YouMind
Iniciar sessão

A Privacidade em Cripto e IA é Inevitável

509K
1.2K
80
129
237

TL;DR

O artigo argumenta que a privacidade está se tornando essencial tanto para criptomoedas quanto para IA, destacando a alta nos tokens focados em privacidade, como ZEC e VVV. Ele detalha como projetos como Arcium e Venice estão construindo infraestrutura para proteger dados sensíveis em fluxos de trabalho financeiros e de IA.

A privacidade onchain está sendo reavaliada.

No acumulado do ano, vimos essa narrativa dominar as discussões do setor, com $ZEC (+159%), $VVV (+1.693%), $NEAR (+237%) e $ARX (+122%) se destacando nos portfólios, enquanto $XMR (+29%) e $LINK (+22%) também mostraram força.

Ampliando a visão, as categorias de moedas de privacidade e infraestrutura de privacidade dispararam no terceiro trimestre, com o valor de mercado agregado crescendo cerca de 164% e 103%, respectivamente.

E não vejo esse trem desacelerando tão cedo, especialmente quando consideramos como a IA está evoluindo.

WallStreetBets - inline image

Desempenho do valor de mercado dos principais setores de privacidade no Q3

A privacidade agora é uma questão central em toda a IA.

Vimos o presidente Trump enfatizar a privacidade do portal de IA do site no lançamento do America.gov, a OpenAI sob fogo por causa da polêmica do Prêmio Millennium de Navier-Stokes, alertas de investidores como Jason Calacanis sobre expor trabalho proprietário a plataformas de IA centralizadas, além de muitos outros exemplos.

Considerando tudo isso, acredito que a privacidade vai se tornar onipresente na IA. E, à medida que isso acontecer, o capítulo da transparência total no mundo cripto chegará ao fim.

Para ambos os casos, a lógica por trás disso é bem simples.

O argumento a favor da privacidade cripto

Vamos começar pelas criptos.

Instituições de todos os tipos — de BlackRock e Robinhood a bancos, fundos e provedores de pagamento — estão migrando para o ambiente onchain.

Todos os ativos serão tokenizados e os mercados terão acesso universal, com negociações funcionando 24 horas por dia, 7 dias por semana, 365 dias por ano.

E, caso você tenha passado os últimos anos numa caverna, nada disso é novidade. A esta altura, são verdades inquestionáveis e inevitáveis.

https://x.com/wallstreetbets/status/2105065548111372418

Mas o detalhe é que essas instituições não querem suas atividades expostas publicamente, e os mercados onchain são conhecidos por serem um prato cheio para exploração justamente pela falta de privacidade.

Categorias inteiras de aplicações, estratégias de investimento e fluxos de trabalho institucionais continuam offchain, pois seriam exploradas no momento em que tocassem a rede. Como resultado, volumes gigantescos de capital ficam de fora para evitar essa vulnerabilidade.

Um fundo não quer concorrentes observando a montagem de uma posição. Uma empresa que paga funcionários em stablecoins não quer o salário de todo mundo visível. Enviar dinheiro para alguém não deveria permitir que essa pessoa vasculhasse o resto da sua conta.

Simples assim: a privacidade se torna uma parte muito maior do universo cripto quanto mais as pessoas o usam para suas finanças reais, e é por isso que as equipes pioneiras nesse segmento trabalham nisso há mais de uma década.

https://x.com/milianstx/status/1995883036970258825

Então, se você compartilha da crença comum de que todas as finanças vão operar sobre trilhos cripto, parabéns: você também é um bull de privacidade onchain. Simplesmente não dá para ter um sem o outro.

E, quando falamos de IA, a privacidade segue na mesma direção, só que mais rápido, porque os usuários estão entregando cada vez mais a vida inteira a essas ferramentas.

O yin para o yang das criptos

O problema de privacidade da IA vem da direção oposta ao das criptos.

As criptos começam com trilhos públicos e precisam de privacidade para que as pessoas possam usá-los em atividades financeiras reais. A IA começa com dados sensíveis do usuário e precisa de garantias de privacidade mais fortes para que as pessoas possam fornecer aos modelos, com segurança, as informações que os tornam úteis.

