Cripto não morreu, apenas entregou talentos à IA

Autor｜Xinyang & Ethan @ IOSG

Em 2026, a curva de atividade do GitHub da comunidade open source de Crypto completou uma surpreendente “fundação”. De um pico de 45 mil desenvolvedores ativos mensais em 2022, caiu para cerca de 23 mil, uma redução aparente pela metade, o que gerou discussões nas redes sociais sobre uma “fadiga de narrativa”. No entanto, ao analisarmos o corte transversal dessa curva, o que vemos não é um encolhimento do setor, mas uma profunda “desalavancagem de talento”.

▲ Fonte de dados: Electric Capital Developer Report, baseado no GitHub do Ecossistema Crypto

Quem saiu? Quem ainda permanece?

Os principais que saíram foram os novatos. Em fevereiro de 2024, o número de novos desenvolvedores no mês atingiu 5462, seguido de uma queda acentuada, com uma taxa de churn de 52% em menos de um ano. Essa turma entrou principalmente durante o mercado de alta, trabalhando em contratos de mint de NFTs, fork de protocolos DeFi, e front-end para novas L2. Esses cargos são altamente dependentes do hype do mercado; quando o entusiasmo diminui, os projetos param de operar e esses cargos desaparecem. Segundo os dados, a contribuição de código dos novatos nunca ultrapassou 25% do total, indicando que esses indivíduos não estavam na camada central do setor desde o início.

▲ Novos Entrantes entram com o mercado em alta, saem na baixa; desenvolvedores experientes (mais de 2 anos) atingem recordes no mesmo período

Fonte de dados: Electric Capital Developer Report

Por outro lado, desenvolvedores com mais de dois anos de experiência não só não diminuíram, como atingiram recordes históricos, contribuindo com cerca de 70% do volume de código. A opinião de Maria Shen, GP da Electric Capital, é direta: “Quando olhamos para o grupo de desenvolvedores estabelecidos, ele está crescendo e parece muito saudável.”

Eles permanecem não por falta de alternativas.

Tecnicamente, o trabalho central em crypto atualmente envolve infraestrutura que geralmente requer anos de experiência para compreender: desenvolvimento de protocolos, auditorias de segurança, arquiteturas cross-chain. Essas tarefas demandam anos de prática para serem dominadas de verdade, e não desaparecem com o hype; não são facilmente substituídas pelo mercado.

Economicamente, muitos veteranos possuem tokens não totalmente vestiados, poder de governança e participação acionária em protocolos. Sua acumulação no setor criou barreiras reais e retornos concretos. Observando a distribuição ecológica, eles estão “votando com os pés”: o crescimento de desenvolvedores no Bitcoin foi de 64,3% em dois anos, Solana +11,1%, enquanto Cosmos caiu 51,1% e Polkadot 46,9%. Os veteranos estão se concentrando em ecossistemas com usuários reais e receita, deixando projetos que ainda dependem de narrativa para se sustentar.

▲ Fonte: Coincub Web3 Jobs Report 2025

Fonte de dados: Web3.Career

A mudança na estrutura de cargos também confirma essa tendência. Em 2025, entre as novas posições Web3, a maior proporção não é de desenvolvedores, mas de Gestão de Projetos & Programas, com mais de 27%. Para uma indústria conhecida por sua forte base tecnológica, isso parece contraintuitivo, mas a lógica por trás é simples: o setor está passando do período de construção para o de execução, com mais de 100 blockchains precisando de integração, clientes institucionais exigindo conformidade e segurança, e DAOs precisando equilibrar interesses diversos. Não se trata de gerenciamento de projetos tradicional, mas de coordenação e julgamento em um ambiente ainda em formação.

Apesar de a superfície do setor parecer encolher, sua densidade central está crescendo. O bear market de 2018-2019 também causou perda de muitos desenvolvedores, mas após isso surgiram projetos fenômeno como Uniswap, Aave, OpenSea, que definiram o mercado de alta de 2020-2021. Os construtores que permanecem agora possuem infraestruturas mais maduras, e a era da IA oferece uma plataforma ainda maior do que a anterior.

O que os que permanecem trazem de habilidades?

Que habilidades especiais o setor de crypto desenvolveu? Para responder, precisamos voltar aos princípios básicos da blockchain: sob as mesmas regras fundamentais, o setor sempre operou ao longo de uma linha de base: código é lei, execução é sentença final.

