Porque é que estes três tokens são comparados em primeiro lugar
Pesquise qualquer newsletter de cripto em 2024 e encontrará 'IA descentralizada' apresentada como a próxima grande narrativa. Três tickers aparecem vezes sem conta: VVV, RENDER e FET. Os materiais de marketing apoiam-se nas mesmas palavras da moda: poder de GPU, agentes de IA, privacidade, redes abertas. Um comprador que chega a esta página está provavelmente a olhar para três gráficos que se moveram durante o último ciclo de notícias sobre IA e a perguntar-se qual deles faz realmente o que promete.
A resposta honesta é que 'IA descentralizada' é um recipiente de marketing, não uma categoria de produto. Cada projeto situa-se numa camada diferente de uma pilha muito flexível, e tratá-los como substitutos é a forma como os traders de retalho acabam demasiado expostos a uma única narrativa que pode nem sequer dar retorno. Antes de comparar valorizações ou 'qual é o melhor', vale a pena separar o que cada um realmente entrega.
O risco aqui é estrutural, não técnico. As narrativas em cripto tendem a inflacionar vários projetos ao mesmo tempo e depois a esvaziar quando o capital roda. Quem compra 'tokens de IA' como um cabaz deve esperar o mesmo padrão de boom e queda que atingiu o verão DeFi, o play-to-earn e os ICOs antes deles. Este enquadramento importa porque o resto deste artigo trata de qual dos três tem algo concreto para mostrar quando a narrativa arrefece.
O que cada projeto faz realmente
Venice (VVV) é uma API de inferência privada para grandes modelos de linguagem. Os utilizadores gastam VVV para enviar prompts a modelos open-weight encaminhados pela aplicação Venice, com a promessa declarada de que os prompts e o histórico não são usados para treino. O token tem duas funções principais: pagar inferência e fazer staking para receber uma parte da receita de inferência, além de acesso a créditos diários de API. Os stakers tornam-se essencialmente microfornecedores de créditos de computação em troca de taxas do protocolo.
Render (RENDER) é um mercado de computação GPU anterior à vaga de IA. O caso de uso original era descarregar trabalhos de renderização 3D para capacidade GPU disponível. Após a migração para Solana em 2024 e a reestruturação da Render Network Foundation, o projeto expandiu-se para cargas de trabalho de inferência e treino de IA. A economia burn-and-mint liga RENDER ao trabalho efetivamente realizado: os clientes gastam tokens, uma parte é queimada, e os fornecedores ganham o restante. Isso torna a utilização visível on-chain de uma forma que a maioria dos 'tokens de IA' não consegue.
Fetch.ai (FET) é o mais antigo dos três e já fez rebranding duas vezes. Começou como um framework para agentes económicos autónomos, depois, em 2024, fundiu-se com SingularityNET e Ocean Protocol sob o chapéu da Artificial Superintelligence (ASI) Alliance. A tese é uma stack aberta para agentes de IA, com FET a funcionar como o token unificado de gas e staking entre os membros da aliança. As funções do token incluem pagar serviços de agentes, fazer staking na blockchain Fetch.ai e participar na governação.
Leia estas três descrições lado a lado e a diferença é óbvia: um vende consultas privadas de IA, outro vende ciclos brutos de GPU, e outro coordena software multiagente. Juntá-los apenas porque a palavra 'IA' aparece em cada página inicial é a armadilha da comparação.
Receitas, utilizadores e outras métricas que existem de facto
Os materiais de marketing raramente concordam sobre o que conta como 'adoção real'. Eis o que cada projeto consegue realmente documentar.
Render. As taxas da rede são queimadas em cada tarefa, o que significa que a receita é observável em termos de token on-chain e tem sido auditada nos relatórios financeiros públicos da Render há anos. A parceria com a OTOY tem historicamente impulsionado procura real por parte de estúdios e artistas. Após a migração de cadeia em 2024, a Render começou a publicar valores trimestrais de receita denominados em RENDER e USDC, incluindo clientes empresariais como a Stability AI a usar a rede para inferência. Nenhum outro projeto nesta comparação tem esse tipo de histórico plurianual.
Venice. A app Venice divulga utilizadores ativos diários, pedidos de inferência pagos e uma tesouraria que detém uma parte das taxas. Como o staking de VVV paga em USDC com base nessas taxas, a linha de receita é auditável on-chain. O senão é que o produto foi lançado em 2024 e a base de utilizadores, embora em crescimento, é pequena face às apps de AI para consumidores. Existe também uma diferença significativa entre 'pedidos de inferência' e 'receita por pedido', porque grande parte da utilização inicial veio de créditos subsidiados distribuídos a stakers.
FET. Esta é a narrativa de divulgação mais fraca das três. A Fetch.ai publica atividade de programadores e contagens de agentes, mas uma grande parte das transações históricas de FET remonta a listagens em exchanges, recompensas de staking e programas de subsídios. A fusão da ASI Alliance acrescentou mais superfície de marca, mas não se traduziu de imediato em receita transparente. Os agentes na Fetch.ai têm sido em grande medida demonstrações e pilotos de investigação, em vez de clientes pagantes, embora a Ocean Protocol contribua com atividade de mercado de dados que está parcialmente ligada a FET.
Um modelo mental útil: RENDER é um marketplace funcional com comprovativos, VVV é uma API jovem com comprovativos em crescimento, e FET é um ecossistema de investigação e subsídios que fala mais de agentes do que os fatura.
