No relatório “State of AI 2025”, Messari dedica um capítulo inteiro à Decentralized AI (deAI), definindo-a não como uma alternativa ideológica à AI tradicional, mas como um complemento necessário para garantir transparência, segurança e participação global.
Em um mundo onde os modelos se tornam black box e o poder dos laboratórios privados cresce, o papel da deAI não é teórico: é uma resposta estrutural aos desafios da nova ordem da inteligência.
A inteligência artificial está se tornando a infraestrutura digital mais estratégica do planeta. Mas enquanto os gigantes da tecnologia consolidam seu domínio, cresce um movimento paralelo que deseja construir uma IA radicalmente diferente: aberta, verificável, permissionless e distribuída.
Sumário
O que é a Decentralized AI (deAI)?
O deAI é um sistema de IA construído em redes distribuídas, onde:
- os dados podem ser coletados, rotulados e trocados de forma permissionless;
- o cálculo é realizado em redes globais de GPUs independentes;
- os modelos podem ser treinados e utilizados de forma coordenada, sem uma única autoridade de controle;
- privacidade, verificabilidade e reputação são garantidas através de blockchain, criptografia e sistemas de atestação;
- os agentes de IA podem transacionar, identificar-se e colaborar em um ambiente trustless.
Em outras palavras:
A deAI é a infraestrutura que permite construir uma IA aberta “para qualquer um e por qualquer um”, sem depender de um gigante privado.
Por que a deAI se torna necessária?
Messari divide as razões em duas categorias: filosóficas e práticas.
🔹 Filosofia
- Concentração de poder
A IA centralizada dá um controle enorme a poucas empresas (OpenAI, Google, Anthropic). Isso influencia narrativas, acesso a dados, padrões tecnológicos e até mesmo processos sociais. - Opacidade
Não sabemos como os modelos foram treinados, quais dados utilizam, quais vieses incorporam. - Confiança limitada
Não existem garantias verificáveis de que o modelo fornecido seja o declarado ou que trate os dados de forma correta.
🔹 Prática
- Coordenação global
As blockchains permitem coordenar milhões de dispositivos e colaboradores sem necessidade de confiança. - Verificabilidade on-chain
Identidade, reputação, estado do modelo e integridade podem ser registrados de forma imutável. - Pagamentos nativos
Os agentes de IA precisam de pagamentos instantâneos, microtransações e liquidação imediata: aqui, crypto é insubstituível. - Escalabilidade através de redes distribuídas
A deAI aproveita hardware já existente (PC gaming, edge devices, pequenos data centers), não apenas GPU hyperscaler.
A deAI Stack: os 6 níveis que compõem o ecossistema
O relatório descreve em detalhe a stack tecnológica da deAI, composta por 6 camadas interconectadas: Data → Compute → Training → Privacy/Verification → Agents → Applications.
Vamos analisá-los um por um.
1. Camada de Dados
O coração de cada sistema de IA é o dataset.
Na deAI, os dados são coletados, etiquetados, armazenados e trocados através de redes distribuídas.
Atividades principais:
- coleta de dados (vídeo, áudio, sensores, interações reais)
- etiquetagem através de marketplaces incentivados
- limpeza & pré-processamento
- armazenamento em redes distribuídas (Filecoin, Arweave, Jackal)
- mercados de dados (Ocean, Vana, Cudis)
A descentralização permite:
- maior diversidade de dados
- incentivos econômicos diretos aos contribuidores
- verificabilidade (proveniência, timestamp, identidade)
- redução do custo dos datasets proprietários
Com a “data famine” prevista até 2030, esta camada torna-se crucial.
2. Camada de Computação
Aqui ocorre a parte mais cara da IA: realizar o treinamento e a inferência.
As redes de computação descentralizada (DCN):
- Akash
- Render
- io.net
- Aethir
- Hiperbólico
- EigenCloud
- Exabits
O principal benefício: disponibilizam computação sob demanda a preços de mercado, não impostos por um provedor de nuvem.
