Autor: @BlazingKevin_, Investigador de Blockbooster
La fusión de Web3 e IA está saliendo de su fase inicial. El escrutinio del mercado sobre el sector de las criptomonedas de IA se está desplazando de la "especulación conceptual" inicial a los "fundamentos y la aplicación técnica". En esta transición, los proyectos que demuestran una gran resiliencia y avances tecnológicos están remodelando el sistema de valoración del mercado.
1 Bittensor se afianza firmemente como líder
La capitalización de mercado total actual del sector de criptomonedas de IA es de aproximadamente 17.460 millones de dólares, con un volumen de operaciones de 24 horas cercano a los 1.940 millones de dólares. En este sector, Bittensor (TAO) ocupa el primer lugar con una capitalización de mercado de aproximadamente 3.430 millones de dólares. Acapara casi el 19,6% de la cuota de mercado total del sector de cripto-IA, estableciendo una posición de liderazgo absoluta.
Una comparación horizontal con sus principales competidores presenta直观mente su nicho ecológico:
| Competidor | Token | Capitalización de mercado (Miles de millones USD) | Posicionamiento central | Diferenciación con TAO |
|---|---|---|---|---|
| Bittensor | TAO | 34.3 | Red de incentivos de IA descentralizada | |
| NEAR Protocol | NEAR | 14.9 | Cadena de capa 1 (L1) de alto rendimiento | Cadena de bloques de propósito general, la IA es parte de su ecosistema |
| Render Network | RENDER | 8.64 | Renderizado/cálculo con GPU descentralizado | Infraestructura de pura potencia de cálculo, sin incentivos de calidad de IA |
| Fetch.ai (ASI) | FET | 5.33 | Red de agentes de IA autónomos | Se centra en la capa de aplicación de IA, no en el entrenamiento de modelos base |
| Akash Network | AKT | 1.26 | Mercado de computación en la nube descentralizada | Mercado de potencia de cálculo general, sin mecanismo de consenso de IA complejo |
Barreras centrales de competencia
La principal barrera competitiva de Bittensor es su red única de "Prueba de Inteligencia" (Proof of Intelligence). Trasciende el marco de simplemente proporcionar potencia de cálculo. La red introduce mecanismos de incentivos complejos que recompensan directamente la producción de modelos de IA de alta calidad. Este posicionamiento es único entre sus competidores y es extremadamente difícil de replicar simplemente.
2 Verificación de la capacidad real de "generar valor" y remodelación de la lógica de valoración
Dejando de lado la grandiosa visión tecnológica, la clave para que un protocolo Web3 sobreviva a los ciclos de mercado es su capacidad real de expansión comercial y generación de ingresos.
En el mercado de las criptomonedas, Bittensor muestra una rara capacidad real de generar valor. Según los datos del primer trimestre de 2026, la red Bittensor obtuvo unos 43 millones de dólares en ingresos de clientes reales de IA (no transacciones falsas generadas por incentivos de tokens). Esta cifra ya supera los ingresos anuales de muchos protocolos Web3 tradicionales.
Métricas clave de valoración (al 29 de marzo de 2026):
| Métrica | Valor | Explicación |
|---|---|---|
| Capitalización de mercado en circulación | ~$3420 M | Basado en ~10.78M de suministro circulante |
| Valoración totalmente diluida (FDV) | ~$6680 M | Basado en 21M de suministro total |
| Ingresos reales Q1 2026 | ~$43 M | No incentivos de tokens, pago de clientes reales de IA |
| Proyección de ingresos anualizados | ~$172 M | Extrapolación lineal basada en datos del Q1 |
| Ratio Precio/Ventas (P/S) | ~20x | Basado en cap. mercado circulante / ingresos anualizados |
| FDV/Ingresos anualizados | ~39x | Basado en FDV / ingresos anualizados |
| Cap. mercado total ecosistema subredes | ~$1470 M | Capitalización de mercado total de tokens Alpha dTAO |
Las empresas tradicionales de infraestructura de IA centralizada suelen disfrutar de valoraciones de ingresos a futuro de 15-25 veces en el mercado privado. Bittensor tiene atributos de prima de alta liquidez, efectos de red y narrativa de escasez. Su múltiplo P/S actual de ~20x se encuentra en un rango razonable o incluso infravalorado. La capitalización de mercado total de los tokens de sus subredes dentro del ecosistema ha alcanzado los 1.470 millones de dólares. Esta estructura ecológica retroalimenta la captura de valor de la red principal TAO.
