Wintermute: O que mais ainda pode ser desenvolvido no setor de criptomoedas?

作者：Wintermute

编译：白话区块链

O crypto já tem mais de dez anos de existência. O L1 foi feito, o L2 também acompanhou, o DeFi foi amadurecendo aos poucos e as stablecoins já viraram infraestrutura básica. Em todas as frentes — exchanges, empréstimos, contratos perpétuos e mercados de previsão — praticamente todas as categorias parecem lotadas, e quase toda ideia óbvia já parece ter alguém que fez.

Então, o que ainda vale a pena construir no mundo cripto?

Muitos construtores desistem nesse ponto. Eles estão errados, não porque a resposta seja um “não”, mas porque a própria pergunta está sendo feita do jeito errado.

Na maior parte da história do setor cripto, a questão realmente interessante é: essa estrutura aguenta? Você consegue concluir a liquidação em segundos? Consegue transferir stablecoins em escala? A rede aberta aguenta carga real? Essas perguntas hoje, na verdade, já têm respostas. A infraestrutura já está utilizável, e a próxima leva de perguntas realmente interessantes foi transferida para outro lugar.

A verdadeira mudança é tudo o que está acontecendo ao redor da infraestrutura. Os modelos deixam de ser apenas “respostas” e começam a conseguir agir por conta própria; os robôs começam a aprender com vídeos humanos, em vez de depender apenas de código escrito à mão; padrões abertos em torno de pagamento e identidade de Agent também estão se formando gradualmente. Essas coisas não pertencem necessariamente ao crypto por si só, mas todas elas estão se aproximando de um limite: a infraestrutura financeira e de confiança que hoje é voltada a “humanos” consegue continuar sustentando novos participantes?

Agora, a pergunta que realmente vale a pena fazer já não é “o que o crypto ainda pode fazer”, e sim “por que o mundo real precisa do crypto daqui para frente”.

E a resposta que fica cada vez mais evidente é: a economia das máquinas.

A economia das máquinas, como agente econômico

Quando falamos “economia das máquinas”, não estamos dizendo que máquinas são apenas ferramentas — não é aquele tipo de ferramenta que você usa para mandar e-mail ou escrever código. Estamos falando de: as próprias máquinas como agentes econômicos.

Essa mudança parece sutil, mas tem consequências enormes. Ferramentas esperam instruções; agentes mantêm contexto, tomam decisões por conta própria, iniciam transações por conta própria e conseguem agir de forma autônoma no mundo digital e no mundo físico. Hoje, os modelos já estão bons o suficiente para fazer isso; ao mesmo tempo, os custos também já estão baixos o bastante para permitir escalonamento em massa.

Na prática, isso pode se parecer com algo assim:

• Um Agent vai reservar passagens, negociar preços, pagar ao comerciante e, quando der algum problema, tratar automaticamente os reembolsos, sem que você precise interferir.
• Um robô de armazenagem vai aceitar tarefas por unidade, carregar as próprias baterias, pagar pela própria capacidade de computação e depois distribuir a receita para a operação.
• Um sistema de pesquisa vai projetar experimentos sozinho durante a noite, solicitar reagentes e rodar todo o ciclo completo do experimento, sem a presença de estudantes de pós-graduação.

A maior parte da nossa infraestrutura atual de finanças e confiança assume que do outro lado existe uma pessoa ou uma empresa — uma entidade que pode ser identificada, que pode ser responsabilizada. Mas assim que o participante do outro lado vira um sistema autônomo, esse pressuposto desaparece. As nossas trilhas atuais de pagamento, identidade, autorização, tratamento de disputas e liquidação foram originalmente desenhadas para um cenário diferente.

E esse problema está justamente no cruzamento de crypto, fintech, IA, robótica e tecnologia quântica.

Por que agora

Nos últimos tempos, três mudanças aconteceram, e há poucos anos elas ainda pareciam pouco prováveis.

Primeiro, os modelos já estão bons o bastante. Eles não só respondem perguntas: eles já conseguem agir diretamente; além disso, ficaram baratos o suficiente para rodar continuamente sem supervisão. O custo do trabalho digital por unidade está desabando rapidamente, tornando viável uma grande quantidade de tarefas que antes “não valiam a pena fazer” e que agora passam a acontecer com uma frequência e um volume que os sistemas anteriores nunca suportaram.

Segundo, padrões abertos estão amadurecendo. As stablecoins já se tornaram uma trilha de liquidação realmente utilizável. Protocolos como x402, MPP, AP2 etc. começam a oferecer meios de pagamento para Agent. Redes blockchain mais rápidas e redes de moeda fiduciária mais rápidas estão convergindo no meio do caminho. Modelos abertos de visão—linguagem—ação também fazem com que robôs aprendam com vídeos humanos e ambientes de simulação, em vez de depender de programação altamente customizada. O significado dos padrões é: os construtores finalmente podem “montar” em vez de ter que recriar tudo do zero a cada vez — e é exatamente por isso que essas frentes estão acelerando coletivamente.

Terceiro, Agent já consegue operar continuamente. Ele não é mais apenas aquele tipo de ferramenta antiga, limitada a casos de uso estreitos e guiados, e sim capaz de manter contexto e trabalhar por longo período, sem supervisão. Isso vai mudar os modelos econômicos da automação e também o patamar de atividade que qualquer sistema precisa suportar.

Essas mudanças, isoladamente, não bastam para sustentar um argumento completo, mas, quando colocadas juntas, já é o suficiente.

O crypto não morreu

Muitos fundadores de crypto, ao perguntar “o que ainda dá para fazer”, ignoram um ponto realmente importante.

A próxima leva de empresas realmente interessantes não será “crypto para IA” ou “crypto para robôs”. O que mais empolga os fundadores — não é escolher uma destas tecnologias em vez da outra, e sim empilhá-las.