O problema é que hoje grande parte desses dados sensíveis ainda pode ser processada em texto puro e permanecer acessível ao provedor do modelo. Isso cria o risco de um provedor interpretar informações profundamente pessoais, decidir que algo cruzou uma linha e escalar o caso às autoridades sem o tipo de mandado, revisão judicial ou devido processo legal que normalmente associamos à aplicação da lei. As proteções de privacidade deveriam permitir lidar com riscos reais de segurança sem transformar as empresas que operam nossos assistentes de IA em investigadores de fato da nossa vida privada.

Isso se torna ainda mais importante à medida que a IA avança para fluxos de trabalho de maior valor e maior risco, porque as aplicações mais úteis costumam ser justamente aquelas que exigem os dados mais confidenciais.

https://x.com/kimmonismus/status/2106830228404228267

Um modelo genérico pode, por exemplo, responder a uma pergunta financeira genérica com informações públicas, mas ajudar você de verdade a entender suas próprias finanças exige muito mais. Renda, dívidas, extratos bancários, documentos fiscais, histórico de investimentos, metas pessoais.

O mesmo vale para empresas. Quem sabe o que faz não quer registros de clientes, pesquisas internas, códigos, documentos jurídicos ou apresentações estratégicas expostos ao provedor do modelo apenas para obter uma análise melhor.

É por isso que a privacidade não pode parar na camada de aplicação. A própria infraestrutura precisa mudar.

A inferência privada é um dos primitivos importantes aqui. O objetivo é permitir que um modelo produza uma resposta útil sem dar ao operador da infraestrutura visibilidade total sobre o prompt, os arquivos ou o resultado. Os usuários obtêm a inteligência que buscavam, mantendo o controle sobre o material usado para gerá-la.

Outro caminho é manter a computação totalmente local. @qvac está impulsionando a IA on-device, onde os modelos rodam no seu próprio hardware e os dados sensíveis permanecem no dispositivo, em vez de serem enviados a um provedor de nuvem.

@0G_labs aborda o mesmo problema pelo lado da infraestrutura, com inferência de IA privada e armazenamento criptografado projetados para manter dados sensíveis ocultos, mas ainda permitindo que a computação seja verificável.

É também aqui que a privacidade em IA começa a se misturar um pouco com a privacidade cripto.

Nas criptos, a rede deve verificar a transação sem expô-la a todo mundo. Na IA, a infraestrutura deve executar a computação sem expor o contexto do usuário a todos os envolvidos no processamento.

Isso me fez pensar se existem startups atacando os dois problemas ao mesmo tempo, então mergulhei fundo para explorar o cenário de privacidade em ambas as indústrias.

Aqui estão algumas das categorias e projetos em que estou vendo desenvolvimentos interessantes.

Dinheiro privado

@Zcash teve uma campanha impressionante em 2026.

O que torna o movimento recente interessante (além de todas as conquistas técnicas, como Orchard e Halo 2, Endereços Unificados e o novo pool protegido do Ironwood) é que a tese altista agora tem uso real por trás.

Cerca de 4,9 milhões de ZEC, ou aproximadamente 29% da oferta circulante, agora estão em endereços protegidos, contra 8% no início de 2024, enquanto as transações protegidas acabaram de atingir ~62.000 transações semanais, alta de 652% no acumulado do ano.

O crescimento aqui aparece no uso privado de fato.

WallStreetBets - inline image

Oferta protegida e total de transações protegidas do Zcash

Esse é um grande motivo pelo qual nomes maiores começaram a se envolver com o Zcash.

Os gêmeos Winklevoss, por exemplo, lançaram a Cypherpunk com US$ 100 milhões para adquirir ZEC para seu tesouro e disseram que a empresa pretende acumular até 5% da oferta circulante, com Tyler Winklevoss chamando a IA de “o amanhecer” do catalisador de privacidade.

O Zcash também oferece aos usuários uma escala de quanta privacidade desejam.

Ele suporta transações transparentes e protegidas, então a privacidade que os usuários obtêm depende de como usam a rede. Também inclui uma camada prática de divulgação. As chaves de visualização permitem que uma parte autorizada veja informações da transação sem conseguir gastar os fundos. Isso ajuda em auditorias, compliance ou qualquer situação em que alguém precise de transparência seletiva em vez de exposição total.

