Como a NVIDIA Construíu o Modelo de Fundação de Pagamentos para o PayPal

Na Edição 5 de "Comércio Agente", Simon Taylor (Chefe de Desenvolvimento de Mercado na Tempo) e Bam Azizi (CEO e Fundador da Mesh) convidaram Pahal Patangia (Chefe de Desenvolvimento de Negócios e Pagamentos da Indústria Global na NVIDIA) para discutir tópicos como modelos de código aberto em serviços financeiros, fluxos de trabalho agentificados como propriedade intelectual nos negócios, e mais.

Linha do Tempo:

00:00 Introdução
05:03 Modelo de Fundação de Pagamentos baseado na arquitetura Transformer
10:44 Adoção de modelos de código aberto em serviços financeiros
17:53 Compromissos de custo e latência na inferência de IA
20:24 Economia de tokens e eficiência em sistemas de IA
23:21 Fluxos de trabalho agentificados como propriedade intelectual nos negócios
25:45 Tendências na integração de protocolos no Comércio Agente
30:17 Runtime de código aberto OpenSHIELD para segurança de agentes
33:33 Vantagens das stablecoins em micropagamentos de agente para agente
35:36 Comparado aos pagamentos, a busca está sendo implementada mais rapidamente em agentes

Principais Conclusões:

1. A essência do Comércio Agente é "terceirização de contexto": o contexto da tomada de decisão do consumidor, anteriormente mantido por humanos, está agora sendo transferido para agentes por meio de modelos de incorporação + fundação, tornando as capacidades de pagamento parte da cadeia de decisão, em vez de apenas a camada de execução.
2. O Modelo de Fundação de Pagamentos é uma variável central: inserir dados financeiros tabulares tradicionais em Transformers gera incorporações de comportamento do usuário, que é a infraestrutura chave para os agentes "consumirem como humanos."
3. A busca amadureceu, enquanto os pagamentos ainda estão em estágios iniciais: a verdadeira implementação do Comércio Agente está atualmente focada em busca e recomendação, enquanto os pagamentos permanecem em fases de sandbox e experimentais.
4. A razão fundamental para a explosão do código aberto na indústria financeira não é a tecnologia, mas a regulação e controle: explicabilidade, controlabilidade e capacidades de ajuste fino são mais importantes do que desempenho.
5. A diferença de desempenho entre modelos de código aberto e fechado se reduziu a uma "faixa negligenciável", tornando custo, conformidade e flexibilidade de implantação os fatores dominantes na tomada de decisões corporativas.
6. A economia de tokens está se tornando a nova geração da "economia de pagamentos": as restrições principais dos sistemas de IA não são mais apenas taxas de transação, mas a otimização abrangente do consumo de tokens, custos de inferência, latência e consumo de energia.
7. Sistemas multiagentes são o futuro do campo de batalha: emissores, adquirentes, comerciantes e sistemas internos de empresas evoluirão para agentes, completando processos de negócios por meio de interações máquina a máquina.
8. Os fluxos de trabalho dos agentes estão se tornando novos ativos centrais para as empresas: anteriormente eram APIs e SaaS, agora os caminhos de decisão, lógica de execução e ciclos de feedback dos agentes constituem uma nova "propriedade intelectual de negócios."
9. As stablecoins têm vantagens estruturais em cenários de agente para agente: micropagamentos, liquidação em tempo real e disponibilidade global são coisas que as redes de cartões tradicionais não conseguem suportar.
10. O crescimento do volume de transações trazido pelos agentes é exponencial: humanos realizam cerca de 2 transações por dia, enquanto agentes podem realizar 2000, e os modelos de TPS dos sistemas de pagamento tradicionais não conseguem acomodar essa mudança de paradigma.
11. As infraestruturas de pagamento não serão substituídas, mas coexistirão em camadas: redes de cartões são adequadas para interações humanas, enquanto stablecoins são mais adequadas para interações de máquinas, e ambas funcionarão em paralelo em diferentes cenários.
12. A camada de protocolo está atualmente na "fase inicial de LLM": a coexistência de múltiplos protocolos promove inovação, e a longo prazo, inevitavelmente convergirá para alguns padrões.
13. A segurança se tornou uma questão de infraestrutura na era dos agentes: tempos de execução como OpenSHIELD são necessários para isolar agentes em sandboxes para prevenir a disseminação de riscos sistêmicos.
14. Os casos de uso principais da IA em pagamentos não mudaram: antifraude, verificação de identidade e personalização permanecem os valores mais centrais, com a implementação evoluindo de regras para modelos e depois para agentes.
15. O verdadeiro avanço do Comércio Agente não está nos pagamentos, mas na "automação de decisões": quando busca + recomendação + execução estão totalmente automatizadas, os pagamentos são apenas o passo final da invocação de capacidades.

