Pular para o conteúdo
  • BTC $61.892 −2,6%
  • ETH $1.743 −3,4%
  • SOL $72,69 −3,0%
  • BNB $571,50 −2,9%
  • XRP $0,9669 −1,2%
  • DOGE $0,0576 −2,8%
  • ADA $0,1500 −2,4%

Frontier Data e Physical AI: a nova corrida do ouro da inteligência artificial (e por que a blockchain se torna indispensável)

Nos últimos dez anos, a inteligência artificial cresceu alimentando-se principalmente do mesmo recurso.

Nos últimos dez anos, a inteligência artificial cresceu alimentando-se principalmente do mesmo recurso: os dados públicos da web. Textos, imagens, documentos, fóruns, notícias, blogs, repositórios… uma quantidade enorme de material que os modelos absorveram para construir sua linguagem e suas capacidades cognitivas. Mas esta fase está prestes a terminar.

De acordo com as projeções citadas por Messari, a quantidade total de texto público utilizável para o treinamento dos modelos—cerca de 300 trilhões de tokens—poderia ser completamente esgotada entre 2026 e 2032. Isso significa que os grandes modelos “consumiram a internet”, e agora precisam de algo mais. A próxima fronteira da IA não será mais a web: será o mundo real.

É aqui que entra em jogo o conceito de frontier data, o recurso que definirá a competitividade dos modelos do futuro. Dados de vídeo, áudio, sensoriais, motores, robóticos, dados de ação, dados gerados pela interação com o mundo físico ou com interfaces digitais complexas. Dados que não podem ser simplesmente baixados: devem ser coletados, coordenados, verificados e, acima de tudo, incentivados.

Por isso, a blockchain não é um detalhe ou um acréscimo marginal: é a infraestrutura que permite orquestrar esta nova economia dos dados.


O fim do “web scraping” e o início dos dados de altíssimo valor

Os modelos mais avançados de 2025—não apenas linguísticos, mas também multimodais, agentivos e orientados ao raciocínio—não melhoram mais com a simples adição de datasets textuais genéricos. Eles precisam de algo muito mais específico e muito mais caro de coletar: dados que refletem ações, intenções, movimento, interação, manipulação, contexto.

É o caso, por exemplo, dos computer-use agents, as IA capazes de interagir diretamente com o computador como faria um ser humano. Para treinar esses sistemas, as descrições textuais não são suficientes: são necessárias “trajetórias”, ou seja, gravações reais de pessoas executando tarefas na tela.

Um protocolo como o Chakra, citado no relatório, construiu uma extensão que permite aos usuários gravar a própria tela enquanto realizam tarefas diárias: navegar em um sistema de gestão, preparar um documento Excel, editar imagens, usar softwares profissionais. Essas gravações tornam-se material valiosíssimo para treinar modelos como o GLADOS-1, o primeiro modelo de uso de computador construído quase inteiramente com dados crowdsourced.

E é exatamente esse o ponto: esses dados não existem até que alguém os produza. E devem ser pagos. Assim como se paga pela energia ou pela inferência.


O valor crescente dos Gameplay-Action Pairs

Outro exemplo claro vem do mundo dos videojogos. Uma plataforma como a Shaga, criada como uma rede de cloud gaming descentralizada, produz um subproduto valiosíssimo: os chamados Gameplay-Action Pairs (GAP), ou seja, pares sincronizados do que acontece na tela e dos comandos que o jogador executa.

Trata-se de dados que não podem ser recuperados simplesmente assistindo a vídeos no YouTube: é necessário capturá-los na fonte, no dispositivo do jogador. E esse tipo de dataset, segundo estimativas relatadas pela Messari, pode valer até 50–100 dólares por hora de jogo.

Para contextualizar: Shaga já acumulou mais de 259.000 horas de gameplay, com um valor estimado de mais de 26 milhões de dólares. E não é por acaso que a OpenAI, um ano antes, ofereceu meio bilhão para adquirir a Medal, uma plataforma semelhante especializada precisamente em gravação de gameplay.

Esses dados são usados para treinar os world models, modelos que não se limitam a interpretar a linguagem, mas a simular a física, a causalidade e a interação agente-ambiente. São os modelos que tornarão possíveis robôs mais inteligentes, agentes autônomos, sistemas de previsão avançados e IA capazes de “se mover” em ambientes complexos.