Dinheiro privado não é só sobre se esconder de alguém. É o que torna o dinheiro digital utilizável no dia a dia financeiro.

É por isso que o Zcash continua superando o mercado.

Aplicações privadas

Padrões definem comportamentos.

Se a privacidade exigir passos extras, muita gente vai simplesmente pular. Por isso, busco equipes construindo na camada de aplicação para lidar com esses passos pelos usuários, sem toda aquela bagunça técnica; assim, eles aproveitam os benefícios sem precisar entender a criptografia por trás.

Acredito que as equipes que fizerem isso bem serão grandes vencedoras, já que servirão como pontos centrais de entrada para a IA e as criptos privadas.

Já vi isso acontecer este ano com @AskVenice. A maioria das pessoas vê o app como IA privada, e isso acontece porque seus componentes cripto internos foram totalmente abstraídos. Com essa fórmula, o app ultrapassou recentemente 4 milhões de usuários e US$ 100 milhões em ARR:

https://x.com/AustinBarack/status/2089447460275994875

@keet_io é outro exemplo de privacidade se tornando o próprio produto. Chats, chamadas e transferências de arquivos têm criptografia de ponta a ponta e funcionam peer-to-peer, sem depender de servidores centrais ou exigir número de telefone ou e-mail.

Carteiras cripto são outra oportunidade óbvia, porque é aí que a privacidade costuma desmoronar.

Se uma carteira é usada para várias coisas, alguém que saiba onde você recebe pagamentos também pode rastrear onde você negocia, o que você detém e como o resto da sua vida financeira se movimenta.

Tecnicamente, os usuários podem tentar contornar isso abrindo mais carteiras. Mas isso gera atrito e ainda não garante que a atividade não possa ser vinculada.

Não acho que a maioria das pessoas vai querer gerenciar isso por conta própria. Elas vão esperar privacidade da carteira ou da aplicação, assim como esperam de um app de banco.

É daí que vejo a demanda surgindo. As pessoas querem usar esses produtos sem dar a estranhos acesso ao resto de suas finanças, e alcançar isso deve parecer invisível e fluido para o usuário, não um projeto de pesquisa.

@zodl_app é um bom exemplo aqui.

Foi construído pelos desenvolvedores originais do protocolo Zcash e traz privacidade por padrão, suporte a swaps privados e integração com o Keystone para assinatura protegida em ambiente air-gapped.

Na camada de rede, @MidnightNtwrk está construindo em torno da privacidade programável. Aplicações podem manter dados sensíveis privados enquanto provam ou revelam seletivamente apenas o necessário, usando provas ZK em vez de colocar tudo num ledger público.

No geral, quando se trata de aplicações, quero ver como isso se traduz em uso sustentado de dinheiro protegido no longo prazo.

Sim, um preço forte do token pode atrair pessoas, mas o uso prolongado de aplicações é uma evidência muito mais concreta de demanda por privacidade.

Privacidade como infraestrutura: Arcium, Venice e 0G

Vamos recapitular rapidamente alguns dos principais players de privacidade. Zcash é a referência óbvia em dinheiro privado, @zama está levando o FHE para o onchain, Venice rompeu a bolha cripto com um produto de consumo de IA privada, e 0G está impulsionando infraestrutura de IA privada e verificável. @Arcium aborda a mesma stack de privacidade pela camada de computação confidencial, com infraestrutura projetada para abranger tanto cripto quanto IA.

Cada um deles domina uma camada da stack e, por isso, o trade de privacidade em si tem sido fragmentado.

Essa fragmentação é o que torna o Arcium interessante para mim.

Em vez de focar em um único elemento de privacidade, eles empacotaram tudo e estão entregando soluções em toda a stack:

  • Dinheiro privado programável com C-SPL e Umbra (Zcash)
  • Computação criptografada (Zama)
  • Inferência de IA confidencial com Blackthorn (Venice/0G/NEAR)

Projeto

O que dominam

Como o Arcium aborda

ZEC

Dinheiro privado, o ativo OG de privacidade

Estende a privacidade além de uma moeda dedicada: o C-SPL adiciona confidencialidade programável a qualquer ativo Solana, enquanto o Umbra recebeu US$ 150 milhões em compromissos na maior ICO da história da Solana.

