De la Expectativa a la Realidad: Las Innovaciones Emergentes en DePIN e IA para 2025

DePIN: redes descentralizadas de infraestructura física

Aunque los proyectos DePIN, en teoría, intentan proporcionar una utilidad real a la cripto, son pocos los que realmente resuelven problemas de la vida real, tienen un modelo de negocio sensato capaz de revolucionar empresas existentes y no pueden ser fácilmente falsificados. La mayoría son simplemente soluciones en busca de un problema. Una excepción notable es una red de rastreo de vuelos llamada Wingbits. ¿Por qué? Porque aborda un problema de Web2 resolviéndolo con incentivos de Web3. Para cualquiera que haya seguido un vuelo como BA117 de Londres a Nueva York, puede que haya utilizado sitios web como FlightAware o Flightradar.

Figura 1: Mapa de rastreo de vuelos de Wingbits

Fuente: Wingbits - Transformando el rastreo de vuelos.

Las compañías de rastreo de vuelos generan millones en ingresos vendiendo datos de vuelos a empresas de aviación y a compradores como analistas financieros que monitorean movimientos de jets privados para fusiones y adquisiciones. Estas compañías también obtienen ingresos por anuncios y suscripciones en sus plataformas. Sin embargo, sus gastos de capital no incluyen costos significativos en infraestructura y hardware. Esto se debe a que la tecnología de vigilancia aérea, llamada receptores ADS-B, es un hardware que requiere antenas y Raspberry Pis, comprados y configurados por entusiastas de la aviación. Estos entusiastas esperan poco a cambio, a menudo recibiendo solo una suscripción gratuita a su plataforma favorita de rastreo de vuelos.

El principal problema es que los entusiastas no están incentivados para maximizar la calidad de los datos para estas redes. Sin incentivos marginales, los receptores ADS-B suelen estar mal ubicados — por ejemplo, en rincones de salones o sobrerequipados en áreas urbanas densamente pobladas, lo que conduce a una cobertura débil en regiones rurales.

Figura 2: (LHS) Receptor ADS-B tradicional, (RHS) minero Wingbits

Fuente: Wingbits - Transformando el rastreo de vuelos.

Wingbits está revolucionando el rastreo de vuelos incentivando a los entusiastas a instalar estaciones estratégicamente, basándose en la altitud, mientras utiliza un sistema similar al índice espacial jerárquico hexagonal de Uber. Este enfoque garantiza una cobertura optimizada, datos de mayor calidad y, lo más importante, recompensas justas para los contribuyentes de la red. Alcanzaron una cobertura del 75% de las redes más grandes con solo 1/11 del número de estaciones Wingbits. Este alto nivel de eficiencia, junto con un despliegue esperado de más de 4,000 estaciones, se anticipa que superará a las redes tradicionales de rastreo de vuelos con un margen significativo, entregando datos de mejor calidad a los clientes finales.

La próxima conversación en la cena familiar explicando este concepto será más sencilla ahora que podemos señalar un caso de uso real, impulsado por incentivos cripto, que la gente común puede entender.

Cripto x IA

Similar a los ciclos de mercado, la demanda de cómputo presenta picos y valles. Las GPU pueden ser costosas, y las limitaciones de oferta las hacen aún más caras. Desbloquear el cómputo ocioso en dispositivos de consumo no es un concepto nuevo, pero resolver el desafío de sincronización entre múltiples dispositivos sí lo es. Exo Labs es un proyecto pionero que está logrando avances en computación en el borde, permitiendo que los usuarios ejecuten modelos en dispositivos de consumo comunes, como MacBooks domésticos. Esto significa que los datos sensibles permanecen bajo su control, reduciendo los riesgos asociados con el almacenamiento o procesamiento en la nube.

Figura 3: Un modelo de 9 capas está dividido en 3 fragmentos, cada uno ejecutándose en un dispositivo separado

Fuente: Bancos Transparentes - 12 Días de EXO, EXO Labs.

Exo Labs ha desarrollado una infraestructura de software novedosa llamada inferencia paralela en pipeline, que permite dividir un modelo de lenguaje grande (LLM) en “fragmentos”, permitiendo que diferentes dispositivos ejecuten partes separadas del modelo mientras permanecen conectados a través de la misma red. Este enfoque ofrece varias ventajas, como reducción de la latencia, mayor seguridad, eficiencia en costos y, lo más importante, beneficios de privacidad.

Explorar la privacidad más a fondo revela a Bagel AI, un proyecto que ha desarrollado ZKLoRA (Adaptación de Bajo Rango de Conocimiento Cero), un enfoque que preserva la privacidad para el ajuste fino de LLMs. Esta innovación permite la creación de modelos especializados para industrias como los servicios legales, salud y finanzas, permitiendo que los datos sensibles se utilicen para aprendizaje reforzado sin arriesgar la divulgación de información confidencial.

Aunque la preservación de la privacidad es un tema candente, un desafío mayor para la mayoría de los LLMs es el problema de las alucinaciones, una respuesta generada por IA que contiene información falsa o engañosa presentada como un hecho. Un gestor de cartera una vez me dijo: “La sabiduría yace en sintetizar puntos de vista contrapuestos para descubrir la verdad matizada entre dos extremos.” Blocksense es un proyecto que ha desarrollado un enfoque propietario llamado consenso zkSchellingCoin. Este método intenta superponer verdades subjetivas de múltiples fuentes — digamos, diferentes LLMs — para llegar a una única verdad común. Por ejemplo, imagina ejecutar la misma consulta en ChatGPT, Claude, Grok y Llama. Si un modelo ofrece una salida incorrecta, es estadísticamente improbable que los cuatro modelos generen el mismo resultado falso cuando se comparan entre sí.

Figura 4: Resumen del consenso zkSchellingCoin

Fuente: Blocksense Network - El zk Rollup para oráculos programables.

El consenso zkSchellingCoin también podría aplicarse para añadir verificabilidad a la inferencia de IA. Por ejemplo, ¿cómo podemos confirmar que un agente de IA ha puenteado correctamente USDC al depósito de mayor rendimiento en el momento de la ejecución? La confianza en la IA se fortalecería significativamente con una capa adicional de verificación. Si podemos resolver esto sin comprometer el costo o la latencia, podría conducir a un avance importante en casos de uso reales.

El camino del hype a la realidad en DePIN e IA muestra que la verdadera innovación radica en resolver problemas del mundo real con soluciones prácticas y eficientes. Proyectos como Wingbits y Exo Labs demuestran cómo la blockchain y la IA pueden crear un impacto significativo — ya sea revolucionando el rastreo de vuelos con incentivos estratégicos o desbloqueando el poder de los dispositivos de consumo para una computación segura y rentable. Con avances como ZKLoRA para IA con preservación de la privacidad y zkSchellingCoin para la verdad verificable, estas tecnologías emergentes están listas para abordar desafíos críticos, allanando el camino hacia un futuro más descentralizado, eficiente y con confianza verificada.

Bullish Capital Management invirtió en Wingbits y Exo Labs, mencionados en este informe. Este artículo es solo para información y no constituye asesoramiento financiero. Por favor, realice su propia investigación y considere su situación financiera antes de invertir. Las inversiones en criptomonedas pueden ser volátiles y pueden resultar en pérdida total.