Simon Taylor:
Bem-vindo ao Tokenized, um programa focado em stablecoins e na adoção da tokenização de ativos do mundo real. Eu sou Simon Taylor, seu anfitrião hoje, e também o autor do Fintech Brain Food, além de ser o Chefe de Desenvolvimento de Mercado na Tempo.

Hoje continuamos a série Comércio Agente, e me acompanha Bam Azizi, CEO da Mesh. Como você tem estado, Bam?

Bam Azizi:
Estou bem, obrigado Simon por nos receber novamente.

Simon Taylor:
Esta série realmente está decolando. Sinto que o Comércio Agente se tornou um dos tópicos mais quentes do mundo atualmente, realmente capturando a atenção de todos.

Hoje também temos um convidado de uma empresa que está muito em evidência—provavelmente uma das maiores empresas do mundo—mas eles fizeram algumas coisas para apoiar o Comércio Agente que a maioria das pessoas não conhece.

Então hoje damos as boas-vindas a Pahal Patangia, Chefe de Desenvolvimento de Negócios da Indústria Global e Pagamentos na NVIDIA. Pahal, como você tem estado?

Pahal Patangia:
Estou bem, Simon, obrigado pelo convite. Estou animado para estar no programa e ansioso pela nossa conversa.

Simon Taylor:
De fato, tudo está se encaixando—isso é tudo que eu amo: pagamentos, a acumulação da NVIDIA no espaço dos videogames, negócios, stablecoins... todas essas coisas boas.

Mas antes de começarmos, quero lembrar nossos espectadores e ouvintes: as opiniões de nossos convidados representam suas opiniões pessoais e não refletem necessariamente as de suas empresas. Além disso, qualquer coisa que discutirmos não constitui aconselhamento fiscal, legal ou financeiro, então, por favor, faça sua própria pesquisa.

Certo, de uma perspectiva macro, o que o Comércio Agente significa para uma empresa como a NVIDIA? Uma empresa de GPU, uma empresa de computação acelerada, uma empresa de IA, uma empresa de hardware—por que vocês estão envolvidos em pagamentos e negócios?

Pahal Patangia:
Claro, Simon, essa é uma ótima pergunta. Fico feliz que você esteja perguntando da perspectiva de uma empresa de GPU, empresa de hardware e empresa de computação acelerada, pois essa tem sido, de fato, a percepção da NVIDIA por décadas.

Mas quero dizer que essa percepção tem evoluído ao longo dos últimos 20 anos.

Nas últimas décadas, a NVIDIA se transformou em uma plataforma de computação acelerada de pilha completa, fornecendo capacidades para aplicações de IA em todo o ecossistema.

Antes de mergulharmos no Comércio Agente ou na IA, é importante entender o posicionamento da NVIDIA em nível de plataforma e as capacidades que fornecemos—essas capacidades estão, na verdade, impulsionando a explosão da IA que você vê todos os dias.

Normalmente descrevemos as capacidades da NVIDIA para construir aplicações de IA no ecossistema usando um conceito de "bolo de cinco camadas".

Esse "bolo de cinco camadas" consiste em diferentes "ingredientes" que tornam possível construir aplicações de IA e fábricas de IA de forma escalável hoje.

A camada inferior é terra, energia e eletricidade—essa é a base para fazer qualquer coisa relacionada à IA.

Acima disso está a camada de chip, que inclui hardware, GPUs, CPUs e sistemas de rede relacionados.

A próxima camada é a camada do sistema, ou camada do data center, que organiza como esses chips são montados; nós os vemos como unidades diferentes que, em última análise, se combinam em um "computador massivo."

No passado, entendíamos os computadores como dispositivos pessoais, mas agora o próprio data center é um computador, que é a camada do sistema.

Acima disso está a camada do modelo fundamental. Esses modelos fundamentais contêm conhecimento, compreensão da indústria e várias capacidades. Existem muitos parceiros no ecossistema, como OpenAI, Meta, Mistral, etc., construindo esses modelos fundamentais.

Mas esses modelos fundamentais precisam ser refinados para indústrias específicas, cenários específicos e problemas específicos, que é a quinta camada— a camada de aplicação.

A plataforma da NVIDIA abrange essas cinco camadas, combinando todo esse conjunto de capacidades. Os desenvolvedores podem aproveitar essa plataforma de cinco camadas para construir aplicações para seus casos de uso.

No espaço de pagamentos, uma aplicação chave é o Comércio Agente.