Zama

Computação criptografada geral para blockchains (FHE)

Ao vivo na Mainnet, alimentando mais de 10 apps (o ecossistema de privacidade mais ativo em cripto) com quase 3 milhões de computações executadas.

VVV (Venice)/0G/Near

IA privada / Infraestrutura de IA

Blackthorn estende o Arcium da computação criptografada para IA confidencial em GPUs criptografadas, mantendo prompts, arquivos e resultados privados — e possibilitando apps como o Venice.

O que gosto aqui é que as aplicações podem usar a camada de privacidade em segundo plano.

Além disso, enquanto os outros projetos de privacidade mencionados trabalhavam nos problemas de privacidade das criptos, o Arcium fez movimentos para ir além de sua missão original de levar computação criptografada às blockchains, expandindo a rede para fazer o mesmo pela IA.

Veja como tudo funciona (primeiro o lado técnico, depois o que isso significa na prática para você).

Abordagem técnica

A abordagem central do Arcium é a computação multipartidária segura (MPC). Entradas privadas são divididas em cotas secretas e distribuídas por um Cluster de nós Arx. Os nós avaliam a computação em conjunto sem que nenhum deles reconstrua os dados subjacentes.

O protocolo atual do Arcium, Cerberus, usa um modelo de maioria desonesta com detecção e aborto. Desde que pelo menos um membro do Cluster seja honesto, ele preserva a privacidade e detecta adulterações; se ocorrer uma falha no protocolo, ele aborta em vez de retornar um resultado corrompido. Isso protege a confidencialidade e a integridade do resultado.

Isso torna o design naturalmente adequado para cripto: cadeias públicas podem lidar com coordenação e liquidação, enquanto a lógica privada da aplicação roda no cluster.

Comparado a um TEE, a confiança é distribuída em vez de concentrada em um único enclave; comparado ao FHE, o MPC exige mais interação, mas se encaixa bem em fluxos descentralizados que já coordenam múltiplas partes.

A contrapartida é a comunicação adicional e a possibilidade de aborto quando nós ou a rede ficam indisponíveis.

Mas a mesma arquitetura não precisa parar nas aplicações blockchain. Se a computação puder ser distribuída de forma que nenhum operador isolado veja as entradas subjacentes, o mesmo modelo pode se estender a cargas de trabalho de IA envolvendo prompts, arquivos e outros dados sensíveis do usuário.

A aposta na expansão para IA

Essa extensão para além das criptos está se tornando uma parte maior da aposta do Arcium.

Vimos como o Venice construiu um produto de IA bem-sucedido sobre trilhos cripto; o Arcium quer levar esses trilhos mais fundo no backend.

Em vez de controlar a experiência de chat voltada ao usuário, ele constrói infraestrutura confidencial por baixo dela, projetada para que prompts, arquivos e resultados sensíveis não precisem ser expostos em texto puro a um único provedor de infraestrutura.

É o outro lado da mesma aposta.

É isso que torna o Blackthorn interessante. Ele foi projetado para rodar IA confidencial nas GPUs NVIDIA que os data centers já usam, em vez de exigir um novo chip de segurança ou hardware confidencial dedicado. Se funcionar como planejado, isso pode abrir fluxos de trabalho sensíveis de IA em saúde, finanças, direito e governo sem exigir que os usuários entreguem os dados subjacentes a um provedor convencional de modelos hospedados.

É o Arcium não escolhendo entre privacidade cripto e privacidade em IA. A equipe trabalha para tornar ambas utilizáveis por meio de um único sistema distribuído.

O que isso significa para os usuários

O objetivo da computação confidencial do Arcium não é esconder tudo. É revelar apenas o que a aplicação precisa.

Para os usuários, isso pode significar um leilão calculando um preço de compensação a partir de lances confidenciais sem publicar cada lance perdedor, ou uma aplicação de trading mantendo informações sensíveis de ordens privadas enquanto executa suas regras, de modo que o resultado útil esteja disponível sem transformar as entradas subjacentes em inteligência pública de mercado.