Em 2016, o incidente The DAO, onde atacantes exploraram uma vulnerabilidade de chamadas recursivas para roubar 36 milhões de dólares. O código não tinha bugs, a lógica funcionou como esperado, mas os limites não foram previstos pelos criadores. Em 2021, a ponte cross-chain Poly Network foi atacada, transferindo 610 milhões de dólares em horas. Não há plataforma que possa parar, nem autoridade que possa revogar, nem lei que possa recuperar. Essa é uma característica estrutural do crypto: tolerância zero a falhas, intervenção quase inexistente após o fato.

Esse ambiente forçou o desenvolvimento de uma habilidade rara em outros setores: construir sistemas operacionais confiáveis do zero, em condições de regras ausentes e confiança inexistente, fazendo com que estranhos queiram participar.

Essa habilidade tem duas dimensões. Primeiro, criar confiança do zero, sem depender de autoridades externas, apenas com código e mecanismos que façam estranhos colocarem seus ativos reais. Segundo, fazer julgamentos sob incerteza técnica e econômica, sem frameworks regulatórios, sem dados históricos, sem padrões de setor, ainda assim projetando sistemas funcionais.

Ambas as dimensões têm sido validadas em crypto. Uniswap, sem garantias de uma empresa, sem KYC, sem suporte ao cliente, faz com que qualquer pessoa coloque fundos em pools de liquidez, confiando apenas em centenas de linhas de código e um mecanismo econômico, atingindo centenas de bilhões de dólares em volume diário. MakerDAO, sem respaldo de um banco central ou seguro de depósitos, mantém a estabilidade do DAI apenas com governança on-chain e mecanismos de colateral. Durante o DeFi Summer, sem frameworks regulatórios, auditorias ou dados históricos, construtores criaram AMMs, protocolos de empréstimo, mineração de liquidez, levando de conceito a dezenas de bilhões de TVL em poucos meses. Essa habilidade se manifesta de formas diferentes na camada de protocolos, aplicações e governança, mas os princípios básicos são os mesmos.

A era da IA está criando problemas estruturalmente semelhantes. Modelos de decisão de caixa preta, resultados não verificáveis de forma independente. Agentes de IA que executam negociações e alocam fundos autonomamente, com regras e restrições ainda por serem criadas. Grandes empresas de modelos controlam tanto o modelo quanto os critérios de avaliação, enquanto usuários carecem de meios eficazes de validação. Poder de computação concentrado em poucos gigantes, formando monopólios de preço em momentos de alta demanda. Essas questões apontam para um núcleo comum: a confiança em sistemas autônomos, que se repete na escala maior da IA.

Construtores de crypto, há anos, lidam com esses problemas em ambientes sem autoridade externa, antes em protocolos on-chain, agora em IA. E alguns já transferiram suas habilidades acumuladas para o novo domínio, obtendo resultados.

Como essas habilidades serão revalorizadas na era da IA?

Casos de transição de crypto para IA têm se tornado frequentes, mas, ao analisar, o que levam realmente não é o mesmo.

A rota mais direta é a transferência de hardware e experiência. Os fundadores da CoreWeave — Michael Intrator, Brian Venturo e Brannin McBee — começaram em 2017 usando GPUs para minerar Ethereum, expandindo de uma para milhares de unidades. Em 2022, encerraram a mineração, e dois meses depois o ChatGPT foi lançado. Seus GPUs se transformaram em capacidade de IA, levando a uma IPO na Nasdaq em março de 2025, avaliada em cerca de 23 bilhões de dólares, atingindo picos de quase 70 bilhões. Alex Atallah, cofundador da OpenSea, que lidou com ativos heterogêneos na NFT, aplicou sua experiência em roteamento de modelos de IA, fundando a OpenRouter, que atende mais de 5 milhões de desenvolvedores em dois anos, avaliada em 500 milhões de dólares.

Outra migração mais interessante é a de conhecimento. Illia Polosukhin, coautor do artigo Transformer, deixou o Google para explorar aplicações de IA com linguagem natural, mas enfrentou um problema real: pagar trabalhadores de anotação de dados ao redor do mundo, muitos sem contas bancárias. A tecnologia blockchain se mostrou a melhor solução para esse pagamento transfronteiriço. Hoje, a NEAR está se transformando em uma plataforma de infraestrutura de IA, focada em IA de propriedade do usuário e aprendizado de máquina confidencial descentralizado (DCML), permitindo que usuários usem IA sem expor dados. A experiência de arquitetura descentralizada acumulada na NEAR é uma vantagem difícil de copiar. Sean Neville, ex-cofundador da Circle, fundou a Catena Labs, uma “banco nativo de IA”, usando sua compreensão de infraestrutura de stablecoins em cenários de agentes financeiros, com um seed de 18 milhões de dólares liderado pela a16z crypto. Nader Dabit, veterano de protocolos crypto, migrou para Cognition, levando sua experiência em ecossistemas de desenvolvedores para ferramentas de agentes de IA.