Nosso objetivo é incorporar nossas capacidades de hardware, software e modelo nesses players do ecossistema, permitindo que eles construam essas aplicações em escala. Essa é a nossa posição e como estamos impulsionando o desenvolvimento de todo o ecossistema.

Simon Taylor:
Um ponto interessante para mim é que, quando conversamos com muitas pessoas sobre o Comércio Agente, todos assumem que há muito software e hardware rodando essas coisas em segundo plano, mas você está nessa indústria há muito tempo e realmente entende como esses fundamentos funcionam. Qual é a sua opinião?

Bam Azizi:
Sim, é interessante. Na verdade, eu postei algo no LinkedIn sobre essa estrutura em camadas que chamou bastante atenção.

É muito semelhante ao que Pahal acabou de descrever. Eu falei sobre a camada fundamental, camada de distribuição, camada de orquestração e camada de conexão. Meu ponto era que a camada de conexão é a mais importante—claro, um pouco "interessado," já que a Mesh opera nessa camada.

Mas estou realmente curioso, na perspectiva da NVIDIA, qual camada você acha que é a mais importante? Onde você está atualmente investindo mais tempo e recursos?

Pahal Patangia:
Sim, essa é uma ótima pergunta. Eu acho que, da nossa perspectiva, há dois fenômenos muito importantes acontecendo na indústria de pagamentos neste momento.

Estamos trazendo IA para a indústria de pagamentos em grande escala, e tipicamente um fenômeno leva ao outro.

O primeiro fenômeno é o surgimento do "Modelo de Fundação de Pagamentos."

Se você olhar para todo o processo de Comércio Agente, verá que esse processo foi, na verdade, "comprimido." Por exemplo, o processo de finalização de compra foi comprimido.

No mundo passado, você como pessoa detinha o contexto. Você sabia o que queria comprar, sabia como completar a finalização de compra, e esse contexto existia em sua mente.

Mas agora a pergunta é: de onde o agente obtém esse contexto?

O agente deve aprender o comportamento do usuário, perfis de usuário, preferências de usuário e as várias restrições que você estabelece para a transação (desde SKU até as regras finais da transação) para adquirir esse contexto.

Então, como o agente ganha essas capacidades?

Isso leva a uma nova tendência, que eu diria que é um pouco "subterrânea," mas está rapidamente ganhando atenção—o "Modelo de Fundação de Pagamentos."

Porque na indústria de serviços financeiros, especialmente em pagamentos e bancos, historicamente todos os dados existiram em formas tabulares estruturadas.

No passado, você alimentaria esses dados para algoritmos de aprendizado de máquina para construir modelos de propensão, como prever o que os usuários poderiam comprar ou quais transações poderiam realizar.

No entanto, com o surgimento de uma nova geração de algoritmos, particularmente a arquitetura Transformer—que é a base da IA generativa—agora há uma nova tendência de expor esses dados estruturados a modelos Transformer.

Esse é o conceito do "Modelo de Fundação de Pagamentos."

Esses modelos geram algo chamado "embedding."

Em termos simples, embedding é uma representação semântica do comportamento do usuário. Por exemplo:

• O que Pahal provavelmente fará.

• Quais são suas preferências dinâmicas recentes

• Quais são seus padrões de comportamento a longo prazo

Modelos de transformadores podem integrar essas informações para formar essa incorporação.

Então, essas incorporações são inseridas no agente, que executa ações com base nessas informações, como completar transações.

É aqui que os dois mundos começam a se fundir—IA e pagamentos.

Essas incorporações se tornam a "camada de contexto" para o agente, permitindo que o agente execute melhor, itere melhor e garanta que todas as ações permaneçam dentro das regras estabelecidas enquanto aprende e otimiza continuamente.

Essa é uma tendência importante que atualmente impulsiona o desenvolvimento do Comércio Agente.

Além disso, quero enfatizar outra tendência que vemos no Comércio Agente:

Se você dividir todo o processo em "busca" e "pagamento",

a parte que está realmente se desenvolvendo mais rapidamente e é mais madura é o componente de "busca".

O problema da busca tem sido estudado por muitos anos, e agora existem algoritmos melhores para resolvê-lo, então essa onda de tecnologia é muito eficaz em "busca."

É também por isso que a experiência do usuário está se tornando mais personalizada e envolvente.

Estamos também colaborando bastante com o PayPal. O PayPal quer trazer as capacidades do Comércio Agente para seu ecossistema de comerciantes, que consiste em cerca de 19 milhões de comerciantes.

A maioria desses comerciantes são pequenas e médias empresas, e eles estão relativamente "no escuro" sobre IA, não entendendo completamente o que está acontecendo.

A abordagem do PayPal é fornecer essas capacidades a esses comerciantes por meio de sua plataforma.

