Michael Heinrich, cofundador e CEO da 0G — Série de entrevistas

Michael Heinrich, cofundador e CEO da 0G, é um empreendedor em série, investidor e executivo de tecnologia dedicado à criação de infraestrutura descentralizada para inteligência artificial. Na 0G, lidera o desenvolvimento de uma infraestrutura projetada para tornar a IA mais aberta, verificável e acessível. Heinrich também é presidente executivo da ZeroStack Corp. e atua como instrutor e mentor na Stanford University há mais de uma década, contribuindo para programas nas áreas de empreendedorismo, capital de risco e inovação. Também é sócio de capital de risco e investidor-anjo da Pioneer Fund, com investimentos em empresas e projetos como Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI e Binance. Anteriormente, Heinrich fundou a empresa de bem-estar no ambiente de trabalho Garten, antes chamada Oh My Green, e ocupou cargos na Bridgewater Associates, Bain & Company, SAP Labs, Microsoft e J.P. Morgan, adquirindo experiência em empreendedorismo, tecnologia, finanças, estratégia e investimento de capital de risco.

0G está criando uma pilha descentralizada de infraestrutura de IA destinada a servir como camada de confiança para a inteligência artificial, permitindo executar, armazenar e verificar cargas de trabalho de IA sem depender inteiramente de provedores centralizados. Sua arquitetura reúne computação verificável, armazenamento descentralizado criptografado, inferência privada de IA e uma blockchain de camada 1 compatível com EVM e nativa de IA, criando uma infraestrutura para aplicações que vão de agentes autônomos de IA e modelos descentralizados a mercados de IA e economias de máquinas. A plataforma foi projetada para ser modular, permitindo que desenvolvedores usem componentes individuais, como armazenamento ou computação, de forma independente, e, ao mesmo tempo, oferecendo suporte a aplicações de IA totalmente on-chain, nas quais dados, modelos e ações podem ser auditados e verificados. Com essa abordagem, a 0G pretende fornecer a infraestrutura subjacente para um ecossistema de IA mais aberto e transparente, no qual desenvolvedores, empresas e usuários mantenham maior controle sobre os recursos e os dados de IA.

Antes de cofundar a 0G, você criou e liderou a Garten e trabalhou com software, finanças, investimento de capital de risco e empreendedorismo. O que você viu acontecer no campo da IA que o convenceu a fundar a 0G em 2023, e como suas experiências anteriores moldaram sua visão para a empresa?

Ao longo da minha carreira, transitei entre dois mundos que raramente se comunicam. No início da carreira, desenvolvi software na SAP e na Microsoft. Depois, fui para a área financeira: primeiro estudei os mercados globais de capitais enquanto fazia pesquisas na Harvard Business School e, em seguida, trabalhei na Bain e na Bridgewater, onde vivi por dentro a crise de 2008. Essa experiência me levou a fundar a Garten, uma empresa da Y Combinator.

Cada etapa me ensinou a mesma lição sob uma perspectiva diferente: quando um sistema concentra o controle e oculta seu funcionamento interno, as pessoas que dependem dele são as últimas a descobrir que está com problemas.

Assim, em 2023, percebi que um padrão começava a se formar na IA a uma velocidade que nunca tinha visto em nenhum outro mercado. Os modelos eram impressionantes, mas a infraestrutura por trás deles estava concentrada nas mãos de um punhado de empresas e, mais importante, não era possível inspecionar o que estava sendo executado, para onde iam os dados nem quanto realmente custava a computação. Ao mesmo tempo, o capital necessário para participar aumentava a cada trimestre. Para alguém que tinha acompanhado os acontecimentos de 2008, parecia haver alavancagem sobre uma caixa-preta, com todos presumindo que estava tudo bem lá dentro.

Assim, a ideia por trás da 0G surgiu de uma questão financeira que não me saía da cabeça: “O que acontece quando o insumo mais importante da economia não tem um mercado transparente nem verificação independente?” Junto com meus cofundadores Thomas Yao, Fan Long e Ming Wu, respondemos a essa pergunta criando a 0G.

