O que as pessoas querem dizer quando dizem token de IA
No início de 2024, a expressão token de IA normalmente significava um projeto como FET ou TAO que usava uma blockchain para coordenar machine learning. No final de 2024 e já em 2025, o mesmo rótulo começou a abranger um conjunto de ativos muito mais confuso. Alguns encaminham pagamentos entre agentes de software autónomos. Outros apresentam-se como mercados de computação. Alguns são simplesmente meme coins que colaram um logótipo de IA numa imagem de um cão e lhe chamaram infraestrutura. Os investidores que os colocam todos no mesmo saco acabam confusos sobre por que razão um token de IA sobe 50x e outro fica estagnado durante dois anos, porque na realidade não estão a competir na mesma corrida.
O ponto de partida honesto é que existem pelo menos três teses distintas sob o chapéu dos tokens de IA, e apenas algumas delas têm produtos funcionais. As três teses são: coordenação de agentes, treino descentralizado e computação descentralizada. Cada uma tem um modelo de receitas diferente, um perfil de diluição diferente e uma forma diferente pela qual o token deve capturar valor. Se um token não consegue responder claramente em qual destes três grupos se enquadra, isso por si só é um sinal de alerta.
Riscos reais antes de seguir uma narrativa de token de IA
A maioria dos tokens que mais subiram sob o rótulo de agentes de IA partilha algumas características desconfortáveis. Foram lançados em 2024 ou 2025, as suas capitalizações de mercado passaram de alguns milhões para várias centenas de milhões em semanas, e a documentação pública descreve um produto que ainda não existe ou que quase ninguém usa. O perfil de risco parece menos um investimento numa empresa de software e mais um investimento num nome de marca que pode ou não chegar a lançar alguma coisa. Essa distinção importa porque a diferença entre uma subida de 50x e uma queda de 90 por cento depende sobretudo de aparecerem utilizadores reais e receitas reais.
Modos de falha específicos a ter em conta. Primeiro, as receitas de launchpads de agentes podem colapsar rapidamente se o launchpad deixar de alojar novos agentes, que foi exatamente o que aconteceu a vários lançamentos baseados em Solana no início de 2025. Segundo, as emissões de sub-redes em TAO significam que, mesmo que a rede funcione, o token que comprou pode ser diluído mais depressa do que as receitas da rede crescem. Terceiro, as redes de computação enfrentam um problema brutal de preços: um fornecedor de cloud centralizado como AWS pode sempre oferecer preços mais baixos do que uma rede descentralizada se a rede não conseguir provar uma vantagem em qualidade ou privacidade. Por fim, vários tokens de agentes de IA bem conhecidos foram associados a clusters de carteiras de insiders, o que significa que um pequeno número de carteiras controla uma grande parte da oferta e consegue mover o preço com pouco esforço. Nada disto significa que as teses estejam erradas. Significa que a distância entre narrativa e produto é grande, e é aí que a maior parte do dinheiro se perde.
As três teses e o que cada token realmente sustenta
A primeira tese é a coordenação de agentes. A ideia é que agentes de software autónomos, que são programas capazes de agir por conta própria, precisam de uma forma de se encontrarem, pagarem uns aos outros e coordenarem trabalho. Os tokens neste grupo destinam-se a ser a unidade de conta e a infraestrutura de taxas dessa camada de coordenação. FET e VIRTUAL apresentam ambas versões desta narrativa, e o ecossistema Virtuals opera uma launchpad de agentes que cobra taxas por novas implementações de agentes.
A segunda tese é o treino descentralizado. Aqui, o token destina-se a pagar a pessoas que contribuem com potência de GPU ou dados para treinar modelos de aprendizagem automática, e a dar aos detentores uma reivindicação sobre a rede resultante. TAO é o principal exemplo. A rede Bittensor opera dezenas de chamadas sub-redes, cada uma um pequeno mercado onde os mineradores competem para produzir o melhor resultado para uma tarefa específica, e as emissões de TAO são a recompensa por esse trabalho. A terceira tese é a computação descentralizada. RENDER é o exemplo mais claro, posicionando-se como um mercado onde pessoas com GPUs inativas podem alugar capacidade a quem precisa de renderizar gráficos ou executar inferência de IA, que é o processo de executar um modelo treinado sobre novos dados de entrada para obter um resultado.
