Desde 2025, la IA y DePIN se han mantenido como las narrativas más expansivas en el mercado cripto. Por un lado, los grandes modelos, los agentes de IA y las aplicaciones generativas están impulsando una demanda cada vez mayor de potencia de cómputo. Por otro, las redes de infraestructura física descentralizada buscan transformar el mercado tradicional de computación en la nube mediante incentivos tokenizados y agregación de recursos. Sin embargo, durante mucho tiempo, el escepticismo del mercado hacia los proyectos DePIN ha sido evidente: ¿La escala de la red equivale a demanda real? ¿El crecimiento en el número de dispositivos se traduce en ingresos sostenibles? ¿La expansión del lado de la oferta, impulsada por incentivos tokenizados, realmente satisface a los clientes empresariales?
Recientemente, IO (io.net) ha publicado de forma constante estudios de casos de comercialización que abordan directamente estas cuestiones. En lugar de limitarse a destacar el número de GPUs, la escala de nodos o la cobertura de la red, IO muestra ahora cómo empresas de IA utilizan su red descentralizada de GPUs para resolver problemas empresariales reales: reducir costes de entrenamiento, acortar los ciclos de adquisición de potencia de cómputo, apoyar el crecimiento de usuarios y proporcionar programación flexible de recursos a medida que las aplicaciones de IA generativa escalan rápidamente. Esto señala un cambio en el foco competitivo dentro del sector DePIN de computación: el mercado ya no solo se interesa por cuántos recursos puede agregar un proyecto, sino por si esos recursos son realmente utilizados por clientes reales y pueden generar cargas de trabajo sostenidas y valor empresarial.
Para IO, estos avances recientes son más que simples actualizaciones de promoción del proyecto: ofrecen al mercado una ventana al panorama evolutivo de DePIN. A medida que la industria de IA pasa de la competencia de modelos a aplicaciones prácticas, los costes de computación se convierten en una restricción clave para el crecimiento empresarial. Si las redes descentralizadas de GPUs pueden aportar ventajas en coste, flexibilidad y eficiencia de entrega, tienen la oportunidad de pasar de ser activos narrativos cripto a infraestructura genuina que responde a las necesidades reales del mercado de IA.
Tras la expansión de aplicaciones de IA, los costes de computación se convierten en un nuevo cuello de botella para la industria
En los últimos dos años, el hilo conductor de la industria de IA ha sido la competencia en capacidades de modelos. Ya sean modelos generales, generación de imágenes, generación de vídeo o agentes de IA, el mercado se ha centrado en los parámetros de los modelos, el rendimiento de inferencia y la experiencia de producto. Pero a medida que las aplicaciones de IA comienzan a comercializarse, el reto central de la industria pasa de "¿Se puede construir?" a "¿Se puede escalar?". Para las empresas de IA, el entrenamiento de modelos es solo el primer paso. Lo que realmente impulsa los costes a largo plazo son las enormes solicitudes diarias de inferencia de los usuarios y la demanda cada vez mayor de recursos GPU a medida que los productos crecen rápidamente.
Por eso los costes de computación son ahora una cuestión central para las startups de IA. Las tareas de entrenamiento suelen ocurrir al inicio del desarrollo del producto o durante la iteración de modelos, mientras que las necesidades de inferencia persisten conforme los usuarios interactúan. Cuando una aplicación de IA pasa de decenas de miles a millones (o incluso decenas de millones) de usuarios, los gastos de infraestructura muestran una tendencia constante al alza. Si una empresa depende de proveedores tradicionales de nube, puede enfrentarse a precios elevados de GPU, restricciones en la programación de recursos, limitaciones regionales y ciclos de adquisición prolongados. Para aplicaciones de IA de rápido crecimiento, esta incertidumbre puede afectar directamente la velocidad de iteración del producto y la eficiencia de comercialización.
Los recientes estudios de casos de IO han captado la atención del mercado precisamente en este contexto. La narrativa central no es simplemente que "las GPUs descentralizadas son más baratas", sino una nueva forma de casar oferta y demanda: existe un gran volumen de recursos GPU infrautilizados en todo el mundo, mientras que las empresas de IA enfrentan necesidades de computación cada vez más elásticas. El valor de las redes DePIN reside en su capacidad para reorganizar estos recursos dispersos y entregarlos a clientes reales a menor coste y con mayor flexibilidad.