A resposta é uma camada de confiança para a IA: uma pilha única que reúne computação privada, nossos próprios modelos 0gm de pesos abertos, mecanismos de proteção, como alinhamento de inferência esparsa e verificação Tee, armazenamento criptografado e uma blockchain desenvolvida especificamente para cargas de trabalho de IA. Nela, o trabalho de IA, da inferência às ações dos agentes, é verificado e auditado.

As empresas de IA estão comprometendo enormes quantias de capital com GPUs, data centers e energia. O que está mudando fundamentalmente na economia da computação, e você acredita que o acesso à computação pode se tornar tão estrategicamente importante quanto o acesso ao capital ou à energia?

A computação já está se tornando tão estrategicamente importante quanto o capital ou a energia. Os quatro maiores hiperescaladores comprometeram mais de US$ 500 bilhões em despesas de capital com IA somente em 2025 e estão em ritmo de dobrar esse valor neste ano. Isso já não é um orçamento de tecnologia. É um investimento em infraestrutura nacional conduzido por um punhado de empresas privadas.

A mudança fundamental é que a computação se tornou o principal fator limitante da própria inteligência. Toda melhoria de modelo, todo agente e todo produto dependem, em última instância, de horas de GPU. Quando um único insumo condiciona tudo o que vem depois, deixa de se comportar como uma mercadoria que se compra e passa a se comportar como capital que se detém. O acesso à computação agora determina quais empresas, universidades e países podem construir.

O estranho é que esse ativo não tem um mercado próprio. A capacidade computacional é produzida em grande escala, alugada globalmente e precificada diariamente, mas não há como deter um direito sobre ela, proteger-se contra oscilações de preço ou alocá-la de forma transparente. O capital tem mercados. A energia tem mercados. Para a capacidade computacional, há contratos de aquisição com um punhado de fornecedores.

Todos os recursos escassos seguem o mesmo percurso: primeiro são produzidos, depois precificados e, por fim, financiados. Foi assim com o petróleo. Foi assim com a eletricidade. Foi assim com a largura de banda. A capacidade computacional está entrando agora nessa terceira etapa, e construir a infraestrutura financeira necessária para isso é um dos projetos de infraestrutura que definirão esta década.

A 0G está introduzindo a ideia de que a capacidade computacional pode ser possuída, gerar ganhos e ser usada, em vez de simplesmente adquirida como serviço de nuvem. Na prática, o que significa transformar capacidade computacional em um ativo, e como isso poderia mudar a relação entre provedores de infraestrutura, desenvolvedores e empresas de IA?

Pense em como funcionam os demais ativos produtivos. As ações geram dividendos. Os títulos pagam cupons. As Finanças de Computação, termo que cunhamos como ComFi, aplicam essa mesma lógica à capacidade computacional. Em vez de simplesmente pagar pelo acesso a GPUs, você pode deter uma posição que lhe dá acesso a capacidade computacional de IA que realmente pode usar.

Na prática, você coloca um ativo para trabalhar e recebe capacidade computacional de IA em troca. Essa capacidade pode viabilizar desde a execução privada de modelos até a criação e o lançamento de aplicações de IA. Nos bastidores, tudo isso funciona na blockchain da 0G. Os usuários fazem staking — ou seja, bloqueiam 0G como garantia —, recebem a0G, emitem iAI e, em seguida, comprometem esse iAI para obter capacidade computacional que podem usar em diferentes serviços de IA.

O objetivo é tornar a capacidade computacional algo que se possa deter, obter e usar, em vez de simplesmente alugar por hora de um provedor de nuvem. De acordo com os parâmetros iniciais, os usuários podem comprometer iAI e receber créditos de computação no valor de mais de US$ 1 por dia nos serviços de IA compatíveis com a 0G. A garantia subjacente permanece bloqueada enquanto a posição estiver ativa e pode ser recuperada quando o iAI for queimado.