Esses profissionais não levam apenas hardware ou redes de usuários, mas também intuição de design de mecanismos, experiência em construir ecossistemas de desenvolvedores e julgamento na criação de sistemas confiáveis do zero em ambientes de regras ausentes. Essas habilidades correspondem exatamente às três lacunas estruturais que a IA enfrenta na sua escalabilidade.

Agregação e otimização de poder de processamento

O poder de computação é o gargalo mais imediato na escala de IA. Treinar e inferir requerem muitas GPUs, com demanda volátil, fornecedores caros e filas longas. Empresas não querem acumular hardware. O problema tem duas dimensões: como agregar e distribuir esse poder, e como usá-lo de forma mais eficiente. Construtores de crypto têm experiências transferíveis em ambos.

Hyperbolic resolve o problema de distribuição e confiança. Jasper Zhang trouxe mecanismos descentralizados para o setor de IA: tokens incentivam detentores dispersos de GPUs a contribuir com ociosidade, mas o mais importante é a confiança. Como confiar que um resultado de cálculo de um nó desconhecido é correto? A inovação central, PoSP, usa amostragem aleatória e teoria de jogos para tornar a honestidade uma estratégia dominante, sem validação completa, de baixo custo, escalável e confiável. Essa lógica vem do setor de validação de comportamento de nós desconhecidos em crypto.

MoonMath trata de eficiência. Antes, Ingonyama acelerava provas ZK com hardware especializado, multiplicando a velocidade de geração de provas. Agora, o foco é desempenho em IA, acelerando modelos de difusão de vídeo (LiteAttention), decomposição de camadas FFN (LiteLinear) e retropropagação (BackLite). De ZK para inferência de IA, a base comum é fazer matemática rodar mais rápido sob restrições extremas. O setor mudou, mas a experiência não foi perdida.

Governança e incentivos em IA

Quando múltiplos agentes de IA colaboram, como garantir que não prejudiquem o sistema ao perseguir seus próprios objetivos? Cada participante busca seu próprio objetivo, sem garantia de que o sistema continuará funcionando. Além disso, sua velocidade de execução supera a capacidade de intervenção humana.

Esse é um problema que construtores de crypto já enfrentaram em governança de DAOs e tokenomics: fazer com que partes com interesses divergentes operem de acordo com regras sem autoridade central. A solução é mecanismo econômico: violações têm custos reais, regras estão codificadas e são automáticas.

EigenLayer adaptou esse conceito ao cenário de IA. Com restaking, os nós precisam fazer stake de ativos antes de colaborar; violações acionam punições automáticas, com custos econômicos reais. EigenCloud estende essa lógica para cálculos verificáveis e governança de agentes de IA, obrigando-os a operar dentro de limites predefinidos. Usar mecanismos econômicos para limitar agentes é mais confiável do que confiar apenas em ética.

Pagamento autônomo de agentes de IA

Outro problema fundamental: como os agentes pagam por seus serviços? Sistemas tradicionais de pagamento são feitos para humanos: cartões de crédito, transferências bancárias, que assumem uma identidade e uma pessoa. Agentes não esperam; podem fazer muitas requisições por segundo, cada uma envolvendo micropagamentos. Protocolos tradicionais falham aqui.

Stablecoins e regras on-chain, infraestrutura nativa de crypto, suportam pagamentos programáveis, sem autorização, 24/7. Essas características são essenciais para pagamentos de agentes. A única coisa que falta é um protocolo que conecte stablecoins ao fluxo de trabalho do agente.

x402, lançado pela Coinbase em maio de 2025, ativa o código de status HTTP 402, integrando pagamentos com stablecoins às requisições HTTP. Assim, o agente faz a requisição e paga ao mesmo tempo, sem conta, em cerca de dois segundos. Até abril de 2026, o protocolo x402 processou mais de 165 milhões de transações, totalizando cerca de 50 milhões de dólares, com 69 mil agentes ativos (dados da x402 Foundation). Cloudflare, AWS, Stripe, Anthropic MCP já usam. Pagamentos de agentes já representam uma rota com tráfego real.

Esses três caminhos correspondem às três lacunas estruturais que a IA enfrenta na sua escalabilidade: agregação e eficiência de computação, incentivo à colaboração de múltiplos agentes, infraestrutura de pagamento autônomo. Essas questões não têm soluções prontas na arquitetura tradicional, mas a experiência do setor de crypto é altamente relevante.