O método deles é:
Ajustar modelos de código aberto para adaptar esses modelos ao ambiente e casos de uso específicos do PayPal.

Dessa forma, os comerciantes podem usar essas capacidades naturalmente, sem precisar entender a tecnologia subjacente.

Simon Taylor:
Eu acabei de ouvir muito de você, e quero tentar resumir isso para ver se entendi corretamente, enquanto também facilito a compreensão do público.

Muitas pessoas ignoram um ponto: além de modelos como Anthropic, ChatGPT e Gemini, na verdade existem muitos modelos de código aberto, e a NVIDIA é um jogador importante nessa área.

Modelos como o seu NeMo e Neotron têm estado consistentemente na vanguarda em desempenho.

Então, empresas como o PayPal trarão essas capacidades para os comerciantes.

Criar valor para os comerciantes é tudo na indústria de pagamentos. Os comerciantes são o núcleo das operações do mundo. Se você não pode atender os comerciantes, então você é essencialmente nada.

Eles são os que vendem produtos, eles são seus clientes, eles pagam você. Portanto, você deve criar valor para eles.

O Stripe lançou anteriormente um Modelo de Fundação de Pagamento que teve um bom desempenho em anti-fraude.

Mas estou curioso, além de anti-fraude, o que mais o Modelo de Fundação de Pagamento pode fazer?

Se agora eu tenho uma incorporação muito rica e multidimensional que pode entender várias preferências dos usuários, como essas capacidades podem ajudar os comerciantes a vender mais e atender melhor os clientes?

E os comerciantes provavelmente não estão dispostos a compartilhar esses dados com grandes laboratórios de IA.

Portanto, eles tenderão a usar modelos de código aberto.

Além disso, a diferença entre modelos de código aberto e modelos de ponta agora é de cerca de 6 meses, e é uma diferença de desempenho.

Para a maioria dos usos cotidianos, a diferença é quase imperceptível.

Para muitos comerciantes de pequeno a médio porte, esses modelos já são muito superiores à versão gratuita do ChatGPT que estão usando atualmente.

Assim, o PayPal pode proporcionar a eles uma experiência muito boa, enquanto as capacidades subjacentes são, na verdade, da NVIDIA.

Acho que muitas pessoas não estão cientes disso.

Além disso, vi uma pesquisa indicando que 65% das instituições financeiras já estão usando IA, enquanto 84% dizem que modelos de código aberto são importantes para sua estratégia de IA.

Portanto, quero perguntar a você: por que os modelos de código aberto se tornaram tão importantes na indústria financeira?

Pahal Patangia:
Sim, essa é uma ótima pergunta.

A indústria financeira sempre foi "lenta para adotar" novas tecnologias.

As razões para essa "adoção lenta" incluem:
Regulamentação
Requisitos de explicabilidade
E desconfiança em relação a "modelos de caixa-preta"

As instituições financeiras desejam entender o que está acontecendo dentro do modelo para que possam usá-lo com confiança em ambientes de produção.

Portanto, tendem a preferir modelos que possam ser controlados e ajustados.

Ao mesmo tempo, como você mencionou, o desempenho dos modelos de código aberto está agora muito próximo ao dos grandes modelos de código fechado.

Essa "proximidade de desempenho" desloca o foco da discussão de "desempenho do modelo" para outras dimensões, como:

• Custo

• Controle

• Conformidade

• Resiliência do sistema

As empresas desejam mais opções ao construir essas aplicações, em vez de depender de um único fornecedor.

Claro, também vemos os provedores de modelos fundamentais como clientes e parceiros importantes.

Mas, ao mesmo tempo, quando as empresas precisam de mais flexibilidade, os modelos de código aberto se tornam mais adequados.

Por exemplo, o modelo Neotron da NVIDIA e a ferramenta NeMo podem ajudar as empresas a ajustar modelos com mais facilidade.

E essa capacidade se tornará cada vez mais importante no Comércio Agente.

Simon Taylor:
Esse trade-off é, de fato, interessante.

Bam, eu também quero te perguntar, na perspectiva de construir uma empresa no espaço de stablecoins e pagamentos, como você vê o código aberto em comparação ao código fechado? Os seus clientes se importam com essa questão?

Bam Azizi:
Eu acho que, do ponto de vista do cliente, na verdade, eles não se importam se é de código aberto ou fechado.

Essa é uma preocupação para a comunidade tecnológica, que é importante para o desenvolvimento científico e tecnológico.

Mas os clientes se importam com uma coisa:
Se existe a melhor solução que pode ajudá-los a administrar seus negócios.

No entanto, o código aberto é muito importante para a indústria, e ainda precisamos promovê-lo o máximo possível.