O importante é que os usuários não recebem dinheiro nem retorno financeiro. Eles recebem acesso a capacidade computacional que realmente podem usar.

Isso muda a relação entre provedores de infraestrutura, desenvolvedores e empresas de IA. Os provedores de infraestrutura ganham uma nova maneira de disponibilizar sua capacidade computacional, para além dos contratos tradicionais de nuvem. Os desenvolvedores obtêm um recurso mais previsível, em torno do qual podem planejar e elaborar orçamentos. As empresas de IA podem garantir capacidade computacional e planejar seu uso, em vez de simplesmente tratá-la como uma despesa controlada por um punhado de provedores.

E, como funciona na camada de confiança da 0G, o uso da capacidade computacional pode ser verificado e auditado, em vez de simplesmente aceito com um “confiem em nós”.

Estamos posicionando a ComFi como uma categoria aberta para o setor de IA, não como uma marca proprietária. Ascend e iAI são as primeiras implementações dessa ideia, e outras estão a caminho da rede da 0G.

O 0G Compute funciona como um mercado descentralizado em que provedores de GPU podem competir para atender a cargas de trabalho de IA. Que vantagens econômicas esse modelo pode oferecer em comparação com a dependência de um punhado de grandes provedores de nuvem em hiperescala, especialmente quando a demanda por GPUs é alta?

Destacamos três vantagens que se tornam mais evidentes quando há escassez de GPUs: descoberta de preços, elasticidade e ausência de dependência de um único provedor.

1. Descoberta de preços: No 0G Compute, os provedores definem seus próprios preços e competem pelas cargas de trabalho. O resultado pode ser uma redução significativa de custos: a inferência de modelos abertos comparáveis custa até 95% menos, enquanto nossa camada de armazenamento opera a um custo mais de 90% inferior ao do AWS S3. Parte dessa economia vem da concorrência; outra parte, do aproveitamento da capacidade ociosa das GPUs e da execução de modelos abertos, em vez de modelos de ponta fechados em infraestrutura dedicada.

2. Elasticidade: A capacidade dos grandes provedores de nuvem em hiperescala é planejada com anos de antecedência e alocada por meio de relacionamentos de longo prazo. Um mercado pode reunir oferta de qualquer lugar, incluindo operadores independentes, clusters acadêmicos e empresas com hardware ocioso. Quando a demanda dispara, preços mais altos podem atrair mais oferta. Uma fila fixa simplesmente fica mais longa.

3. Ausência de dependência de um único provedor: Todos os provedores da nossa rede oferecem a mesma API compatível com OpenAI por meio de um único roteador, que redireciona automaticamente as solicitações caso um provedor fique indisponível. Hoje, são 13 provedores que oferecem centenas de modelos por meio de um único ponto de acesso, com mais de 373 bilhões de tokens processados e 27 milhões de solicitações de inferência. Os desenvolvedores podem trocar de provedor alterando um cabeçalho, sem precisar realizar um projeto de migração.

Há também um dado que muita gente não percebe. Nosso próprio modelo, 0GM-1.0, é o segundo modelo mais usado na rede nos últimos 30 dias, atrás apenas do DeepSeek. Quando o modelo aberto de uma rede descentralizada compete em uso com os melhores modelos abertos do mundo, isso mostra que o mercado pode funcionar em escala.

Os provedores de nuvem em hiperescala são excelentes no que fazem. Mas, quando as GPUs são o insumo mais escasso da IA, contar com mais fontes de capacidade computacional pode criar um modelo de oferta muito diferente de simplesmente esperar que os provedores de nuvem em hiperescala ampliem sua capacidade.

Um dos desafios da infraestrutura descentralizada é garantir que o processamento mais barato e distribuído de forma mais ampla não comprometa a confiabilidade. Como a 0G determina se um provedor de processamento realmente executou corretamente uma carga de trabalho de IA?

