Cómo el entrenamiento descentralizado de IA creará una nueva clase de activos para la inteligencia digital

Frontier AI — los sistemas de inteligencia artificial de propósito general más avanzados que se están desarrollando actualmente — se están convirtiendo en una de las industrias más estratégicas y económicamente importantes del mundo, sin embargo, sigue siendo en gran medida inaccesible para la mayoría de los inversores y desarrolladores. Entrenar un modelo competitivo de IA hoy en día, similar a los que utilizan los usuarios minoristas, puede costar cientos de millones de dólares, requerir decenas de miles de GPUs de alta gama y demandar un nivel de sofisticación operativa que solo un puñado de empresas puede soportar. Por lo tanto, para la mayoría de los inversores, especialmente los minoristas, no existe una forma directa de poseer una parte del sector de la inteligencia artificial.

Esa limitación está a punto de cambiar. Una nueva generación de redes descentralizadas de IA está pasando de la teoría a la producción. Estas redes conectan GPUs de todo tipo alrededor del mundo, que van desde hardware de alta gama costoso hasta equipos de juego para consumidores e incluso el chip M4 de tu MacBook, en una única plataforma de entrenamiento capaz de soportar procesos a gran escala y de vanguardia. Lo que importa para los mercados es que esta infraestructura hace más que coordinar el cómputo; también coordina la propiedad mediante la emisión de tokens a los participantes que aportan recursos, lo que les otorga una participación directa en los modelos de IA que ayudan a crear.

El entrenamiento descentralizado es un avance genuino en el estado del arte. Hasta hace poco, los expertos en inteligencia artificial afirmaban que entrenar modelos grandes en hardware heterogéneo y no confiable a través de internet abierto era una imposibilidad. Sin embargo, Prime Intellect ha entrenado ahora modelos descentralizados que están actualmente en producción: uno con 10 mil millones de parámetros (el todoterreno rápido, eficiente y capaz para tareas cotidianas) y otro con 32 mil millones de parámetros (el pensador profundo que sobresale en razonamiento complejo y ofrece resultados más matizados y sofisticados).

Gensyn, un protocolo de aprendizaje automático descentralizado, ha demostrado un aprendizaje por refuerzo que puede ser verificado en cadena. Pluralis ha demostrado que entrenar modelos grandes utilizando GPUs de consumo (las tarjetas gráficas estándar que se encuentran en computadoras para juegos y dispositivos de consumo, en lugar de chips especializados costosos) en un enjambre es un enfoque descentralizado cada vez más viable para el preentrenamiento a gran escala, la fase fundamental donde los modelos de IA aprenden de conjuntos de datos masivos antes de ser ajustados para tareas específicas.

Para ser claros, este trabajo no es solo un proyecto de investigación, ya está ocurriendo. En las redes de entrenamiento descentralizadas, el modelo no “reside” dentro del centro de datos de una sola empresa. En cambio, vive distribuido a lo largo de la red misma. Los parámetros del modelo están fragmentados y distribuidos, lo que significa que ningún participante posee la totalidad del activo. Los colaboradores proporcionan potencia de cómputo GPU y ancho de banda, y a cambio reciben tokens que reflejan su participación en el modelo resultante. De esta manera, los participantes del entrenamiento no solo actúan como recursos; obtienen alineación y propiedad en la IA que están creando. Esta es una alineación muy diferente a la que observamos en los laboratorios de IA centralizados.

Aquí, la tokenización se convierte en un elemento integral, otorgando al modelo una estructura económica y un valor de mercado. Un modelo de IA tokenizado actúa como una acción, con flujos de efectivo que reflejan la demanda del modelo. Así como OpenAI y Anthropic cobran a los usuarios por el acceso a la API, las redes descentralizadas también pueden hacerlo. El resultado es un nuevo tipo de activo: inteligencia tokenizada.

En lugar de invertir en una gran empresa pública que posee modelos, los inversores pueden obtener exposición directa a los modelos. Las redes implementarán esto mediante diferentes estrategias. Algunos tokens pueden conferir principalmente derechos de acceso —prioridad o uso garantizado de las capacidades del modelo— mientras que otros pueden rastrear explícitamente una parte de los ingresos netos generados cuando los usuarios pagan por ejecutar consultas a través del modelo. En ambos casos, los mercados de tokens comienzan a funcionar como un mercado de valores para modelos, donde los precios reflejan expectativas sobre la calidad, la demanda y la utilidad de un modelo. Para muchos inversores, este puede ser el camino más directo para participar financieramente en el crecimiento de la IA.

Este desarrollo no ocurre en el vacío. La tokenización ya está avanzando hacia el ámbito financiero convencional, con plataformas como Superstate y Securitize (que tiene previsto salir a bolsa en 2026) que están llevando fondos y valores tradicionales a la cadena de bloques. Las estrategias de activos del mundo real son ahora un tema popular entre reguladores, gestores de activos y bancos. Los modelos de IA tokenizados encajan naturalmente en esta categoría: son nativos digitales, accesibles para cualquier persona con conexión a internet independientemente de su ubicación, y su actividad económica principal—el cálculo para inferencia, el proceso de ejecutar consultas a través de un modelo entrenado para obtener respuestas—ya está automatizada y es rastreable mediante software. Entre todos los activos tokenizados, los sistemas de IA en mejora continua pueden ser los más inherentemente dinámicos, ya que los modelos pueden ser actualizados, reentrenados y mejorados con el tiempo.

Las redes de IA descentralizadas son una extensión natural de la tesis de que las cadenas de bloques permiten a las comunidades financiar, construir y poseer activos digitales de manera colectiva, algo antes imposible. Primero fue el dinero, luego los contratos financieros, luego los activos del mundo real. Los modelos de IA son la próxima clase de activos digitalmente nativos que serán organizados, poseídos y comercializados en cadena. Nuestra perspectiva es que la intersección entre criptomonedas e IA no se limitará a “tokens temáticos de IA”; estará anclada en ingresos reales de modelos, respaldados por cómputo y uso medibles.

Todavía es temprano. La mayoría de los sistemas de entrenamiento descentralizados están en desarrollo activo, y muchos diseños de tokens fallarán en pruebas técnicas, económicas o regulatorias. Pero la dirección es clara: las redes descentralizadas de entrenamiento de IA están destinadas a convertirse en un recurso líquido y coordinado a nivel mundial. Los modelos de IA están convirtiéndose en recursos compartibles, poseíbles y comerciables a través de tokens. A medida que estas redes maduren, los mercados no solo valorarán a las empresas que construyen inteligencia; valorarán la inteligencia misma.