Los recientes casos comerciales de IO empiezan a responder a la cuestión de la demanda real en DePIN
En los primeros días del sector DePIN, la lógica del lado de la oferta era la más fácil de explicar. Mediante incentivos tokenizados, los proyectos podían atraer mineros, proveedores de dispositivos o nodos de recursos a la red, expandiendo rápidamente la cobertura de infraestructura. Pero tras el crecimiento de la oferta, la pregunta sobre la procedencia de la demanda es algo que todo proyecto DePIN debe responder. Si una red solo añade dispositivos mediante incentivos tokenizados pero carece de clientes reales y escenarios de uso sostenido, su modelo de negocio sigue siendo dependiente de subsidios.
El valor de los casos recientes de IO radica en que desplazan el foco de la oferta a la demanda. Tomemos como ejemplo la plataforma de música de IA Wondera. Los datos oficiales muestran que Wondera consiguió 200 000 usuarios en 171 países y regiones en solo cuatro meses desde su lanzamiento.
Para apoyar el entrenamiento de modelos y el crecimiento del producto, la plataforma consumió un total de 552 000 horas GPU y utilizó 96 GPUs de gama alta para el entrenamiento. Más importante aún, en comparación con soluciones tradicionales en la nube, Wondera redujo los costes de entrenamiento en torno a un 75 % gracias a IO, ahorrando aproximadamente 2,48 millones de dólares.
Estas cifras significan más que simplemente "menor coste". Demuestran que las redes descentralizadas de GPUs están entrando en los flujos de trabajo reales de negocios, asumiendo tareas de entrenamiento para aplicaciones de IA efectivas. Para plataformas de IA generativa como Wondera, el crecimiento de usuarios amplifica rápidamente la demanda de computación. Si los costes de infraestructura son demasiado altos, la plataforma corre el riesgo de quedar lastrada por su estructura de costes antes de poder comercializarse. Al acceder a recursos GPU de forma más flexible, las empresas pueden destinar más presupuesto al crecimiento del producto, la optimización de modelos y la adquisición de usuarios.
El caso de Leonardo.AI ilustra aún más las presiones de infraestructura que enfrentan las plataformas de IA generativa al escalar. Según datos de IO, Leonardo.AI pasó de unos 14 000 usuarios a 19 millones (un aumento de más de mil veces), mientras los costes de GPU se redujeron en más del 50 % y los ciclos de adquisición pasaron de semanas o meses a solo días. Para plataformas de IA de alto crecimiento, acortar los ciclos de adquisición y reducir costes es igualmente crítico, ya que la ventana competitiva para productos de IA generativa suele ser muy breve. Si el suministro de computación no acompaña el crecimiento de usuarios, la experiencia de producto se resiente, afectando la retención y expansión.
Estos casos están cambiando la percepción del mercado sobre las redes DePIN de computación. Antes, los inversores se centraban en los tokens del proyecto y la escala de la red. Ahora, las preguntas clave son: ¿Las empresas están dispuestas a pagar por la red? ¿Existe carga de trabajo sostenida? ¿Puede ofrecer una alternativa estable a los servicios tradicionales en la nube?
El sector DePIN de computación pasa de la agregación de recursos a la validación comercial
Desde una perspectiva sectorial, las redes DePIN de computación suelen avanzar por tres etapas. La primera es la agregación de recursos: atraer GPUs, CPUs, almacenamiento o ancho de banda a la red mediante incentivos tokenizados. La segunda es la validación de usabilidad: demostrar que estos recursos distribuidos pueden programarse de forma fiable y cumplir requisitos de tareas empresariales. La tercera es la validación comercial: evidenciar que la red puede atraer clientes reales para un uso sostenido, generando ingresos, retención y negocio recurrente.
