Los expertos dicen que las pruebas zk dan a las DePIN una ventaja a medida que aumenta la demanda de confianza en la IA

El pronóstico de referencia de Goldman Sachs de 7,6 billones de dólares en gasto de capital de inteligencia artificial (IA) depende en última instancia de cuánto tiempo siga siendo útil el silicio específico para IA. Las redes descentralizadas prometen importantes eficiencias de costos, pero continúan luchando contra los problemas de latencia, y los expertos sostienen que la viabilidad a largo plazo dependerá de priorizar la verificabilidad por encima del rendimiento bruto.

• Aspectos clave:
• • Goldman Sachs cita un gasto de 7,6 billones de dólares para 2031, dependiendo de si los chips duran más de 3 años.
• • Expertos de StealthEX y Cysic advierten que la latencia en DePIN limita la IA descentralizada a trabajos por lotes, no a chats en vivo.
• • Empresas onchain como Maple podrían cerrar la brecha de $5M a $50M de crédito para centros de datos de Nivel 2 para 2028.

El punto de referencia de 7,6 billones de dólares

Un informe reciente de Goldman Sachs cambia el debate de si existe demanda de inteligencia artificial (IA) a qué factores del lado de la oferta determinarán el costo real de la expansión. El informe proyecta 7,6 billones de dólares en gasto de capital en IA como línea base, pero subraya que esta cifra es muy sensible a “variables oscilantes”, incluida la vida útil del silicio de IA.

Se considera que esta longevidad es el factor más crítico, porque la innovación acelerada podría volver obsoletos los chips estándar —que normalmente duran de cuatro a seis años— en solo tres años, haciendo que los costos se disparen. En cambio, un “modelo por niveles” donde los chips más antiguos se reutilizan para tareas más simples, como la inferencia, podría estabilizar los costos.

La complejidad de los centros de datos y la elasticidad de la demanda de cómputo son otras variables que probablemente afecten cuánto capital se gasta en infraestructura de IA en los próximos cinco años. También se observan escaseces en capacidad de la red eléctrica, mano de obra especializada y equipos eléctricos como factores que alargan la expansión.

Mientras tanto, un informe separado enmarca este gasto de infraestructura como la piedra angular de una “economía de máquinas” emergente. En este paradigma, los agentes de IA se vuelven los actores económicos principales: ejecutan transacciones de alta frecuencia y gestionan la asignación de recursos de forma independiente. Los autores del informe sostienen que los sistemas financieros heredados, caracterizados por ciclos de liquidación lentos y marcos rígidos de conoce a tu cliente (KYC), están fundamentalmente mal preparados para la velocidad del comercio por agentes.

Infraestructura descentralizada y el dilema de la latencia

En consecuencia, posiciona a las criptomonedas y los protocolos descentralizados como las “vías económicas” esenciales, sin permisos, necesarias para facilitar este cambio. Sin embargo, los escépticos siguen desconfiados y cuestionan si las redes descentralizadas de infraestructura física (DePIN) pueden realmente mitigar los crecientes requerimientos de capital para la IA.

Vadim Taszycki, director de crecimiento de StealthEX, señala que aunque las redes descentralizadas pueden ofrecer importantes ahorros de costos, tienen limitaciones físicas. Aunque un proveedor descentralizado como Akash podría alquilar una GPU H100 por $1,48 por hora frente a $12,30 en Amazon Web Services, el intercambio es la velocidad.

“Los grandes proveedores de nube pueden hacer [trabajo rápido] porque sus GPU están una al lado de la otra en un mismo edificio, conectadas por cables especiales que mueven datos en microsegundos”, dijo Taszycki. Explicó que las redes descentralizadas, que enlazan GPU en distintos países a través de internet público, añaden milisegundos de retraso. Esta latencia hace que la orquestación descentralizada sea competitiva para trabajos por lotes y afinamiento, pero inadecuada para atender chatbots en vivo a gran escala, donde la experiencia del usuario depende de respuestas casi instantáneas.

Leo Fan, fundador de Cysic, hizo eco de estos puntos y sostuvo que la inferencia descentralizada es inadecuada para cargas de trabajo con baja latencia. Fan argumentó, sin embargo, que la latencia es el baremo equivocado para comparar plataformas descentralizadas e hiperescalares como AWS.

“El problema difícil no es el cómputo distribuido, sino el descubrimiento, la programación y la atestación. La cuña no es el precio por token; es la verificabilidad”, dijo Fan. Señaló que los entornos de ejecución confiables (TEEs) y las atestaciones de conocimiento cero (ZK) permiten que las redes descentralizadas compitan en sectores donde la confianza y la verificación importan más que la “latencia de cola”.

Crédito onchain y la brecha de financiamiento

Más allá del cómputo, el foco se está moviendo a cómo se financian estos proyectos intensivos en capital. Si bien el crédito privado tradicional tiene abundante capital, a menudo pasa por alto acuerdos más pequeños o no estándar. El crédito onchain ofrece ventajas distintas, como permitir que inversionistas minoristas participen en los ingresos de los centros de datos que antes estaban restringidos a socios comanditarios institucionales. Además, plataformas como Maple y Centrifuge pueden sindicar préstamos en el rango de 5 millones de dólares a 50 millones de dólares, un tramo que a menudo ignoran empresas como Apollo debido a que los costos de originación son altos en relación con las comisiones.

Por último, el crédito onchain permite modelos novedosos de “pago por inferencia”, donde los ingresos fluctúan con el uso de GPU. Estos modelos encajan de manera más natural en estructuras tokenizadas de participación en ingresos que en arrendamientos tradicionales rígidos de 20 años.

A pesar de este potencial, los expertos identifican cuatro “barreras” que siguen cerradas para la adopción institucional: exigibilidad legal en tribunales de quiebra, falta de infraestructura de oráculos a prueba de manipulación para dar servicio a los covenants, incertidumbre regulatoria para tramos de miles de millones de dólares y productos de impuestos y contabilidad no estandarizados.

El consenso sugiere un horizonte realista de 12 a 24 meses para que los acuerdos sindicados de tamaño medio ganen tracción onchain, con la deuda mezzanine mayoritariamente onchain probablemente a entre tres y cinco años. Los primeros avances probablemente provendrán de operadores de Nivel 2, más que de líderes del sector como Coreweave.