Blockchain Capital: Lições do Mercado Cripto que Investidores de IA Devem Revisitar

Autor: @jonah_b, Investigador na Blockchain Capital

Compilado por: Jiahua, ChainCatcher

É difícil não notar as semelhanças impressionantes entre a atual euforia em torno da IA e as ondas anteriores de entusiasmo no mercado das criptomoedas.

O mercado das criptomoedas é um local adequado para observar como as pessoas agem perante uma vaga tecnológica significativa: há aspetos positivos, negativos e os mais insuportáveis. Isto porque os ciclos no mercado das criptomoedas avançam rapidamente, permitindo que projetos em fase inicial obtenham liquidez que outros mercados têm dificuldade em proporcionar, e o comportamento do mercado é publicamente acessível por defeito, uma vez que os dados da blockchain são inerentemente abertos.

Aprendemos muito com este mercado, e estas experiências são igualmente aplicáveis à IA. Se está a investir em IA, este artigo é para si.

Apostas ao Estilo Lotaria

Os grandes sucessos desencadeiam comportamentos de seguir o líder e criam FOMO. Assim que um tipo de ativo produz um vencedor revolucionário, os investidores apressam-se a entrar, tentando replicar o seu caminho de sucesso. No entanto, a segunda vaga de projetos raramente atinge o nível da primeira, e muitos projetos acabam por se revelar castelos no ar, resultando em perdas significativas de capital.

A Bitcoin tornou-se um ativo de um bilião de dólares. Posteriormente, a Ethereum tornou-se um ativo de cem mil milhões de dólares, e a Solana também se tornou um ativo de vários milhares de milhões de dólares, provando que este mercado pode produzir mais do que um vencedor gigante.

Assim, surgiu a mania de investir em novas blockchains públicas. As empresas de capital de risco trataram estes projetos como bilhetes de lotaria; acertar em apenas um poderia render múltiplos do tamanho total do fundo.

Hoje, as avaliações de muitos laboratórios emergentes de IA também se baseiam em expectativas ao estilo lotaria.

A OpenAI e a Anthropic estão ambas a caminhar para avaliações de um bilião de dólares. A fórmula por detrás disto é simples: primeiro, existe um mercado extremamente popular, depois surge um seguidor comprovadamente bem-sucedido. Assim, cada novo participante é visto como o próximo bilhete de lotaria para a riqueza.

No passado, muitos projetos de Layer 1 alcançaram avaliações de milhares de milhões de dólares baseando-se quase exclusivamente num white paper e numa equipa fundadora. As histórias que contavam também eram muito sedutoras:

E se a economia global funcionasse na nossa blockchain?

De forma semelhante, os laboratórios emergentes de IA angariaram milhares de milhões com base num conjunto de ideias de investigação e equipas fundadoras recrutadas da OpenAI, Anthropic ou Google DeepMind.

E se conseguissem realmente criar o "Deus das Máquinas"?

No entanto, muitas vezes, este investimento limita-se a apostar no aparecimento do próximo comprador disposto a pagar mais.

Muitos investidores iniciais não avaliam necessariamente os fundamentos atuais e as perspetivas futuras da empresa. Sabem que a adição de um talento de renome ou uma parceria com um grande fornecedor de serviços na nuvem pode atrair investidores para elevar novamente a avaliação da empresa. Juntamente com a crescente liquidez no mercado secundário, assumem que o próximo comprador aparecerá sempre.

Caos no Mercado

Como o GP da BCAP @CremeDeLaCrypto mencionou no programa Bankless, quando grandes quantidades de capital fluem para o mercado, haverá sempre "um grupo de especuladores e burlões à procura de dinheiro rápido, a correr para onde está quente."

Durante mais de uma década, os investidores em criptomoedas testemunharam este fenómeno em primeira mão: lote após lote de projetos que afirmam que "os tokens são o produto" foram lançados no mercado sob práticas duvidosas de market-making, estruturas desfavoráveis aos investidores com elevado FDV/baixa circulação, acordos SAFT desvantajosos e uma infinidade de outros truques de mercado.

Agora, a indústria da IA está a representar uma cena semelhante. Por exemplo, aquelas estruturas compostas por três camadas de SPVs, cobrando taxas exorbitantes…

No entanto, existe uma diferença fundamental entre os dois: no mercado das criptomoedas, os preços são públicos e os tokens podem ser negociados abertamente. Os preços e as avaliações das empresas de IA são formados em mercados secundários opacos e ilíquidos.