Essa é uma excelente pergunta, e a resposta distingue um mercado de processamento de verdade de um sistema em que você simplesmente precisa confiar em um provedor como AWS, Google Cloud ou Microsoft Azure. Projetamos a 0G para que você nunca precise confiar apenas na palavra de um provedor.

A camada privada da 0G funciona em um ambiente de execução confiável e isolado. O hardware gera uma atestação que indica qual modelo e código estão em execução e assina cada resposta com uma chave que existe apenas dentro desse ambiente. Um cliente pode verificar a assinatura em relação à atestação e confirmar que o modelo especificado foi executado no provedor especificado, sem modificações. Nem a 0G nem o provedor podem ver o prompt ou a resposta. Em todas as camadas, a 0G não retém prompts nem respostas e não treina com seus dados.

Na camada verificada, as solicitações são encaminhadas ao modelo de origem pretendido, para que você saiba qual modelo respondeu, mesmo quando o próprio provedor é centralizado. Essas camadas são definidas para cada solicitação e impostas pela rede. Se uma solicitação exigir um provedor compatível com processamento privado e nenhum estiver disponível, ela falhará, em vez de recorrer silenciosamente a uma camada diferente. Camadas honestas são mais importantes do que camadas de marketing.

O pagamento está vinculado à comprovação. Os fundos ficam retidos até que o resultado assinado seja entregue. Até o momento, a rede registrou mais de 24,9 milhões de comprovações TEE, e a estrutura também oferece suporte à verificação otimista e de conhecimento zero para cargas de trabalho em que essas abordagens fazem mais sentido do que a atestação de hardware.

A confiabilidade é tratada de forma direta, com failover automático entre provedores e dados em tempo real sobre integridade e latência. A rede subjacente foi projetada para que a verificação e a liquidação não se tornem gargalos.

A economia da infraestrutura de IA está cada vez mais ligada à disponibilidade de eletricidade. À medida que os modelos e as cargas de trabalho de inferência continuam a crescer, você espera que a energia se torne a principal limitação da capacidade computacional para IA, em vez das próprias GPUs? E como a infraestrutura descentralizada poderia ajudar a resolver esse gargalo?

Energia e capacidade computacional estão, sem dúvida, interligadas, e uma afeta a outra; os gargalos causados pela energia já estão ocorrendo. Na Virgínia do Norte, mais de 3 GW de demanda de centros de dados foram desconectados repentinamente da rede elétrica em julho, o que evidenciou a pressão que cargas concentradas de centros de dados podem exercer sobre a infraestrutura de energia.

O consumo de eletricidade dos centros de dados de IA deve dobrar até 2030, e a IEA prevê que o consumo global dos centros de dados mais do que dobrará, chegando a cerca de 945 terawatts-hora até 2030, com a IA como principal fator. É possível construir mais GPUs mais rapidamente do que a infraestrutura de energia necessária para operá-las.

A IA centralizada agrava esse problema ao concentrar a demanda em um pequeno número de centros de dados de grande porte, cada um exigindo enormes quantidades de energia e nova infraestrutura para a rede elétrica.

A infraestrutura descentralizada pode ajudar a aliviar essa limitação crescente, levando as cargas de trabalho para locais onde já existem energia e capacidade computacional. Isso pode incluir centros de dados regionais, instalações industriais com capacidade ociosa ou energia renovável que, de outra forma, não seria utilizada. Em vez de levar mais energia a alguns poucos complexos enormes, é possível transferir a carga de trabalho para onde a energia já existe e é subutilizada.

Para deixar claro, isso não elimina a limitação energética, mas pode aumentar o aproveitamento da infraestrutura de energia e computação existente.

A 0G usa mecanismos como ambientes de execução confiáveis, verificação otimista e técnicas de conhecimento zero para tornar a computação de IA verificável. À medida que agentes de IA autônomos começam a tomar decisões e executar transações sem supervisão humana contínua, em que situações você acredita que a verificação criptográfica se tornará mais importante?