Los casos recientes de IO muestran que el sector DePIN de computación está pasando de la primera etapa hacia la segunda y tercera. Este cambio es crucial, ya que el mercado cripto suele sobrevalorar la expansión del lado de la oferta y subestimar la dificultad de convertir la demanda. Incluso una red con vastos recursos GPU no puede reemplazar instantáneamente los servicios tradicionales en la nube. Los clientes empresariales valoran más que el precio: también buscan estabilidad, tasas de finalización de tareas, seguridad de datos, capacidad de respuesta del servicio, previsibilidad de recursos y compatibilidad con los flujos de trabajo de desarrollo existentes.
Así, el énfasis de IO en casos comerciales tiene como objetivo fundamental construir confianza en el mercado. Debe demostrar que las redes descentralizadas de GPUs no son solo herramientas de arbitraje a corto plazo, sino infraestructura real capaz de gestionar cargas de trabajo genuinas de IA. Este es el núcleo del cambio en la lógica de valoración DePIN: antes se reconocía a los proyectos por "cuántos nodos tienen", pero en adelante se valorarán más por "cuántos clientes atienden, cuántas tareas ejecutan y cuántos ingresos generan".
Desde esta perspectiva, la publicación constante de casos de clientes por parte de IO no es solo marketing puntual: indica que el sector DePIN de computación está entrando en una nueva fase. A medida que las empresas de IA se vuelven cada vez más sensibles a los costes de computación, las redes descentralizadas de GPUs deben usar casos reales para demostrar que no solo circulan dentro del sector cripto, sino que están listas para entrar en el mercado de infraestructura de IA más amplio.
La creciente demanda de inferencia de IA amplía las oportunidades para redes descentralizadas de GPUs
La próxima demanda central de la industria de IA puede no ser el entrenamiento, sino la inferencia. Las tareas de entrenamiento se concentran durante el desarrollo de modelos, mientras que la inferencia ocurre en cada interacción del usuario. A medida que las aplicaciones de IA se integran en búsquedas, software de oficina, diseño, música, videojuegos, vídeo, atención al cliente y flujos de automatización, las solicitudes de inferencia se convierten en un gasto recurrente. Es decir, cuantos más usuarios tenga una aplicación de IA, mayores serán sus costes de inferencia y más valiosa será la optimización de la infraestructura.
Esto abre nuevas oportunidades de crecimiento para las redes descentralizadas de GPUs. Los proveedores tradicionales de nube destacan en estabilidad, ecosistema y servicios empresariales, pero su estructura de costes y asignación de recursos no siempre es ideal para cada startup de IA. Especialmente para equipos pequeños y medianos, necesitan recursos GPU pero quizá no puedan comprometerse con recursos costosos en la nube a largo plazo. Si las redes descentralizadas de GPUs pueden ofrecer acceso más flexible a recursos, podrían convertirse en un complemento importante para estas empresas.
Aquí reside la oportunidad de IO. No pretende reemplazar a los grandes proveedores de nube de la noche a la mañana, sino ofrecer a las empresas una alternativa más rentable a medida que se expanden rápidamente las necesidades de computación de IA. Especialmente en escenarios como entrenamiento, inferencia por lotes, generación de imágenes, generación de música y ejecución de tareas de agentes, siempre que las tareas puedan dividirse, programarse y ejecutarse de forma distribuida, las redes descentralizadas de GPUs pueden aportar ventajas en coste y flexibilidad.
Sin embargo, esta oportunidad no significa que las redes DePIN de computación estén exentas de desafíos. Los clientes empresariales de IA exigen alta estabilidad de servicio. Las redes descentralizadas deben abordar cuestiones como la calidad desigual de los nodos, la complejidad de la programación de tareas, la seguridad de datos y las garantías de servicio. Si estos retos no se resuelven, las ventajas de coste no se traducirán en relaciones duraderas con los clientes. Que IO continúe publicando más casos de clientes de alta calidad será un factor clave para que el mercado evalúe su capacidad de comercialización.
La narrativa de IO en el mercado pasa del hype de tokens a la demanda de infraestructura
Para el token IO, el impacto más importante de los avances recientes es el fortalecimiento de la narrativa de "demanda de infraestructura de IA" en el mercado. Históricamente, muchos proyectos cripto relacionados con IA experimentaron oscilaciones de precio impulsadas por el hype a corto plazo en torno al concepto de IA. Pero a medida que los proyectos empiezan a mostrar clientes reales, ahorros concretos y casos de expansión empresarial, el foco del mercado pasa del hype conceptual a la validación comercial.
