Autor: Zen, PANews
Você passou seis meses fazendo com que o ChatGPT entendesse seus hábitos de trabalho, estilo de escrita e projetos de longo prazo. Ele sabe como você costuma modificar artigos, quais empresas você frequentemente acompanha e gradualmente compreendeu suas preferências em relação à estrutura do conteúdo, tom e densidade de informações.
Mas, em certo dia, um novo modelo mais poderoso aparece. Você abre o Claude, o Gemini ou o DeepSeek e percebe que tudo precisa começar do zero. O novo modelo não o reconhece, não sabe o contexto do trabalho que você acumulou nos últimos meses, nem como você pensa, escreve ou toma decisões.
Nos últimos dois anos, a competição mais importante na indústria de IA girou em torno da "capacidade do modelo". Quem tinha melhor raciocínio, contexto mais longo e melhores habilidades em programação quase decidia tudo. Mas agora, uma nova questão está surgindo: a IA está ficando cada vez mais familiarizada com você, mas essas "compreensões" pertencem a quem?
Mudança de papel: o AI passa de ferramenta de bate-papo para assistente digital pessoal
Em novembro de 2022, o chatbot de IA ChatGPT surgiu repentinamente. Após seu lançamento, despertou uma onda global de conversas por chat, alcançando mais de 100 milhões de usuários ativos mensais em apenas dois meses, tornando-se o aplicativo consumidor de crescimento mais rápido da história. Naquela época, os grandes modelos pareciam mais como uma “pesquisa avançada”. Os usuários faziam perguntas à IA, que gerava respostas imediatamente; após a conversa, a relação era encerrada.
Mas nos últimos dois anos, o papel da IA está passando por uma mudança significativa. Com o aumento contínuo de suas capacidades de raciocínio, codificação e chamada de ferramentas, a IA já começou a se integrar profundamente aos fluxos de trabalho reais. Cada vez mais pessoas a estão usando para escrever código, organizar informações, analisar dados, planejar viagens, gerenciar agendas e até participar continuamente da criação de conteúdo e decisões comerciais.
Em muitos casos, os usuários já não estão apenas “fazendo perguntas à IA”, mas sim colaborando com ela a longo prazo. Ela começa a entender seu modo de trabalho, seus hábitos de expressão e seus objetivos de longo prazo, e passa a participar continuamente do mesmo projeto, da mesma fluxo de trabalho, e até gradualmente assume partes das tarefas de execução. Em certa medida, a IA está se transformando de uma ferramenta de perguntas e respostas pontuais em um assistente digital pessoal de longa duração.
Com o aumento significativo da capacidade dos modelos, a força dos produtos líderes está se tornando cada vez mais semelhante, e, com o uso prolongado e amplo da IA, novos problemas começam a surgir.
Quando a IA começa a colaborar por longos períodos, a “memória” — que armazena e recupera experiências passadas para aprimorar decisões e desempenho geral — deixa de ser apenas um banco de dados irrelevante. Em muitos cenários de aplicação, o gargalo já não é mais o nível de inferência do modelo, mas sim a capacidade de gerenciar memória de longo prazo e contexto. A Cloudflare também chama diretamente a memória agente de um dos maiores desafios e áreas de crescimento mais rápido na infraestrutura atual de IA.
As principais empresas de IA também perceberam que a memória de longo prazo está se tornando parte da experiência do produto. A OpenAI dividiu a memória do ChatGPT em memories salvas e histórico de conversas de referência; as primeiras armazenam informações que o usuário deseja manter a longo prazo, enquanto as segundas permitem que o ChatGPT extraia conteúdo útil de conversas anteriores para fornecer respostas personalizadas subsequentes. O Gemini também começou a aprender preferências do usuário com base em conversas anteriores. A Claude introduziu a memória e oferece suporte à importação e exportação de memórias.
Ilhas de plataforma tornam a "memória" da IA um novo campo de batalha na indústria
Mas o problema é que essas capacidades de memória ainda estão, em geral, circunscritas a cada plataforma individual, pertencendo apenas aos sistemas de contas e ambientes de produtos independentes da plataforma, permanecendo como ilhas isoladas. Embora a Anthropic já tenha suporte para importação e exportação de memórias, atualmente ela parece mais uma ferramenta de migração voltada para o Claude do que um padrão universal adotado conjuntamente por todas as plataformas.
E o que a ZetaChain busca preencher é exatamente essa lacuna. Após se voltar totalmente para a IA, a ZetaChain começou a expandir o conceito de "propriedade", originalmente pertencente ao mundo cripto, para incluir memórias de IA e contexto do usuário. Ela pretende construir não apenas um produto de bate-papo, mas uma camada de memória privada (Private Memory Layer) independente das plataformas de modelos, permitindo que os usuários realmente possuam suas memórias de longo prazo, preferências de comportamento e contexto de IA.