A nova função do construtor: de quem escreve contratos a quem define regras para IA

A escala da IA está criando uma nova lacuna de funções: não é uma falta de talento técnico, mas de pessoas capazes de desenhar mecanismos de confiança em sistemas autônomos. Quando o serviço passa de humanos para IA, o papel do construtor de crypto está sendo redefinido.

A tabela a seguir compara as mudanças nos paradigmas de funções:

A diferença central entre os paradigmas não está na tecnologia, mas na forma de estabelecer confiança e na lógica de execução das regras. Antes da era IA, o construtor de crypto lidava com participantes humanos, regras codificadas em contratos, tolerância zero a falhas, limites relativamente claros. Na era IA-native, com agentes autônomos, o desafio é que seus comportamentos são imprevisíveis, sua velocidade de execução supera a intervenção humana, e os limites do sistema precisam ser redefinidos sob maior incerteza. A função do construtor de crypto está mudando de “escrever contratos seguros” para “desenhar mecanismos confiáveis para sistemas autônomos de IA”.

As principais instituições já refletem essa mudança:

▲ Q1 2026: principais exchanges abrem posições focadas em IA/dados

Fonte: Gate Research Institute

As contratações de 2026 mostram essa tendência: não buscam apenas engenheiros de IA ou desenvolvedores de crypto, mas pessoas que conectem os dois mundos, entendam de incentivos e governança on-chain, e possam integrar ferramentas de IA nos fluxos de trabalho de crypto, além de desenhar mecanismos que alinhem agentes, reguladores e usuários a longo prazo.

O capital também já está direcionado. Paradigm está levantando um fundo de até 15 bilhões de dólares, expandindo de crypto para IA e robótica. Haun Ventures fechou seu segundo fundo de 1 bilhão de dólares, focado em infraestrutura financeira que combina IA e crypto, incluindo pagamentos, stablecoins e economias de agentes a agentes. A16z crypto fechou seu quinto fundo de 2,2 bilhões de dólares, com 100% de foco em crypto, com ênfase na aplicação de transparência, verificabilidade e descentralização em IA. Segundo PitchBook, em 2025, cerca de 40% dos investimentos de VC em crypto nos EUA também envolveram negócios de IA, um aumento significativo em relação a 2024.

A transição de crypto para IA apresenta diferentes trajetórias dependendo do ambiente de mercado: nos EUA, a inovação de protocolos é favorecida por um ambiente regulatório mais claro, maior densidade de capital, caminhos curtos de ideia a financiamento, maior tolerância a riscos. Projetos como Hyperbolic, EigenCloud, Gensyn, Ritual focam em criar novos mecanismos do zero, não apenas integrar sistemas existentes. Grandes fundos de VC investem em “cálculo verificável, coordenação de agentes, aprendizado de máquina descentralizado”, apoiando exploração precoce.

Na Ásia, especialmente Singapura e Hong Kong, o foco é mais na conformidade e na conexão com o setor tradicional. A regulamentação mais conservadora limita inovações puramente protocolares, levando construtores com background crypto a focar em aplicações e integrações industriais — usando sua base de usuários, capacidades de pagamento ou dados para acelerar a entrada em IA.

Essa não é uma questão de capacidade, mas de sinais de mercado e ambiente regulatório. Os EUA estimulam inovação de base e exploração tecnológica inicial, enquanto a Ásia prioriza conformidade, rápida monetização e integração com setores tradicionais.

Voltando à curva do GitHub, a queda de 45 mil para 23 mil desenvolvedores parece indicar encolhimento. Mas os veteranos atingiram recordes, migrando para ecossistemas com usuários reais, e sendo reprecificados de formas inéditas na história do setor. Quando a IA enfrenta gargalos de agregação de poder de cálculo, pagamentos autônomos, verificabilidade de dados e decisões, esses construtores, na interseção de Crypto e IA, estão transformando sua sensibilidade a regras, incentivos e autenticidade em habilidades sistêmicas escassas na era da IA.

Como uma instituição de investimento que desde 2017 aprofunda-se em infraestrutura de crypto, nossa visão vai além da observação. Investimos em mecanismos de restaking na EigenLayer antes de serem amplamente reconhecidos, apoiamos a transferência de ZK hardware para o nível de desempenho de IA com Ingonyama (MoonMath), e investimos na Hyperbolic, que busca resolver problemas de confiança de computação descentralizada usando mecanismos nativos de crypto. Acreditamos que os desafios de confiança, coordenação e validação na escala da IA serão resolvidos por mecanismos que o setor de crypto já domina. Acreditamos que a convergência de crypto e IA não é narrativa, mas uma oportunidade estrutural em formação.