Physical AI: a inteligência que entra no mundo físico

E é exatamente aqui que chegamos à segunda grande onda do frontier data: os dados robóticos.

A IA do futuro não viverá apenas nos data centers. Viverá nos robôs, nos drones, nos carros autônomos, nos sensores distribuídos, nos dispositivos domésticos inteligentes. Cada robô precisará de dados para aprender a se mover, identificar objetos, tomar decisões, manipular ambientes. E essa coleta de dados é incrivelmente cara: requer hardware físico, operadores humanos para a teleoperação, manutenção e coordenação contínua.

Projetos como PrismaX, BitRobot, GEODNET e NATIX estão começando a usar mecanismos incentivados típicos do Web3 para distribuir esse custo em uma rede global de contribuidores. Em vez de ter uma única empresa coletando dados robóticos, milhares de usuários podem fazê-lo de forma coordenada, recebendo compensações diretas.

É a mesma lógica da mineração: mas em vez do poder de cálculo, aqui a contribuição é o dado real.


Coordenação máquina-a-máquina: quando a IA atua no mundo real

Se os robôs e os agentes de IA começarem realmente a interagir com o mundo físico, será necessário um nível completamente novo de coordenação. Os robôs deverão:

  • identificar-se entre si,
  • transacionar pagamentos,
  • adquirir serviços,
  • consumir dados,
  • executar tarefas de forma verificável,
  • demonstrar ter realizado uma ação,
  • confiar em registros compartilhados de identidade e reputação.

É aqui que surgem iniciativas como OpenMind e Peaq, que tentam construir uma infraestrutura onchain dedicada à comunicação e identidade dos robôs. Um equivalente do DNS, mas para as máquinas. Um sistema onde drones, carros autônomos, braços robóticos ou sistemas industriais podem sinalizar sua presença, certificar suas ações, pagar outros sistemas e trocar serviços.

É o início da machine economy, uma economia povoada por entidades não humanas que interagem autonomamente em redes descentralizadas.


Dados reais certificados: o papel da IoTeX e das redes DePIN

O relatório dedica um foco importante também ao IoTeX, um protocolo que nos últimos anos transformou sua infraestrutura em uma plataforma completa para a coleta, certificação e orquestração de dados reais.

IoTeX permite conectar sensores, dispositivos IoT, sistemas domésticos e dispositivos industriais, fornecendo:

  • uma identidade onchain verificada para cada dispositivo,
  • um sistema de agregação de dados,
  • um nível de atestação criptográfica através de ZK,
  • APIs que permitem aos agentes de IA utilizar esses dados em tempo real.

Hoje, a IoTeX coordena mais de 16.000 dispositivos e dezenas de projetos verticais, oferecendo aos agentes de IA a possibilidade de acessar dados verificados provenientes do mundo real. Uma diferença enorme em relação ao simples scraping.


O ponto de chegada: o dado como ativo financeiro

De acordo com Messari, a trajetória é clara: os dados estão se tornando um recurso financeiro em todos os aspectos. Assim como hoje é possível investir em computação, GPU e colocation, no futuro será possível investir em “fluxos de dados”, adquirir direitos de uso, apoiar redes que coletam frontier data e obter retornos econômicos em troca.

É uma evolução quase inevitável: se o dado se torna escasso, valioso, difícil de produzir, então terá um mercado, um preço, uma demanda e uma oferta.

A blockchain, mais uma vez, é a camada ideal para:

  • coordenar esta economia,
  • verificar a integridade,
  • rastrear a proveniência,
  • distribuir as compensações,
  • proteger os usuários,
  • sustentar a escalabilidade global.

Conclusão

A IA não progredirá graças a modelos cada vez maiores, mas sim a dados cada vez mais ricos, provenientes do mundo real e coletados através de redes globais de contribuidores. É a maior corrida ao ouro da próxima década: não a dos chips, mas a dos dados.

Os protocolos Web3 não são um detalhe: são a plataforma natural para coletar, verificar, distribuir e compensar quem fornece esses dados. Se a web foi a matéria-prima da primeira onda de IA, o mundo real será a matéria-prima da segunda.

E desta vez, pela primeira vez, a coleta não será controlada por alguns gigantes, mas pelas redes.

Redes abertas, incentivadoras, descentralizadas: a nova infraestrutura do frontier data.

Francesco Antonio Russo

Todos os artigos de Francesco Antonio Russo