O produto de consumo baseado em IA da ZetaChain, Anuma, permite que os usuários possuam um conjunto de memórias privadas criptografadas e suporta o uso contínuo entre os principais modelos de IA, como ChatGPT, Claude e Gemini. Os usuários não precisam recriar contexto, preferências e hábitos de trabalho a cada mudança de modelo; em vez disso, controlam quem tem acesso às suas memórias históricas e as levam para diferentes modelos e agents.
À medida que a IA acumula progressivamente as preferências de uso, os hábitos de escrita, os fluxos de trabalho e as conversas históricas do usuário, a chamada "memória" torna-se cada vez mais como um "espelho de personalidade". Ela não apenas determina se as respostas do modelo estão alinhadas às preferências do usuário, mas também pode decidir se, no futuro, o modelo tomará decisões em seu nome de acordo com seus hábitos e valores.
Além de permitir que os usuários tenham propriedade sobre suas memórias e possam escolher modelos com diferentes especializações para diferentes tarefas, a Anuma está construindo um sistema de permissões programável, auditável e revogável, que permite que agentes de IA leiam registros uma única vez e possam ter suas permissões revogadas a qualquer momento, com todas as alterações de permissão registradas e rastreadas na cadeia.
Além disso, a memória e o grafo de conhecimento dos usuários também poderão se tornar ativos compartilháveis, autorizados e monetizáveis, sem a necessidade de expor os dados originais. Isso permite que usuários de profissões como investidores, médicos, advogados e desenvolvedores encapsulem seu conhecimento especializado em Agentes e os publiquem no Agent Marketplace, ganhando receita quando outros os utilizarem.
Da interoperabilidade entre cadeias à interoperabilidade entre plataformas de IA, por que a ZetaChain fez essa mudança?
O que permite que a Anuma realize as funcionalidades acima é a infraestrutura subjacente Private Memory Layer desenvolvida pela ZetaChain. Como uma infraestrutura privada de memória, identidade, permissões, pagamentos e agentes voltada para IA, ela tem como objetivo permitir que aplicações e agentes colaborem entre modelos, enquanto os usuários mantêm sempre o controle.
A ZetaChain sempre se concentrou na infraestrutura de interoperabilidade entre cadeias, com o objetivo principal de resolver problemas de transferência de ativos e mensagens entre blockchains diferentes. Em relação à "entrada unificada multi-cadeia", ela construiu uma rede e uma narrativa de grande escala. Segundo dados oficiais, a blockchain possui 11,9 milhões de endereços únicos e 241 milhões de transações.
Mas, com o lançamento público da Anuma em 27 de abril deste ano e o número de usuários ultrapassando 50 mil no primeiro mês, a ZetaChain começou a decidir por uma transição total para a IA e a gradualmente encerrar seus serviços de interoperabilidade entre cadeias. Por trás dessa transformação, existe uma lógica interna relativamente clara.
No passado, o ZetaChain lidava principalmente com a questão da falta de interoperabilidade entre cadeias. No mundo da IA de hoje, fragmentações semelhantes também existem. Em certa medida, os ativos digitais em relação à blockchain são como memórias e contexto em relação à IA. Diferentes modelos possuem sistemas de memória isolados, e quando os usuários mudam de plataforma, o contexto e as preferências de comportamento acumulados ao longo do tempo geralmente são interrompidos.
Ao longo dos últimos anos, a ZetaChain acredita que o maior desafio atual não é mais a transferência interchain entre blockchains, mas sim a continuidade entre diferentes modelos e diferentes Agentes, bem como a propriedade do contexto pelo usuário.
A a16z crypto também mencionou anteriormente em um artigo de análise que os agentes já começaram a se tornar participantes econômicos, mas ainda carecem de identidade portátil, pagamentos programáveis, autorização verificável e uma camada de coordenação pública necessária para colaboração entre ambientes. Portanto, em comparação com muitos projetos de IA + Crypto que forçam a busca por cenários de aplicação, a lógica da transformação da ZetaChain é muito mais fluida.
Na história dos negócios, a transformação bem-sucedida de empresas de infraestrutura não é rara. Essas empresas geralmente não simplesmente mudam de setor, mas perseguem novos gargalos com base na lógica do produto. O principal narrativo inicial da NVIDIA era o cálculo gráfico e as placas de vídeo para jogos, mas, com o surgimento da IA, sua arquitetura GPU acabou se tornando a infraestrutura central de toda a indústria de IA. A infraestrutura nunca permanece centrada no mesmo gargalo para sempre, e os verdadeiros vencedores são geralmente aqueles que identificam mais cedo o surgimento do “próximo gargalo”.
Da camada de memória de privacidade à camada de consumo de IA
Com o desenvolvimento explosivo da IA, a forma futura da IA certamente não se limitará a janelas de bate-papo, mas evoluirá gradualmente para uma grande quantidade de assistentes de IA persistentes e colaborativos. Com base nessa premissa, além de propor a “camada de memória privada” e tentar resolver a questão de como a IA compreende os usuários a longo prazo, a ZetaChain introduziu ainda o conceito de “camada de consumo de IA (AI Consumer Layer)”, com o objetivo de redefinir a relação entre usuários e IA após a IA atuar permanentemente em nome dos usuários.