Porque é que esta divisão importa. Se compra um token de coordenação de agentes, está a apostar que o comércio entre agentes se torna uma economia real. Se compra um token de treino, está a apostar que o treino descentralizado consegue superar ou complementar laboratórios centralizados. Se compra um token de computação, está a apostar que os proprietários de GPUs preferem um mercado baseado em tokens a um contrato tradicional de cloud. São três indústrias diferentes, com três concorrentes diferentes e três horizontes temporais diferentes. Tratá-las como uma única operação é a forma como as pessoas acabam por explicar perdas com a palavra IA.
Como distinguir um token de agente de um invólucro meme
O filtro mais útil é perguntar o que o token realmente faz dentro do produto. Um verdadeiro token de coordenação de agentes deve aparecer nos dados de transações como o ativo que os agentes usam para pagar serviços ou para fazer stake. Um verdadeiro token de rede de treino deve ser distribuído como recompensa a mineradores de sub-redes, com emissões visíveis on-chain. Um verdadeiro token de computação deve fluir de arrendatários para fornecedores de GPU, com utilização e taxas publicamente rastreáveis. Se um token não faz nenhuma destas três coisas, é muito provavelmente um invólucro meme com um tema de IA.
Verificações concretas. Procure uma página de produto funcional que identifique uma API ou serviço específico, não apenas uma declaração de visão. Procure contagens de transações on-chain do token que não estejam concentradas em poucas carteiras. Procure receita: uma launchpad deve publicar taxas cobradas, um serviço de API deve publicar volumes de chamadas, uma rede de computação deve publicar trabalhos concluídos. A launchpad de agentes da VIRTUAL é um caso de teste útil porque a equipa Virtuals publicou números de receita da launchpad, e o token VVV, ligado à Venice API, foi promovido em parte com base nas suas alegações de utilização da API. A questão não é saber se esses números são bons. A questão é que os números são visíveis, o que já os separa de uma longa cauda de tokens de IA que publicam apenas gráficos de preços.
WLD merece uma menção separada. O WLD da Worldcoin fica na fronteira destas categorias. Não é propriamente um token de agente, de treino ou de computação, mas sim um token de prova de humanidade ligado a uma rede de identificação biométrica. É frequentemente arrastado para cabazes de tokens de IA porque os agentes de IA precisam de verificar que estão a lidar com um humano e não com um bot, o que é um caso de utilização real, mas a mecânica do token está mais próxima de um projeto de identidade digital do que de qualquer uma das três teses de IA. Misturar WLD num cabaz de tokens de agentes é um erro comum de carteira.
O que os dados on-chain realmente mostram
Para a coordenação de agentes, o sinal público mais limpo é a receita da launchpad. A Virtuals reportou taxas trimestrais de vários milhões de dólares provenientes da sua launchpad de agentes, o que é um número não negligenciável para um lançamento em 2024, e dá à VIRTUAL uma reivindicação mensurável sobre a atividade. FET é mais antigo e mais abrangente, operando a stack Fetch.ai em serviços de agentes e uma fusão recente com outros projetos relacionados com IA, mas o seu volume diário de transações de agentes é mais difícil de verificar on-chain porque grande parte da atividade ocorre em chains parceiras ou em APIs off-chain.
Para o treino descentralizado, as emissões das sub-redes de TAO são o número principal. A rede Bittensor emite continuamente novos TAO para mineradores de sub-redes, e a taxa dessa emissão é visível on-chain. Essa transparência é boa para a honestidade e má para os detentores, porque as emissões são uma forma de diluição. A tese é que o valor criado pelos resultados das sub-redes acabará por superar a nova oferta, mas isso tem de ser provado, não assumido. A Subnet 19, focada em inferência, atraiu atenção porque se liga mais diretamente à procura em forte crescimento pela execução de modelos de IA, mas ainda está numa fase inicial.