Outro ponto que me impressionou foi o que Pahal mencionou sobre a posição da NVIDIA.

No passado, a NVIDIA era mais como a camada de hardware, depois haveria uma camada intermediária, como o ChatGPT, fornecedores de nuvem, etc., e então a camada de aplicação.

Mas agora vocês estão colaborando diretamente com empresas como o PayPal, isso significa que estão "pulando a camada intermediária"?

Isso significa mais rapidez, menor custo e mais eficiência?

Isso representaria uma ameaça para empresas como a OpenAI?

Pahal Patangia:
De forma alguma.

Nossa filosofia é "apoiar os desenvolvedores onde eles estão."

Se os desenvolvedores quiserem usar nossos grandes parceiros, como provedores de modelos de fundação, nós apoiamos totalmente isso e os ajudamos a alcançar os melhores resultados.

Se eles quiserem usar modelos de código aberto, também fornecemos ferramentas e suporte à plataforma.

Isso realmente depende das necessidades e decisões internas de negócios da empresa.

Nós fornecemos uma plataforma completa que permite que eles escolham livremente.

Simon Taylor:
Eu acho essa troca muito interessante.

Pahal, como você orienta empresas de pagamento como o PayPal a tomar essas decisões? Por exemplo, quando eles querem fornecer essas capacidades aos comerciantes, como você os ajuda a pesar diferentes casos de uso? Que feedback você recebe dessas empresas de pagamento?

Pahal Patangia:
Essa é uma ótima pergunta.

Neste campo, à medida que você começa a executar modelos cada vez mais complexos, desde os modelos de hoje até agentes futuros e sistemas multiagentes, há muitos fatores a considerar.

Primeiro, é claro, está a precisão. Mas uma vez que você otimize a precisão até certo ponto, o que realmente determina o resultado são vários outros fatores.

O primeiro é o custo.

Por exemplo, se você está atendendo 19 milhões de comerciantes, isso gera um número massivo de chamadas de inferência todos os dias. Você precisa pensar em como otimizar o custo dessas chamadas de inferência para o menor possível em seu caso de uso.

O segundo é a latência.

Ninguém quer esperar, assim como naquele joguinho da cobrinha no navegador quando a rede cai (jogo offline do Chrome).

Você precisa de respostas em nível de milissegundos.

O modelo precisa pensar, inferir, reunir informações de diferentes fontes de dados, combinar contextos e tomar decisões dentro de regras estabelecidas—tudo isso em milissegundos.

Para realizar tudo isso, é necessário consumir muitos tokens, tomar muitas decisões, executar processos complexos, e tudo deve ser dinâmico e inteligente.

Se o agente for ajustado corretamente e operar sob as restrições adequadas, ele pode alcançar isso.

Você executa uma vez, e então há um ciclo de feedback.

Esse ciclo de feedback cria um "flywheel de dados":
Você continuamente ganha novos dados, compara "resultados reais" com "resultados ideais" e então otimiza continuamente o modelo.

Simon Taylor:
E então, quando você estende essa lógica de um único agente para um sistema multiagente, as coisas se tornam ainda mais complexas.

Por exemplo:

• Agentes do lado da rede

• Agentes do lado do emissor

• Agentes do lado do adquirente

Esses agentes se comunicarão entre si.

Ou dentro da empresa:

• Um agente de compras no sistema SAP

• Ele precisa se comunicar com o sistema de inventário

• Ele também precisa se comunicar com o sistema financeiro

Como todo o sistema realiza inferência? Como ele se torna mais eficiente?

Isso leva a um problema: os tokens irão crescer exponencialmente.

É por isso que a "economia dos tokens" se torna muito importante.

Não se trata apenas de reduzir o uso de tokens, mas de como alcançar a eficiência ideal entre custo, poder computacional e latência.

Isso pode até ser entendido como:
"Quantas saídas de tokens de alta qualidade podem ser geradas por quilowatt-hora."

Na verdade, existe um modelo econômico por trás disso.

Se você não gerenciá-lo bem, é fácil queimar muito dinheiro.

Qualquer um que tenha jogado OpenClaw sabe que é fácil gastar $1000 em um mês apenas chamando algumas APIs, e então você acaba se perdendo em várias armadilhas.

Para as empresas, essa questão é ainda mais séria.

No passado, você poderia ter apenas executado alguns modelos de aprendizado de máquina, como modelos no Snowflake, CNNs, etc., mas agora a estrutura de custos desses modelos de IA é completamente diferente.

Para uma empresa focada em fidelização de clientes ou prevenção de fraudes, essa diferença de custo é enorme.