A verificação é mais importante no exato momento em que uma pessoa deixa de acompanhar o que está acontecendo. Um copiloto tem uma pessoa que revisa suas respostas. Um agente autônomo, não. Quando um agente pode tomar decisões, assinar transações, manter fundos ou interagir com outros agentes, é preciso saber qual agente está agindo, qual modelo está executando e se ele fez o que deveria.

É aí que a verificação criptográfica se torna importante. Quando um agente é executado em um ambiente de execução confiável, é possível obter um registro assinado que mostra qual modelo tomou uma decisão e quais dados de entrada utilizou. A blockchain é uma camada de confiança ideal porque é imutável, permite apenas acréscimos e possibilita rastrear a proveniência. A blockchain fornece um registro compartilhado dessas comprovações, permitindo que desenvolvedores, auditores e contrapartes verifiquem o que aconteceu sem confiar na versão dos fatos de uma única parte.

O mesmo princípio se aplica à medida que os agentes começam a interagir entre si em grande escala. Não é possível ter uma pessoa revisando cada decisão ou transação. A verificação, a auditabilidade e a confiança precisam fazer parte da própria infraestrutura. O objetivo é simples: em vez de perguntar se um agente afirma ter seguido as regras, é possível comprovar que ele seguiu.

Grande parte da corrida atual pela infraestrutura gira em torno da construção de centros de dados cada vez maiores e centralizados. A computação descentralizada para IA representa uma alternativa a esse modelo ou, em última análise, você acredita que as redes descentralizadas e os hiperescaladores se tornarão partes complementares do mesmo mercado global de computação?

Eu diria que são complementares, e a divisão será muito parecida com a da rede elétrica. Os hiperescaladores são a carga de base. Eles são muito bons em atender cargas de trabalho de grande escala, previsíveis e sensíveis à latência para as maiores empresas, e devem continuar fazendo isso. As redes descentralizadas podem complementá-los absorvendo a demanda variável, colocando em operação recursos computacionais distribuídos e que, de outro modo, ficariam ociosos, e dando a mais empresas acesso à capacidade de GPUs.

As redes descentralizadas são uma alternativa genuína por causa da confiança. A concentração é um problema econômico, mas também é um problema de visibilidade. Quando um punhado de empresas opera a infraestrutura, também controla o que você consegue ver. Um hiperescalador pode prometer que não vai acessar seus dados. Um enclave isolado com atestação pública pode comprovar isso. Essa propriedade não melhora com um centro de dados maior. Ela resulta de incorporar a verificação à própria infraestrutura.

Já vemos os dois modelos funcionando lado a lado. Google Cloud e Alibaba Cloud estiveram entre os parceiros do lançamento da nossa rede principal. As empresas querem poder direcionar uma carga de trabalho para um hiperescalador, um provedor descentralizado ou o próprio hardware, com base no preço, nos requisitos de privacidade e no nível de verificação de que precisam.

É nessa direção que vemos o mercado avançar. Não para um modelo substituir os demais, mas para um mercado global de computação em que as cargas de trabalho possam migrar entre diferentes fontes de infraestrutura, conforme as exigências de cada tarefa.

À medida que os agentes de IA se tornam atores econômicos capazes de comprar serviços e gerenciar recursos de forma autônoma, a própria computação poderia se tornar parte de uma economia entre máquinas, na qual os agentes adquirem infraestrutura dinamicamente com base no preço, no desempenho e na disponibilidade?