Mesmo sem discutir comportamentos especulativos, os investidores em IA podem ver no mercado das criptomoedas que as mudanças na estrutura do mercado determinarão onde os lucros acabarão por fluir.

Por exemplo, as apostas pesadas que os investidores em IA estão a fazer agora podem acabar por se transformar numa mercadoria padronizada.

Caso do Mercado das Criptomoedas: O Espaço de Blocos Tornou-se uma Mercadoria

O espaço de blocos já foi escasso e caro, levando o capital a afluir em massa, tentando expandir a oferta.

No entanto, a indústria acabou por exagerar: cada vez mais blockchains de Layer 1 foram lançadas, e a Ethereum também adicionou Layer 2. Em última análise, o espaço de blocos passou de escasso para abundante, até mesmo excessivo.

Isto é bom para o desenvolvimento tecnológico, mas não necessariamente para os investidores. Hoje, muitas Layer 1 alternativas ainda geram receitas muito limitadas.

O mercado inicial apostou geralmente na teoria do "protocolo gordo", mas no final prevaleceu a teoria da "aplicação gorda".

À medida que o espaço de blocos se tornou mais barato, os utilizadores pagaram menos pela infraestrutura subjacente, enquanto gastaram mais em aplicações de camada superior. Aplicações como Tether, Hyperliquid, Aave e Polymarket acabaram por capturar a maior parte das receitas.

Caso da IA: Os Modelos Podem Tornar-se Mercadorias

A IA pode estar a repetir as experiências iniciais do mercado das criptomoedas.

Os laboratórios chineses de IA estão continuamente a tornar públicos pesos de modelos cada vez mais poderosos. Forneci uma explicação sobre os incentivos por detrás disto.

Se os pesos dos modelos se tornarem mercadorias padronizadas e os preços dos modelos continuarem a cair, o valor deslocar-se-á para montante e jusante na cadeia tecnológica.

As aplicações tornar-se-ão os principais beneficiários: se o custo marginal de utilizar modelos se aproximar gradualmente do custo marginal de os executar, as aplicações deixarão de ter de pagar margens elevadas na camada do modelo.

A OpenAI e a Anthropic podem não ser diretamente afetadas por esta mudança, uma vez que já possuem bases de utilizadores, relações com clientes empresariais e canais de distribuição direcionados para programadores. Mas são exceções.

Neste sentido, são mais como o Hyperliquid do campo da IA, em vez de fornecerem apenas infraestrutura subjacente como as Layer 1.

Por outras palavras, a OpenAI e a Anthropic alcançaram integração vertical. Outros laboratórios de IA que não conseguem chegar diretamente aos utilizadores finais podem encontrar-se numa posição mais difícil.

Outro resultado da diminuição das margens de lucro dos modelos é que a energia e o hardware na base da cadeia tecnológica têm a oportunidade de alcançar margens de lucro mais elevadas. Especialmente quando a oferta de poder computacional é limitada por condições físicas, esta tendência pode tornar-se mais pronunciada.

Em suma, a camada de hardware e a camada de aplicações podem retirar mais lucros, enquanto a camada do modelo será espremida. No entanto, uma quantidade significativa de capital de investimento está a fluir precisamente para a camada do modelo.

Nada Disto É Novo

De uma perspetiva cíclica mais ampla, isto não é surpreendente.

Carlota Perez, em "Revoluções Tecnológicas e Capital Financeiro", argumenta que tais revoluções tecnológicas passam por várias fases: período de instalação de infraestruturas, período de frenesim, período de crash e período de implantação.

O capital financeiro tende a investir excessivamente em infraestruturas durante o período de frenesim, mas estas infraestruturas sobreconstruídas, agora com preços baixos, apoiarão o desenvolvimento da próxima geração de aplicações.

Isto ajuda a explicar por que houve sobreconstrução de espaço de blocos no mercado das criptomoedas. A expansão dos modelos no campo da IA pode tornar-se o próximo caso.

Investir em laboratórios emergentes de IA exige acreditar que podem gerar enormes retornos sobre os investimentos em I&D. A história do mercado das criptomoedas e das Layer 1 alternativas deveria, pelo menos, levar-nos a questionar este pressuposto.

Claro que, se surgir AGI, os julgamentos acima podem não se manter. Porque não temos ideia de como será a economia após a chegada da AGI.