Esto no significa que el precio del token IO suba instantáneamente con cada caso de cliente. Los precios en el mercado secundario seguirán influenciados por las condiciones generales del mercado, la estructura de liquidez, el apetito de riesgo y los desbloqueos de tokens. Pero desde una perspectiva narrativa a medio y largo plazo, los casos comerciales reales mejoran el reconocimiento del mercado sobre los fundamentos de un proyecto. Especialmente conforme se intensifica la competencia en el sector IA, los inversores distinguirán cada vez más entre "proyectos que solo hablan de conceptos de IA" y "proyectos de infraestructura que realmente sirven a empresas de IA".
La estrategia de contenido reciente de IO gira claramente en torno a este punto. No solo enfatiza la escala de la red, sino que demuestra continuamente cómo distintas empresas de IA utilizan su red de computación. Los estudios de caso en música de IA, generación de imágenes de IA y desarrollo automatizado de aplicaciones cubren diversas capas de aplicación, mostrando que la demanda de GPUs descentralizadas no se limita a una sola industria. Para el mercado, esto amplía los límites narrativos de IO, posicionándolo no solo como un proyecto DePIN, sino como una capa de suministro de computación detrás del crecimiento de aplicaciones de IA.
Se está produciendo un cambio más profundo: los proyectos DePIN pasan de estar "impulsados por usuarios cripto" a estar "impulsados por clientes industriales". Si la demanda proviene principalmente del mercado cripto, los ciclos serán muy volátiles. Pero si la demanda viene de empresas de IA, plataformas de desarrollo o compañías de aplicaciones reales, la lógica de crecimiento puede liberarse de los ciclos puramente de mercado.
Si la demanda real es sostenible depende aún de los ingresos de la red y la retención de clientes
A pesar de las señales positivas de los casos recientes de IO, el mercado debe mantener la cautela. Los casos comerciales prueban que existe demanda, pero no demuestran plenamente que sea escalable, estable o sostenible. Para que las redes DePIN de computación maduren, necesitan divulgar datos más sistemáticos: número de clientes empresariales, cargas de trabajo activas, tasas de utilización de GPUs, ingresos de red, tasas de recompra de clientes y distribución de escenarios de aplicación.
Este será el rumbo más importante para la futura observación del mercado sobre IO. Los casos individuales de clientes pueden reforzar la narrativa, pero se necesita un crecimiento sostenido de datos para respaldar el valor a largo plazo. Si IO logra pasar de la divulgación de casos a datos operativos más transparentes, el reconocimiento de sus atributos de infraestructura aumentará aún más. Por el contrario, si las actualizaciones de casos se ralentizan o los ingresos y el uso de la red no crecen, el mercado puede seguir viéndolo como un proyecto narrativo de IA temporal.
Además, las redes descentralizadas de computación deben competir con proveedores tradicionales de nube y otros proyectos descentralizados de computación. Los proveedores tradicionales cuentan con sistemas de servicio empresarial más sólidos y una mejor integración de ecosistemas, mientras que los proyectos DePIN rivales también compiten por la demanda de computación de IA. Para construir ventajas competitivas duraderas, IO necesita algo más que precio: debe destacar en programación de recursos, experiencia de desarrollador, estabilidad de tareas y servicio al cliente.
Por tanto, IO debe considerarse como un objetivo clave de observación en el sector de infraestructura de IA, más que valorarse solo por tendencias de mercado a corto plazo. Su atractivo central no reside en un pico puntual de hype, sino en si las redes descentralizadas de GPUs pueden captar de forma constante la demanda excedente de la industria de IA.
La narrativa DePIN entra en una fase de validación de demanda genuina
En conjunto, la publicación constante de casos comerciales por parte de IO indica que el sector DePIN de computación está entrando en una fase más pragmática. Antes, el debate en el mercado sobre DePIN se centraba en cómo se traen recursos físicos a la cadena, cómo los incentivos tokenizados organizan la oferta y cómo crece el número de nodos. Ahora, el mercado pregunta si esos recursos se usan realmente, si pueden reducir costes empresariales y si pueden integrarse en los eslabones clave de la cadena industrial de IA.