Já vimos alguns exemplos disso, ainda que pequenos, na nossa rede. A maioria das solicitações feitas por meio do 0G Compute não vem de uma pessoa clicando em um botão. Elas vêm de aplicativos e agentes que chamam uma API, pagam por solicitação usando um saldo pré-financiado e são direcionados ao provedor mais adequado à tarefa. Cerca de 43.000 carteiras pagaram por inferência dessa forma, e mais de 300 projetos foram desenvolvidos na 0G. Só a Ghast AI já processou mais de 100 bilhões de tokens por meio do 0G Compute. A NeoSoul opera milhões de agentes na 0G e na BNB Chain, outra rede blockchain. Um agente que escolhe um provedor mais barato para uma tarefa em lote e um enclave privado para uma tarefa sensível já está tomando uma decisão de roteamento.

Os elementos que faltam para uma verdadeira economia das máquinas são coisas que os humanos consideram naturais: identidade, uma maneira de reservar recursos com antecedência e uma unidade de conta. Os agentes precisam de uma identidade que funcione em diferentes serviços, e é isso que o Agentic ID da 0G foi projetado para oferecer. Também precisam de uma maneira de garantir capacidade computacional antecipadamente, em vez de pagar por cada solicitação, para que possam planejar e operar de forma autônoma.

Esse é um dos motivos pelos quais criamos o Compute Finance. Quando é possível obter capacidade computacional participando da rede e gastá-la em diferentes serviços de IA, um agente pode receber fundos uma única vez e usar a capacidade de que precisa sem que uma pessoa tenha de adicionar fundos a uma conta na nuvem. Ascend e Infinite AI são as primeiras implementações. A economia das máquinas será construída sobre elas por pessoas que ainda não conhecemos.

O requisito de segurança é inegociável. Cada uma dessas decisões das máquinas precisa deixar um rastro verificável e contar com salvaguardas de segurança incorporadas. Uma economia das máquinas sem comprovantes é apenas uma maneira mais rápida de perder dinheiro e provocar um desastre de segurança oculto.

Olhando para os próximos cinco anos, como você espera que o mercado de computação para IA evolua? As empresas ainda pensarão principalmente em alugar GPUs e capacidade na nuvem ou estamos caminhando para um mercado global mais líquido, no qual a capacidade computacional possa ser possuída, negociada, monetizada e alocada dinamicamente?

Não acho que o aluguel vá desaparecer, assim como o leasing não desapareceu quando o financiamento de equipamentos amadureceu. Mas ele já não é a única opção e deixará de ser a única maneira de os principais participantes pensarem na computação como recurso.

À medida que isso evoluir, espero que a computação desenvolva o mesmo tipo de infraestrutura financeira que qualquer outro insumo estratégico. As empresas manterão posições em capacidade computacional, assim como mantêm contratos de energia ou posições em moeda estrangeira. Os provedores venderão capacidade em um mercado aberto, em vez de negociar um contrato de cada vez. O preço da computação variará conforme a carga de trabalho e o nível de confiança, porque a inferência privada verificada e a inferência não verificada são produtos diferentes. E uma parcela crescente dos compradores será composta por agentes, não por equipes de compras.

É para isso que serve o Compute Finance (ComFi). Lançamos o Ascend e anunciamos o Infinite AI no primeiro aniversário da nossa rede principal porque a sequência agora está clara. A capacidade computacional é produzida. Ela tem um preço. O próximo passo é uma camada financeira na qual direitos sobre essa capacidade possam ser mantidos, obtidos, gastos e negociados, com cada unidade deixando um registro verificável. Estamos transformando deliberadamente o ComFi em uma categoria aberta, em vez de uma marca proprietária, porque um mercado com apenas um participante não é um mercado.

O que torna tudo isso possível não é uma GPU melhor. É a camada de confiança: a comprovação do que foi executado, de quem o executou e da liquidação que ocorre com base nessa comprovação. Quando a computação pode ser verificada, ela se torna suficientemente fungível para ser financiada. Quando pode ser financiada, torna-se líquida. Nos próximos cinco anos, o setor deixará de tratar o recurso mais importante da economia como uma simples rubrica contábil.

Obrigado pela ótima entrevista. Leitores que quiserem saber mais podem visitar 0G.