E entre diferentes papéis como organizações de cartões, comerciantes e emissores, cada papel tem requisitos diferentes para os agentes e diferentes necessidades de tokens.

Portanto, a complexidade de todo o sistema é muito alta.

Não apenas é necessário controlar os custos, mas também é preciso que o sistema melhore continuamente ao longo do tempo, aprendendo como um humano:
"Você acabou de cometer um erro, não faça isso novamente na próxima vez."

Mas se você realmente usou o OpenClaw, saberá que manter o sistema consistentemente estável ao fazer as coisas certas é, na verdade, muito difícil.

Portanto, resolver esse problema em cenários empresariais é muito valioso para a NVIDIA.

Simon Taylor:
Vamos trazer o tópico de volta para o comércio eletrônico.

Qual impacto o Comércio Agente está tendo atualmente nos negócios?

Os usuários realmente conseguem sentir essas mudanças no checkout? Onde esse valor se manifesta?

Pahal Patangia:
Nosso objetivo é apoiar aqueles que realmente criam valor para os usuários finais, como plataformas de pagamento como o PayPal.

Ao mesmo tempo, eles colaborarão com grandes varejistas para implantar agentes voltados para o consumidor sobre eles.

Do ponto de vista da indústria, algumas tendências que estamos observando incluem:

Por exemplo, a Mastercard já implementou transações totalmente impulsionadas por agentes em alguns países.

Esses são sinais iniciais de sucesso.

Isso nos dá confiança de que essas tecnologias eventualmente se tornarão mainstream.

Claro, ainda há muitas questões a serem resolvidas, como:
Esses agentes realmente conseguem melhorar as taxas de conversão no checkout?
Eles são estáveis o suficiente?

Atualmente, é necessário mais ajuste fino e mecanismos de restrição para permitir que os agentes completem tarefas de forma autônoma.

Simon Taylor:
Quero mencionar especificamente a Sardine, pois eles fizeram muito na área de combate à fraude.

Eles têm uma rede de dados de 7 bilhões de dispositivos, construíram seus próprios modelos e registraram o desempenho dos agentes.

Esses dados históricos e os fluxos de trabalho dos agentes são, em si mesmos, uma forma de propriedade intelectual.

No comércio eletrônico, o fluxo de trabalho do seu agente é sua propriedade intelectual central.

Acho que este é um ponto muito importante.

Simon Taylor:
Certo, agradeço à Mesh e a todos os patrocinadores por tornar este show possível.

Bam, não sei se você é como eu, mas agora ouço tantos nomes de protocolos diferentes que não consigo acompanhar todos.

Como você está discutindo esses protocolos com os clientes agora? Quais perguntas você faz à NVIDIA?

Bam Azizi:
Acho que a pergunta mais crítica agora é: o futuro irá em direção à integração ou continuará a se fragmentar?

Esta é uma "pergunta de bilhões de dólares." Se alguém puder responder a essa pergunta, poderá construir uma grande empresa neste campo.

Se você me perguntar, eu tenderia a favor da integração, assim como o desenvolvimento da internet.

No passado, havia muitos protocolos diferentes, mas, no final, unificamos para o HTTP.

Havia também muitos protocolos para comunicação entre dispositivos, mas, no final, eles basicamente se unificaram ao Wi-Fi e ao Bluetooth.

Até mesmo nas interfaces de carregamento, passou de várias interfaces diferentes para uma ou duas padronizadas.

Então, acho que algo semelhante acontecerá aqui.

Especialmente com os recentes avanços no x402, por exemplo, eles estão se esforçando para entrar na Linux Foundation, hospedada por uma organização neutra, com o apoio de empresas como Stripe e Coinbase.

Eu trabalho em verificação de identidade e segurança, e vimos um processo de integração semelhante nos protocolos de autenticação.

Portanto, meu julgamento é que haverá integração.

Mas também estou muito curioso sobre a perspectiva do Pahal.

Outra pergunta é:
Haverá diferentes protocolos no futuro?

Por exemplo:

• Interação entre humanos e agentes

• Interação entre agentes

A interface e os protocolos para esses dois cenários podem ser completamente diferentes.

O que você acha sobre os desenvolvimentos atuais do mercado?

Simon Taylor:
Lembro-me de uma clássica tirinha do XKCD:

"Agora existem 14 padrões de autenticação; precisamos de um padrão unificado."
Então se tornou: "Agora existem 15 padrões."

Você está nesse campo há tanto tempo, como vê essa questão?

Pahal Patangia:
Sim, se eu tivesse uma bola de cristal, adoraria saber a resposta (risos).

Mas, da nossa perspectiva, concordo com o ponto do Bam:

No final, esses protocolos convergirão para algumas soluções principais.