Esta es la característica de la "fase de demanda genuina". La demanda genuina no es que un proyecto afirme servir a un sector, sino que clientes externos utilicen la red para tareas empresariales y obtengan mejoras en coste, eficiencia o escalabilidad. Casos como Wondera y Leonardo.AI ofrecen ejemplos concretos para esta lógica.
Para la industria DePIN, si más proyectos logran pasar de la expansión de la oferta a la validación de la demanda, el sistema de valoración de todo el sector madurará. El mercado se centrará menos en el número de nodos y más en las tasas de utilización, la calidad de los ingresos y la estructura de clientes. Para IO, los casos comerciales recientes han fortalecido su narrativa fundamental, pero su posición a largo plazo dependerá en última instancia de si consigue ampliar su base de clientes y convertir la demanda de computación de IA en valor estable para la red.
Resumen
La reciente serie de estudios de casos comerciales de IO con empresas de IA muestra que las redes DePIN de computación están pasando de narrativas conceptuales a la validación de demanda genuina. Wondera consiguió 200 000 usuarios en 171 países y regiones en cuatro meses, completó 552 000 horas de entrenamiento GPU a través de IO, redujo los costes de entrenamiento en torno a un 75 % y ahorró aproximadamente 2,48 millones de dólares. Leonardo.AI, durante su expansión a 19 millones de usuarios, redujo los costes de GPU en más del 50 % y acortó significativamente los ciclos de adquisición de recursos. Estas cifras indican que las redes descentralizadas de GPUs están entrando en los flujos de trabajo empresariales reales de las compañías de IA.
Sin embargo, el sector DePIN de computación sigue en las primeras fases de comercialización. IO ha demostrado la existencia de demanda mediante estudios de caso, pero deberá aportar datos más sostenidos para evidenciar la escalabilidad: ingresos de red, utilización de GPUs, retención de clientes empresariales y crecimiento real de cargas de trabajo. Para IO, los avances recientes han fortalecido su narrativa de infraestructura de IA y han reenfocado la atención del mercado en el cambio de DePIN de crecimiento impulsado por la oferta a crecimiento impulsado por la demanda. Si las aplicaciones de IA continúan expandiéndose y los costes de computación siguen aumentando, las redes descentralizadas de GPUs podrían convertirse en un complemento cada vez más vital para el mercado de infraestructura de IA.
FAQ
¿Por qué IO ha atraído recientemente la atención del mercado?
IO ha publicado de forma constante estudios de casos comerciales con empresas de IA, mostrando que su red descentralizada de GPUs está sirviendo a aplicaciones reales de IA y no solo permanece en el ámbito de narrativas conceptuales DePIN.
¿Qué significa el caso Wondera para IO?
El caso Wondera demuestra que IO puede proporcionar soporte de entrenamiento GPU a gran escala para una plataforma de música de IA y ayudar a reducir los costes de entrenamiento en torno a un 75 %, evidenciando el valor empresarial práctico de las redes descentralizadas de GPUs.
¿Qué ilustra el caso Leonardo.AI?
El caso Leonardo.AI muestra que las plataformas de IA generativa enfrentan una presión significativa de computación a medida que el número de usuarios crece rápidamente. IO puede suministrar recursos GPU más flexibles para ayudar a las empresas a reducir costes y acortar los ciclos de adquisición.
¿Qué cambios están ocurriendo en el sector DePIN de computación?
El sector DePIN de computación está pasando de la competencia del lado de la oferta a la validación del lado de la demanda. El foco del mercado se desplaza del número de nodos y la escala de GPUs a los clientes empresariales, cargas de trabajo reales e ingresos comerciales.
¿De qué depende principalmente el valor a largo plazo de IO?
El valor a largo plazo de IO depende principalmente de si puede seguir atrayendo clientes empresariales reales de IA y convertir los recursos GPU en demanda estable de uso de red e ingresos comerciales.
