição verificada. Em um modelo baseado em peso de poder computacional, maior contribuição leva a maior participação em tarefas, recompensas e governança. Isso não garante igualdade total entre pequenos e grandes participantes — e não deve. O importante é que as regras sejam unificadas: influência é determinada pela contribuição real, não por capital, delegação ou alavancagem financeira.

Terceiro, o papel de pools de poder computacional. Em sistemas com requisitos reais de infraestrutura, a agregação de recursos é natural. Pools permitem que pequenos participantes consolidem recursos, reduzam volatilidade e participem de cargas maiores.

Porém, a arquitetura deve evitar que pools grandes tenham vantagem estrutural ou que a influência se concentre demais. Pools devem ser ferramentas de coordenação, não mecanismos de re-centralização.

No final, escalar uma rede descentralizada de IA não deve significar elevar a barreira de entrada. Deve significar aumentar a capacidade total de poder computacional de forma neutra, transparente e com regras de participação consistentes, mantendo o valor econômico real criado para os usuários. Acesso aberto, mecanismos de economia proporcional e controle de concentração determinam se uma rede permanece descentralizada à medida que cresce.

Pergunta: Por que, neste momento, a questão de descentralizar o poder computacional de IA se tornou especialmente urgente? Quais podem ser as consequências de longo prazo se esse problema não for resolvido nos próximos anos?

Resposta: Essa urgência reflete a transição da IA de fase experimental para infraestrutura.

Como mencionado, o poder computacional já é um gargalo físico. A expansão da capacidade é cada vez mais limitada por energia, densidade de potência e restrições de centros de dados. Além disso, o acesso a GPUs avançadas e infraestrutura de grande escala é influenciado por contratos de longo prazo, concentração corporativa e prioridades estratégicas nacionais.

Essa combinação aprofunda a assimetria estrutural. Quem controla infraestrutura em larga escala reforça sua vantagem, enquanto barreiras para equipes pequenas e regiões emergentes aumentam. O risco não é apenas de mercado centralizado, mas de ampliar a lacuna global de poder computacional.

Se essa tendência continuar, a inovação dependerá mais da capacidade de obter infraestrutura do que de criatividade. O mercado de IA pode se consolidar em um modelo de aluguel, onde a inteligência é acessada sob condições definidas por poucos fornecedores dominantes.

Portanto, descentralizar o poder computacional de IA não é uma questão ideológica. É uma resposta às limitações estruturais visíveis — uma decisão que moldará a arquitetura de longo prazo da indústria de IA.

Pergunta: Agentes de IA estão cada vez mais reservando recursos de GPU autonomamente. Como a arquitetura do Gonka suporta a integração de uma economia de poder computacional de IA autorregulada e sem falhas?

Resposta: A ascensão de IA baseada em agentes significa que os sistemas tomam decisões autônomas — incluindo a obtenção de recursos computacionais. Nesse modelo, o poder computacional é um ativo central na interação econômica entre agentes.

Esse ecossistema precisa de integração programática, mecanismos econômicos transparentes e confiabilidade.

Primeiro, a integração deve ser sem costura. Gonka oferece API compatível com OpenAI, permitindo que a maioria dos agentes de IA acessem recursos sem alterar sua arquitetura ou fluxo de trabalho.

Segundo, a economia de poder computacional deve ser transparente e impulsionada pelo sistema. Os preços variam dinamicamente com a carga da rede, não por contratos fixos. Na fase inicial, o custo de inferência é projetado para ser significativamente menor que o de provedores centralizados, pois os participantes são recompensados não só por taxas de usuário, mas também por recompensas semelhantes à emissão de Bitcoin, proporcional à capacidade de poder computacional disponível.

Essa estrutura permite que agentes de IA operem eficientemente dentro de um orçamento. Com a evolução da rede, os parâmetros de precificação continuam sob governança comunitária.

Terceiro, confiabilidade é reforçada na camada de protocolo. Em ambientes centralizados, ela vem de certificações e SLAs. Em infraestrutura descentralizada, é suportada por código aberto, auditorias de terceiros e provas de cálculo verificáveis na cadeia, além de provas de desempenho da rede.

Esses elementos permitem que agentes de IA solicitem poder computacional de forma transparente e aloque orçamentos de forma eficiente. Assim, Gonka fornece a infraestrutura para uma economia de poder computacional de IA autorregulada, onde agentes podem não só executar tarefas, mas também otimizar dinamicamente seus recursos dependentes.

Pergunta: Como Gonka lida com a incerteza regulatória crescente em torno de tecnologias descentralizadas? Como ela responde proativamente às questões de soberania de dados e conformidade de governança de IA em um mercado global fragmentado?

Resposta: No contexto de poder computacional descentralizado, o principal desafio é equilibrar a abertura da rede com os requisitos jurídicos e regulatórios em constante evolução.

Gonka é uma rede global sem permissão — qualquer pessoa pode ingressar, e o roteamento entre participantes é feito programaticamente. Atualmente, os usuários não podem garantir onde suas requisições serão processadas geograficamente. Para cenários com requisitos rígidos de residência de dados ou processamento regional, isso pode ser uma limitação.

Por outro lado, essa arquitetura reduz a centralização de dados. Cada requisição é roteada aleatoriamente por participantes independentes, evitando a acumulação de históricos completos de usuários. Até agora, esse modelo cobre a maioria dos casos de uso práticos, ao mesmo tempo que permite a expansão da rede.

À medida que a rede cresce e as demandas de mercado se tornam mais claras, mecanismos de governança podem permitir que participantes proponham e votem mudanças na arquitetura para atender a requisitos específicos. Essas mudanças podem incluir: sub-redes dedicadas com padrões adicionais de participação, restrições operacionais por jurisdição ou garantias de hardware específicas, como ambientes de execução confiáveis (TEE).

A descentralização não elimina obrigações de conformidade. Ela oferece flexibilidade na arquitetura. Gonka é projetada para evoluir conforme as regulamentações e demandas de mercado, ao invés de ficar presa a um único modelo de conformidade desde o início.