Mas, no processo, a diversidade atual é, na verdade, algo bom.

Porque esses protocolos estão ativando mais desenvolvedores e fazendo com que mais pessoas comecem a construir.

O estágio atual é, na verdade, o "estágio de democratização", semelhante ao desenvolvimento dos LLMs nos últimos três anos.

Modelos diferentes continuam surgindo, impulsionando a adoção em toda a indústria.

A mesma coisa acontecerá com esses protocolos.

Esses protocolos atrairão cada vez mais participantes—desenvolvedores, empresas, usuários—todos construirão sobre essas bases.

Isso promoverá o desenvolvimento da interoperabilidade, levando, em última análise, à integração.

Além disso, à medida que mais agentes são construídos, as questões de segurança se tornam cada vez mais importantes.

Todos estão construindo seus próprios sistemas de agentes, mas é essencial garantir que esses sistemas operem em um ambiente seguro.

É por isso que lançamos algo chamado OpenSHIELD na GTC.

OpenSHIELD é um runtime de código aberto que é reforçado em segurança, posicionado entre os agentes e a infraestrutura.

Ele pode fornecer um ambiente de sandbox para os agentes operarem em um ambiente controlado.

Dessa forma, mesmo que surjam problemas, o impacto pode ser contido.

Simon Taylor:
Sim, isso é muito crítico.

Muitas pessoas não percebem:

Quando você está construindo agentes e também tem um ambiente de produção, deve colocar os agentes em produção?

Se não houver isolamento, uma vez que algo dê errado, o impacto será significativo.

Portanto, mecanismos de sandbox como o OpenSHIELD são muito importantes.

Simon Taylor:
Eu também pensei em um exemplo: nos primeiros dias da internet móvel, havia o WAP, que as pessoas tentaram usar para pagamentos antes do surgimento dos smartphones.

O Comércio Agente, até certo ponto, pode ainda estar em um estágio muito inicial.

Portanto, estou curioso:

Como você está alocando seu foco agora?

Você está focado principalmente em stablecoins?
Ou em interações humano-agente?
Ou em interações agente-agente?

Você está fazendo todos eles, ou tem um foco?

Pahal Patangia:
Essa é uma ótima pergunta.

Na minha perspectiva, estamos principalmente focados nas tendências mais importantes no momento:

• Modelos de Fundos de Pagamento

• Comércio Agente

Mas dentro disso, novas sub-tendências continuarão a surgir.

Por exemplo, stablecoins.

Vemos as stablecoins como um complemento ao sistema de moeda fiduciária existente, trazendo novos usuários e novos ecossistemas.

A próxima geração de usuários pode estar mais acostumada a usar stablecoins em vez de cartões de crédito.

Mas, ao mesmo tempo, haverá integração entre os dois.

No entanto, fundamentalmente, os casos de uso principais da IA em pagamentos não mudaram:

• Anti-fraude

• Verificação de identidade

• Personalização

Esses continuam sendo os mais importantes.

Simon Taylor:
Sim, essencialmente ainda é o valor agregado dos pagamentos.

Se você está usando stablecoins ou redes de cartões, essas questões existirão.

Simon Taylor:
Bam, estou curioso sobre a sua opinião. Você está construindo uma rede no espaço das stablecoins; como você vê a relação entre Comércio Agente e stablecoins?

Bam Azizi:
Acredito que o Comércio Agente pode utilizar diferentes trilhos de pagamento.

Por exemplo, agora os usuários estão procurando produtos como sapatos ou camisetas no ChatGPT, Anthropic ou Perplexity, e então os agentes podem ajudar os usuários a completar os pagamentos.

Esse pagamento pode ser feito com cartões de crédito ou stablecoins.

Neste cenário, ambos são paralelos.

Mas em pagamentos transfronteiriços e transações internacionais, as stablecoins terão mais vantagens.

Em cenários de agente para agente, acredito que as stablecoins têm uma vantagem distinta.

A razão é:

Essas transações costumam ser micropagamentos.
Por exemplo, valores como $0,00005.

Valores assim não podem ser processados pela Visa ou pelos sistemas bancários tradicionais.

Ao mesmo tempo, essas transações precisam ser:
Em tempo real
Globais
Online

As stablecoins atendem perfeitamente a essas condições.

Outro ponto é a frequência das transações.

Uma pessoa pode realizar em média 2 transações por dia, mas um agente pode realizar 2000 transações por dia.

Esse tipo de TPS (taxa de transferência) só pode ser suportado pela blockchain.

Os sistemas de pagamento tradicionais não são projetados para agentes; eles falharão.

Portanto, sou muito otimista quanto à aplicação das stablecoins no Comércio Agente.