Historicamente ineficazes para o treinamento em larga escala (devido a latências e sincronizações), hoje os DCN são perfeitos para servir inferência, porque:
- requer menos comunicação entre GPUs
- pode ser executada em hardware heterogêneo
- é o segmento destinado a representar 50–75% da demanda de computação até 2030
3. Camada de Treinamento & Inferência
Messari distingue claramente:
Pré-treinamento
Extremamente difícil de descentralizar:
requer conjuntos de dados enormes, sincronização rigorosa, largura de banda altíssima.
Pós-treinamento (SFT / RLHF / RL)
Perfeito para redes distribuídas:
- mais assincronia
- menos comunicação
- mais escalabilidade
- possibilidade de crowdsourcing de dados
Inferência descentralizada
É o elo perdido que torna a deAI utilizável na vida real.
Exemplos citados no relatório:
- Prodia
- Quedas
- Fortytwo Network
- dria
- inference.net
4. Camada de Privacidade & Verificação
É aqui que entram em cena as tecnologias criptográficas mais complexas.
Técnicas fundamentais:
- ZKML (zero-knowledge machine learning)
- Optimistic ML (verificação através do período de desafio)
- ML baseado em TEE (ambientes de execução confiáveis)
- FHE (encriptação homomórfica totalmente)
- MPC (computação multipartidária)
- Aprendizado federado
Objetivo:
Garantir que um modelo foi calculado corretamente, sem modificações e sem expor dados sensíveis.
Projetos mencionados:
- Phala (TEE)
- Zama (FHE)
- Nillion (MPC)
- EZKL (ZKML)
- Lagrange (zkML + infraestrutura de verificação)
Este é o layer mais importante para a adoção empresarial.
5. Agentes & Camada de Orquestração
O relatório analisa como os autonomous agents estão se tornando a nova “interface” da IA.
Um stack completo inclui:
- modelo base (LLM ou SLM)
- ferramentas (API, carteira, automação de navegador)
- framework (ElizaOS, Daydreams, Olas, Questflow)
- padrões de comunicação
- coordenação multi-agente
- integridade verificável (prompt inviolável, reasoning verificado)
As blockchains desbloqueiam para os agentes:
- identidade
- reputação
- pagamentos self-custodial
- acesso trustless a serviços financeiros
- auditabilidade
Os agentes serão os principais “usuários” da blockchain nos próximos 5 anos.
6. Camada de Aplicações
O nível final: os aplicativos construídos em toda a stack.
Exemplos:
- agentes de trading
- bots DeFi autonômicos
- browsers autónomos
- sistemas de cibersegurança
- rotulagem de dados com IA
- universos multi-agente para gaming, discovery ou e-commerce
- motores de recomendação descentralizados
As apps deAI funcionam como IA normais, mas com três diferenças:
- transparência
- verificabilidade
- interoperabilidade com crypto
Por que agora? As 5 forças que impulsionam a deAI
Messari identifica cinco megatendências que criam um terreno perfeito para o crescimento da decentralized AI:
- Demanda de inferência em crescimento vertical
- Esgotamento dos dados públicos e solicitação de dados proprietários
- Explosão dos agentes de IA que devem transacionar autonomamente
- Guerra global pelo talento e custos proibitivos do compute
- Avanços na descentralização do treinamento e da verificação
A IA centralizada não pode satisfazer tudo: é necessária complementaridade.
Conclusão: a deAI é a base da IA aberta, verificável e participativa
A IA descentralizada não é uma tendência: é uma resposta estrutural.
À medida que os modelos crescem e o poder das Big Tech se concentra, a necessidade de:
- verificar
- descentralizar
- atestear
- coordenar
- compensar
- proteger
- distribuir
torna-se central.
A deAI é a infraestrutura que permite à AI ser não apenas poderosa, mas também:
- aberta
- segura
- distribuída
- acessível globalmente