Tokenomics, desbloqueios e concentração de insiders
Os desbloqueios de tokens são onde a maioria das comparações de 'tokens de AI' se desfaz. Um projeto pode ter uma ótima tecnologia e, ainda assim, ver o seu gráfico colapsar se insiders iniciais e fundos de venture capital estiverem sentados sobre uma falésia de pressão vendedora.
VVV foi lançado com uma oferta em circulação que era uma pequena fração do total. A equipa, os primeiros apoiantes e a fundação receberam alocações com vesting plurianual, e uma parte significativa das emissões é encaminhada para stakers em vez do mercado aberto. O rendimento de staking é pago em USDC, o que reduz a pressão vendedora constante por parte dos destinatários das recompensas, mas cria um risco diferente: se a receita de inferência estagnar, o rendimento seca e os stakers podem desfazer posições.
RENDER existe há tempo suficiente para que grande parte da alocação original da equipa e dos consultores já tenha feito vesting. Após a migração de 2024, a Render Foundation publicou um calendário de oferta transparente e comprometeu-se a usar uma parte dos fundos de tesouraria para queimar tokens em paralelo com a utilização. A concentração de insiders é moderada, e não há uma grande falésia de venture capital no horizonte imediato. Isso é raro nesta categoria.
FET carrega o peso legado mais pesado. A venda privada de 2018, as listagens em exchanges e várias campanhas de incentivos lideradas pela fundação criaram uma base ampla de detentores, mas também uma longa cauda de tokens desbloqueados. A consolidação da ASI Alliance colocou uma tesouraria significativa sob controlo partilhado, o que pode ser estabilizador ou arriscado, dependendo de como é governado. Os rendimentos de staking em FET têm sido historicamente financiados por emissões, não por taxas, o que significa que os detentores são pagos em mais FET e esse FET tem de encontrar um comprador.
Ao comparar estes tokens, a pergunta não é apenas 'quem tem o melhor produto', mas 'quem tem menor probabilidade de ser diluído até ao esquecimento'. Nessa medida, RENDER ocupa atualmente a posição mais forte, VVV fica no meio, e FET é o que deixa mais perguntas em aberto.
Primeiro o risco: o que pode realmente correr mal
Mesmo o projeto desta categoria que soa mais limpo tem modos reais de falha, e fingir o contrário seria desonesto.
Risco de concentração. Os três tokens são dominados por um pequeno número de carteiras. Uma venda coordenada pela fundação, pela equipa ou pelos primeiros apoiantes faria o preço mover-se de forma brusca, independentemente da utilização. Os dados de concentração de tokens são públicos nos exploradores de blocos, e qualquer pessoa que considere uma posição deve verificar a lista dos maiores detentores antes de aumentar a exposição.
Risco regulatório. Os tokens de AI descentralizada estão numa posição desconfortável. Se um token for posteriormente classificado como valor mobiliário numa grande jurisdição, as exchanges dos EUA podem retirá-lo da lista de um dia para o outro. A postura da SEC em relação a tokens com tema de AI ainda está a evoluir, e a ASI Alliance em particular abrange várias entidades legais em vários países, o que acrescenta complexidade.
Risco tecnológico. A Render depende de oferta contínua de GPU e de clientes reais escolherem renderização descentralizada em vez de AWS ou CoreWeave. A Venice depende de a qualidade dos modelos open-weight continuar à frente dos modelos fechados. A FET depende de a narrativa dos agentes produzir aplicações pagantes reais em vez de demonstrações. Se alguma destas premissas falhar, a vantagem 'descentralizada' encolhe rapidamente.
Risco de pessoa-chave. Cada projeto tem um pequeno grupo de figuras públicas cuja reputação impulsiona uma parcela desproporcionada da procura. Ciclos em que essas figuras ficam silenciosas têm historicamente correlação com a perda de atenção.
Padrão histórico. O precedente mais próximo é a rotação do 'DeFi summer' de 2021. Os tokens desse grupo subiram em conjunto e depois desacoplaram de forma acentuada com base na receita e na retenção de utilizadores. Espere a mesma dispersão aqui.
Como um comprador deve realmente compará-los
O exercício mais útil é traduzir a 'tese de token de AI' em perguntas com respostas de sim ou não.
- O token tem um fluxo de taxas que não depende de emissões?
- A base de clientes está a pagar dinheiro real ou a ganhar incentivos?
- Os desbloqueios de insiders são visíveis, e estão programados para mercados pouco líquidos?
- O projeto está a lançar atualizações de produto independentemente da ação do preço do token?
- O produto sobreviveria se a 'narrativa de AI' desaparecesse durante dois anos?
Aplique essas perguntas a VVV, RENDER e FET e as diferenças aparecem rapidamente. A Render é o único projeto em que a resposta é 'sim' para a maioria delas hoje. VVV pontua bem nas duas primeiras, mas é demasiado recente para as duas últimas. FET pontua de forma inconsistente: forte nas duas últimas, fraco nas três primeiras.
Nada disso significa que um deles seja 'o melhor'. Significa que a comparação deve ser sobre quais riscos um comprador se sente confortável em manter, não sobre qual whitepaper parece mais inteligente.
Como acompanhar o setor de AI descentralizada de forma inteligente
O setor de AI descentralizada evolui rapidamente, tal como as notícias à sua volta. Acompanhar manualmente métricas de utilização, calendários de desbloqueio e relatórios de receitas em três projetos, mais os respetivos concorrentes, é uma batalha perdida. Zippfeed destaca manchetes de AI-crypto com classificação de sentimento (bullish, neutral ou bearish) e uma classificação de importância, para que possa ver que histórias realmente fazem mexer os preços dos tokens e quais são apenas entusiasmo reciclado.
CoinDesk