Simon Taylor:
Isso é realmente uma explosão exponencial, certo?

Lembro que há cerca de 4 milhões de e-mails enviados na internet a cada segundo, e isso são apenas e-mails, sem contar os vídeos.

Em um mundo assim, a capacidade dos sistemas de pagamento tradicionais de lidar com dezenas de milhares de transações por segundo é claramente insuficiente.

Mas vamos voltar um pouco à realidade, Pahal, da sua perspectiva, onde está a verdadeira demanda dos usuários? Onde está o verdadeiro volume de transações?

Costumo brincar que agora existem mais protocolos no Comércio Agentic do que em protocolos de pagamento.

Você pode ser o mais próximo da infraestrutura subjacente—até mesmo da "infraestrutura da infraestrutura da infraestrutura."

Então, onde você vê a verdadeira demanda? Onde estão os verdadeiros casos de uso?

Pahal Patangia:
Acho que essa pergunta pode ser respondida de duas perspectivas.

A primeira é da perspectiva de todo o ecossistema.

Como mencionei anteriormente, podemos dividir todo o processo em duas partes:

• Busca

• Pagamento

Atualmente, a parte de busca é relativamente madura, a ponto de se poder dizer que está quase resolvida.

A parte de pagamento, no entanto, ainda está em muitas fases experimentais.

Muitos testes em sandbox estão em andamento.

Isso também é o motivo pelo qual sou muito otimista em relação a ferramentas como o OpenSHIELD, pois elas podem ajudar o ecossistema a construir esses agentes em um ambiente seguro e permitir que eles tenham capacidades de transação.

A segunda perspectiva é a de longo prazo.

Sou muito otimista em relação ao desenvolvimento de sistemas multiagentes.

No mundo futuro, diferentes agentes interagirão e colaborarão entre si.

Nosso papel é ajudar esses sistemas a melhorar:

• Através de ciclos de feedback

• Através de ambientes operacionais seguros

• Através de vários mecanismos de restrição (guardiões)

Claro, também será necessário um ajuste fino para garantir que esses agentes possam executar conforme o esperado, sem se desviar.

Essas são todas as direções nas quais nos concentraremos no futuro.

Simon Taylor:
Acredito que um tema muito importante na discussão de hoje é "economia de tokens."

Na verdade, quando falamos sobre tokens mais cedo, Bam e eu dois rimos, porque no espaço das stablecoins, nossa compreensão da economia de tokens é uma lógica diferente.

Mas agora você encontrará:

Tudo se transformou em "tokens."

Existem tokens na verificação de identidade
Tokens em cibersegurança
Visa e Mastercard têm tokens de rede
Tokens em open banking
Stablecoins são tokens
Tokens em IA também

O termo "token" em inglês pode ser bastante confuso, pois originalmente significava apenas "um substituto," mas agora quase tudo pode ser chamado de token.

Mas, de qualquer forma, você deve entender o modelo econômico por trás disso.

Em última análise, seja em IA ou redes de pagamento, o que determina a experiência do usuário ainda é:

• Velocidade

• Custo

Esses dois fatores nos puxarão continuamente de volta à realidade.

Simon Taylor:
Pahal, muito obrigado por suas percepções hoje. Como alguém que tem acompanhado a NVIDIA por muito tempo e também faz parte da indústria de pagamentos, esta conversa tem sido muito interessante. Se as pessoas quiserem saber mais sobre você ou o trabalho da NVIDIA em pagamentos, onde podem ir?

Pahal Patangia:
As pessoas podem me contatar no LinkedIn ou pelo meu e-mail.

Se você quiser aprender sobre o trabalho da NVIDIA em serviços financeiros, pode visitar o site oficial da NVIDIA, onde temos uma página dedicada à indústria detalhando nosso trabalho em pagamentos, bancos e mercados de capitais.

Esperamos trazer as capacidades da IA para todo o ecossistema e estamos felizes em ser seu parceiro.

Simon Taylor:
Ótimo, obrigado. Bam, se as pessoas quiserem se conectar com a rede Mesh ou entrar em contato com você, como devem fazer isso?

Bam Azizi:
Você pode visitar meshpay.com ou procurar por Mesh Pay no Twitter ou LinkedIn. Se você quiser me encontrar, pode procurar por Bam Azizi no Telegram ou Twitter.

Simon Taylor:
Você também pode me encontrar em várias plataformas ou visitar finttechbrainfood.com. Recentemente escrevi um artigo sobre "comércio invisível", discutindo algumas questões potenciais com o Comércio Agente. Se você gostou deste programa, lembre-se de se inscrever, curtir e compartilhá-lo com amigos para que mais pessoas possam ver este conteúdo. Até a próxima.