Você não está mais apenas “criando dentro do crypto”; você está fazendo crypto + IA, crypto + robotics, crypto + autonomous science. A trilha das finanças tradicionais foi desenhada em torno da responsabilidade humana: você consegue verificar identidades, rastrear intenções e, se der errado, encontrar uma pessoa específica para responsabilizar. A trilha do crypto é diferente: ela gira em torno de código auditável, registros on-chain que qualquer pessoa consegue ler e regras impostas pela rede. Quando o participante do outro lado vira um sistema autônomo, essa diferença deixa de ser uma lacuna e passa a ser um ponto-chave.

Com o volume de atividades dominado por máquinas crescendo de forma contínua, as trilhas que o crypto construiu ficam com o formato mais compatível com essa necessidade, em comparação com sistemas desenhados para humanos: abertos, programáveis, sem permissão, liquidação em segundos e mecanismos de identidade que não dependem de intermediários.

Para os construtores de crypto, a oportunidade real não é competir com os construtores da rodada anterior, e sim se tornar a base subjacente para a próxima onda de IA, robôs e sistemas autônomos físicos.

E os grandes players já estão acelerando a entrada. Coinbase, Robinhood e BN, nos últimos meses, já lançaram infraestruturas de negociação voltadas para Agent: incluindo carteiras para operações de Agent, capacidades de execução autônoma e (como no caso da Robinhood) uma nova blockchain construída especificamente para esse tipo de necessidade. Isso já não é apenas um debate nichado dentro do ecossistema cripto; está acontecendo de verdade em plataformas globais que têm o maior grupo de usuários de varejo.

Onde isso vai travar hoje

O julgamento central acima é: trilhas sem permissão e programáveis, em vez das trilhas tradicionais desenhadas para humanos, são mais adequadas para sustentar agentes autônomos. Mas essa conclusão ainda não foi totalmente provada em escala, e dois pontos de falha existentes já mostram que ainda há muito trabalho a fazer nesse caminho.

Segurança

Carteiras de Agent já se tornaram uma superfície de ataque no mundo real. Em maio de 2026, um atacante usou uma injeção de prompt com dicas em código Morse para induzir o Grok a gerar um comando de transferência, que depois foi executado na cadeia por um Agent de negociação automática; antes de a maior parte dos fundos fosse recuperada, cerca de US$ 150.000 a US$ 200.000 foram transferidos (SlowMist).

Responsabilização

Quando um sistema tocado por IA dá errado, quem é responsabilizado ainda não tem uma resposta clara — mesmo que esse sistema tenha sido assinado em conjunto por IA, revisão humana e voto de governança. Em fevereiro de 2026, uma vulnerabilidade de oráculo surgiu em um código de smart contract escrito com auxílio de IA da Moonwell, levando a um caso de US$ 1,78 milhão de inadimplência (rekt.news), e toda a cadeia de auditoria não encontrou o problema em nenhuma etapa.

O que estamos olhando

Hoje, a maior parte das atividades se concentra na camada de componentes: modelos base, hardware de robôs, stablecoins e plataformas de negociação. Esses mercados já estão lotados e já captaram muito capital; as oportunidades não estão ali.

A oportunidade real está na camada que conecta tudo isso — ou seja, as trilhas necessárias para que máquinas negociem, colaborem e estabeleçam confiança entre si. Essas coisas, na prática, hoje ainda não existem. Há três direções que merecem atenção especial.

Camada econômica voltada para Agent

O desafio não é se Agent consegue pagar; o desafio é: quando Agent faz algo errado, com quem fica a posse das permissões? Quem assume o risco de fraude? E como tudo isso se conecta ao comerciante sem exigir que eles reconstruam todo o sistema de caixa? A forma do negócio de Agent ainda está sendo escrita: camada de autorização, identidade de Agent, roteamento multi-trilha neutro e um mercado que permita que Agent compre autonomamente computação, dados e permissões de acesso.

Nesse caminho, as melhores equipes não cobrariam com base no valor pago, e sim em torno de autorização e redução de risco. Dessa forma, mesmo que o volume real de transações de Agent ainda não tenha explodido completamente, o modelo de negócios já consegue se sustentar.

Physical AI

A velocidade de crescimento das capacidades dos robôs já é maior do que a velocidade com que eles “possuem sistemas econômicos”. Já existe um tipo de modelo capaz de generalizar entre tarefas e entre formas de robôs; mesmo sem ser engenheiro, você pode reorientar o robô apenas dizendo o que ele deve fazer. Mas os robôs ainda não conseguem pagar por sua própria computação, carregar ou manutenção, nem podem cobrar por si mesmos quando terminam um trabalho. O que falta agora não é a mão, e sim a carteira.

Em comparação com narrativas mais distantes, como “robôs humanoides para casa”, nossa atenção está mais voltada para cenários estruturados como armazenagem, logística e pós-venda do varejo — porque nesses lugares os modelos econômicos já estão estabelecidos e a implantação real já existe.

Sistemas de descoberta orientados por máquinas

Isso inclui orquestração de laboratórios, design automatizado de experimentos e software que conecta o ciclo “hipótese—experimento—resultado”. Fundadores que construíram camadas autônomas para ciência já começaram a vender produtos para laboratórios de ciência dos materiais e laboratórios de descoberta de medicamentos. A tecnologia quântica é uma variável que acompanha essa direção: capacidades de simulação e percepção podem ampliar bastante os limites do que é “descoberto”, e a segurança quântica também já virou uma necessidade real na camada de liquidação. Esse caminho é difícil de avaliar, e os vencedores ainda não estão claros, mas de fato algo está acontecendo ali.