Na visão da ZetaChain, o futuro da IA não será apenas responder perguntas, mas participar profundamente nos fluxos de trabalho e nas decisões cotidianas dos usuários. Diferentes assistentes de IA assumirão tarefas distintas: alguns lidarão com código, outros organizarão finanças, alguns gerenciarão planejamento de viagens, e outros participarão continuamente na criação de conteúdo e na análise de pesquisa. Para que essas IA possam realmente colaborar entre si, precisarão compartilhar um mesmo sistema de contexto, identidade e permissões de longo prazo.
Portanto, o chamado "nível de consumo de IA" busca, essencialmente, integrar capacidades anteriormente dispersas em um único framework unificado. Nesse contexto, a Memory é responsável pelo contexto de longo prazo, Permissions pelo controle de permissões, Identity pela identidade, Payments pelo chamado e pagamento entre IAs, e os Agents são a rede de IA que finalmente executa tarefas em nome do usuário.
É por isso que a "propriedade" se torna o conceito central enfatizado repetidamente pela ZetaChain.
Nesse sistema, o mais importante é se o usuário ainda possui seu próprio contexto, permissões e identidade. Por exemplo, um AI responsável por revisão de código pode ser autorizado temporariamente a acessar repositórios do GitHub; um AI encarregado da organização fiscal pode acessar os documentos de declaração de impostos de uma única vez; e um AI responsável por planejar viagens só poderá acessar histórico de viagens e informações de calendário. As permissões não são mais controladas uniformemente pela plataforma, mas sim atribuídas dinamicamente pelo usuário e podem ser revogadas a qualquer momento.
E isso é exatamente a razão pela qual a blockchain começou a se reconectar com a IA.
À medida que cada vez mais IA trabalham simultaneamente em nome dos usuários, questões como “quem pode acessar o quê”, “os permissões podem ser revogadas” e “as chamadas podem ser rastreadas” tornar-se-ão progressivamente novos problemas de infraestrutura. Sistemas de permissão na cadeia são naturalmente adequados para lidar com esse tipo de relação de colaboração múltipla.
O token de infraestrutura de IA, ZETA, traz aumento de utilidade com a transformação
Juntamente com a estratégia da ZetaChain, as funcionalidades e utilidades do token ZETA também foram ajustadas. No passado, o ZETA era mais como um token de blockchain tradicional, assumindo principalmente funções de gas, validação e segurança da rede cross-chain, sem muita inovação em seu design mecanístico. Mas, sob a nova narrativa, o ZETA se tornará um "token de infraestrutura de IA", com suas utilidades significativamente ampliadas.
De acordo com a descrição atual da ZetaChain, o ZETA terá várias funções no futuro:
Primeiro, os direitos de acesso aos modelos de IA e aos Agentes. Alguns modelos avançados, ferramentas de IA profissionais ou serviços de Agentes exigem desbloqueio ou pagamento de taxas de chamada através do ZETA.
Em seguida, o pagamento e o liquidação entre agentes. A ZetaChain menciona que, no futuro, as interações entre diferentes IA e aplicações serão realizadas por meio do protocolo x402 para pagamentos na cadeia. Seu objetivo é realmente claro: se, no futuro, a IA for capaz de chamar automaticamente outras IA, então máquinas também precisarão de um sistema de pagamento nativo.
O terceiro é a operação on-chain para atualização de permissões e memória. As alterações do usuário em permissões, controle de acesso e estado de memória poderão, no futuro, tornar-se registros on-chain.
A quarta é a economia criativa. A ZetaChain espera que, no futuro, desenvolvedores, pesquisadores, advogados, médicos e outros profissionais possam encapsular seu conhecimento em ferramentas ou Agentes de IA e ganhar receita por meio de chamadas, enquanto a ZETA desempenha o papel de facilitadora do fluxo de valor.
No entanto, é importante esclarecer que esta parte ainda permanece principalmente no nível narrativo, pois a economia de AI Agents ainda está longe de ser madura, e verdadeiras aplicações em larga escala, como “AI chamando AI” ou “pagamentos autônomos por Agents”, ainda não surgiram. Conceitos como x402, permissões na cadeia e identidade de IA ainda são, na maioria das vezes, pré-instalações de infraestrutura, e não demandas em larga escala comprovadas.
Mas o motivo pelo qual a ZetaChain e sua lógica de produto merecem atenção não é apenas porque criou uma infraestrutura e integrou produtos de IA, mas porque busca redefinir a quem pertencem a memória, identidade, contexto e permissões de IA do usuário futuro: à plataforma ou ao próprio usuário. O que a ZetaChain pretende fazer, essencialmente, é fazer com que esses elementos deixem de ser controlados pela plataforma e voltem às mãos do usuário.