Para computação, RENDER é o nome mais estabelecido. Concluiu uma migração para Solana em 2024 e agora mostra atividade real de burn-and-mint ligada a trabalhos de renderização. RENDER ainda não iguala a escala de receita de um hyperscaler, mas tem a narrativa de produto mais defensável dos três grupos, porque o caso de utilização, renderização e inferência, é concreto e os fornecedores e clientes são identificáveis. O risco é a concorrência de fornecedores de cloud centralizados e de outras redes de computação baseadas em tokens que entram no mesmo mercado.
Como avaliar cada grupo sem se enganar a si próprio
Os tokens de coordenação de agentes são os mais difíceis de avaliar porque o produto é sobretudo uma narrativa sobre atividade futura. Um modelo mental útil é pegar na receita da launchpad ou das transações, aplicar um múltiplo que reflita quão duradoura acredita que essa receita será, e dividir pela oferta em circulação. Se a capitalização de mercado implícita estiver abaixo do preço atual, tem uma lacuna de avaliação aproximada. Se o projeto não tiver receita, está essencialmente a atribuir preço à probabilidade de essa receita vir a existir, e a resposta honesta é dimensionar a posição como se esperasse estar errado.
Os tokens de treino e computação são ligeiramente mais fáceis porque existe um número de utilização ao qual se ancorar. Para TAO, observe as emissões das sub-redes em comparação com as taxas capturadas pelas sub-redes. Quanto mais a atividade das sub-redes for paga em TAO em vez de emitida como subsídio, mais o token se comporta como uma economia real. Para RENDER, observe o número de trabalhos e o tamanho médio dos trabalhos, e compare o crescimento desses números com o crescimento da capitalização de mercado do token. Se a capitalização de mercado estiver a crescer muito mais depressa do que a utilização, a operação é narrativa, não fundamentos.
Em todos os três grupos, uma regra prática ajuda. Um token ligado a um número mensurável, on-chain e verificável por terceiros tem um risco diferente de um token cuja principal métrica é um gráfico no site do projeto. Quanto mais perto conseguir chegar de dados primários, maior será a sua probabilidade de não comprar no topo de um ciclo narrativo.
O que isto significa para quem está a construir uma posição hoje
A conclusão prática é que a exposição a tokens de AI não é uma decisão única, mas sim um conjunto de decisões separadas. Se acredita que o comércio entre agentes será uma economia real, dimensione VIRTUAL ou FET em conformidade e aceite que a maior parte dessa aposta está em ativos numa fase inicial, onde o risco de venda por insiders é elevado. Se acredita que o treino descentralizado produzirá modelos capazes de competir com laboratórios centralizados, TAO é a expressão mais direta, mas tenha em conta a diluição e o facto de a maior parte da produção das sub-redes hoje ser investigação, não tráfego de produção. Se acredita que proprietários e arrendatários de GPU usarão um marketplace baseado em tokens, RENDER é o nome mais consolidado, e o trabalho está em avaliar se o seu crescimento acompanha a sua valorização.
Resista à tentação de juntar tudo isto num único cabaz de AI e chamar-lhe diversificado. Deter VIRTUAL, TAO e RENDER não é o mesmo que deter três ações de AI. É deter três empresas em três setores diferentes que por acaso partilham um tema. Trate-as com o mesmo ceticismo que aplicaria a um cabaz de tokens DeFi de 2021 depois do verão do yield farming: a maioria não sobreviverá na sua forma atual, e os sobreviventes serão aqueles que lançaram produtos enquanto todos os outros publicavam gráficos.
Acompanhe tokens cripto de AI com sinais reais, não com impressões
Os tokens de AI movem-se depressa e as notícias à sua volta movem-se ainda mais depressa. Acompanhar manualmente taxas de launchpads, emissões de sub-redes e utilização de API é uma batalha perdida. O Zippfeed agrega manchetes sobre tokens de AI com classificação de sentimento (bullish, neutral ou bearish) e uma classificação de importância, para que possa identificar que projetos estão a lançar produto e quais estão apenas a aproveitar a narrativa.
CoinDesk