Os tipos de produtos para os quais o Arcium aponta já são visíveis em seu diretório de ecossistema, que inclui Crafts, um projeto de leilão de tokens com lances selados, e Umbra, uma carteira para transferências e swaps protegidos.

Desenvolvedores podem adicionar funções e estados confidenciais junto às partes públicas de uma aplicação Solana, escolhendo quais informações a aplicação expõe.

O Arcium também tem o C-SPL, seu padrão de token confidencial para Solana, trazendo saldos e valores de transferência confidenciais para aplicações de tokens sem exigir que os usuários migrem para um ativo de privacidade dedicado. Isso poderia suportar folha de pagamento em stablecoins onde os funcionários não veem o salário uns dos outros, ou leilões onde os participantes podem verificar o resultado sem publicar cada lance perdedor. Esses são motivos para usar um produto mesmo que você nunca tenha negociado um token de privacidade.

A mesma lógica se aplica à IA. Aplicações devem poder usar informações sensíveis sem revelá-las desnecessariamente à infraestrutura que executa a computação.

Para mim, essa é a grande oportunidade.

O que estou acompanhando

Seguindo em frente, a privacidade continuará sendo uma categoria principal na minha lista de observação.

No Zcash, estou acompanhando o quão rotineira a atividade protegida pode se tornar. Carteiras melhores e acesso mais fácil devem se refletir em pessoas usando a rede justamente por seu diferencial.

Como trader, quero entender como o uso chega aos ativos que lastreiam alguns desses projetos nativos de cripto.

As equipes vão calibrar seus flywheels corretamente, para que a entrada de usuários gere pressão compradora de fato?

Também há muito em jogo com os efeitos de rede de privacidade, por causa da falta de composabilidade.

Quando ativos são protegidos com uma tecnologia, eles não são realmente compatíveis com ativos protegidos por outra tecnologia. Então existe uma necessidade urgente entre as equipes de construir liquidez/captar capital institucional, obter a melhor profundidade para swaps, oferecer rendimentos melhores etc.

Como isso se desenrolar determinará como o bolo da privacidade onchain será dividido.

No lado da IA, estou prestando muita atenção ao que acontece ao redor dos frontier labs.

Com todo o alarmismo recente, os reguladores vão intervir de forma significativa, e a privacidade do usuário fará parte de suas políticas?

Também estou de olho nas equipes avançando na interseção entre cripto x IA x privacidade. Já temos algumas provas de que funciona e histórias convincentes. Quero ver o quanto essas bases de usuários crescem e qual porcentagem do uso total de IA a IA privada consegue capturar.

Aqui, a questão é realmente o quanto as pessoas se importam com sua privacidade pessoal, e Venice, Arcium, Keet, QVAC, NEAR, Midnight e 0G são os projetos que acompanho porque abordam a mesma tese por ângulos diferentes: Venice no frontend de IA privada, Arcium na infraestrutura profunda, Keet via mensagens privadas, QVAC com IA local, NEAR em infraestrutura e agentes de IA, Midnight com privacidade programável e 0G com infraestrutura de IA privada e verificável.

Com cripto e IA se tornando cada vez mais interligadas, as equipes que competem nesse caldeirão têm grandes chances de capitalizar as duas tendências com as quais acho que todos concordamos que vão continuar: as finanças seguirão migrando para o onchain e, consequentemente, impulsionando a adoção da privacidade, e a demanda por privacidade do usuário continuará crescendo à medida que a adoção da IA aumenta.

Guardar com um clique

Faça leitura aprofundada de artigos virais com IA no YouMind

Guarde a fonte, faça perguntas específicas, resuma o argumento e transforme um artigo viral em notas reutilizáveis num único espaço de trabalho com IA.

Explorar o YouMind
Para criadores

Transforme o seu Markdown num artigo 𝕏 impecável

Quando publica os seus próprios textos longos, formatar imagens, tabelas e blocos de código para o 𝕏 é uma dor de cabeça. O YouMind transforma um rascunho completo em Markdown num artigo 𝕏 impecável e pronto a publicar.

Experimente Markdown para 𝕏

Mais padrões para decifrar

Artigos virais recentes

Explorar mais artigos virais