3 El avance de SN3
Los datos financieros establecen el límite inferior de valoración del protocolo. Los avances técnicos en el entrenamiento descentralizado abren por completo el espacio de imaginación para su valoración de mercado.
El principal impulsor de este repunte del precio de TAO contra la tendencia no es una mera especulación de capital. La tecnología subyacente ha logrado un avance histórico. Su lógica de valoración ha cambiado fundamentalmente de "impulsada por la narrativa" a "impulsada por el producto".
3.1 Covenant-72B verifica la viabilidad del entrenamiento descentralizado
El 10 de marzo de 2026, la subred Templar (SN3) del ecosistema Bittensor y el equipo detrás de Covenant Labs publicaron un informe técnico en arXiv. El equipo anunció la finalización exitosa del pre-entrenamiento del modelo de lenguaje grande Covenant-72B. Este es, hasta la fecha, el modelo de arquitectura densa a mayor escala entrenado en un entorno de Internet completamente descentralizado y sin permisos.
El modelo tiene 72.000 millones de parámetros, entrenado sobre 1,1 billones de tokens. Su puntuación MMLU alcanza 67,1, con un rendimiento base comparable al LLaMA-2-70B de Meta. El modelo superó el cuello de botella del ancho de banda de comunicación en el entrenamiento descentralizado. La introducción del algoritmo SparseLoCo jugó un papel clave. Los nodos solo necesitan transmitir del 1% al 3% de los componentes gradientes centrales y aplicar una cuantización de 2 bits, logrando una compresión de datos superior a 146 veces (comprimiendo datos de 100 MB a menos de 1 MB). Incluso con ancho de banda de Internet ordinario (subida 110 Mbps, bajada 500 Mbps), la utilización computacional alcanza el 94,5%. Este hito demuestra que la potencia de cálculo heterogénea distribuida globalmente puede producir modelos de vanguardia competitivos comercialmente. Este enfoque técnico elimina la dependencia de costosas líneas dedicadas InfiniBand y clústeres de supercomputación centralizados.
El éxito de Covenant-72B conmocionó rápidamente al mundo de la IA tradicional:
- Alto elogio del cofundador de Anthropic: El 16 de marzo, Jack Clark citó extensamente este avance en su informe de investigación. Lo caracterizó como "desafiar la economía política de la IA mediante el entrenamiento distribuido". Señaló que esta es una tecnología que vale la pena seguir de cerca y predijo que la IA en el dispositivo adoptará ampliamente este tipo de modelos entrenados descentralizadamente en el futuro.
- La analogía de "Folding@home" de Jensen Huang: El 20 de marzo, en el podcast All-In VC, Chamath le presentó al CEO de NVIDIA, Jensen Huang, los logros técnicos de Bittensor. Huang respondió positivamente. Lo comparó con una "versión moderna de Folding@home" y afirmó la necesidad de que coexistan modelos abiertos y distribuidos.
3.2 Dos componentes centrales de SN3: Resolviendo la eficiencia de comunicación y la compatibilidad de incentivos
Decenas de nodos que no se confían entre sí, con hardware diverso y calidad de red variable, entrenan colaborativamente el mismo modelo de 72B. SN3 se basa en dos componentes centrales para resolver los problemas de ancho de banda de comunicación y comportamiento malicioso:
- SparseLoCo (resuelve la eficiencia de comunicación): El entrenamiento distribuido tradicional requiere sincronizar los gradientes completos en cada paso, con un volumen de datos enorme. SparseLoCo permite que cada nodo ejecute 30 pasos de optimización interna (AdamW) localmente. Luego, los nodos comprimen y cargan los "pseudo-gradientes" resultantes. El sistema utiliza esparsificación Top-k (solo retiene del 1% al 3% de los componentes gradientes centrales), retroalimentación de error y cuantización de 2 bits. Este proceso logra una compresión de datos ultra alta de 146 veces (comprimiendo datos de 100 MB a menos de 1 MB). Incluso con Internet ordinario (subida 110 Mbps, bajada 500 Mbps), la utilización computacional sigue siendo del 94,5%. Cada ronda de comunicación toma solo 70 segundos.
- Gauntlet (resuelve la compatibilidad de incentivos): Este componente se ejecuta en la blockchain de la Subred 3. Es responsable de verificar la calidad de los pseudo-gradientes enviados por cada nodo. El sistema prueba con un pequeño lote de datos "el grado en que se reduce la pérdida del modelo al usar el gradiente de ese nodo" (Puntuación de Pérdida o LossScore). Simultáneamente, verifica si el nodo está entrenando con los datos asignados (para prevenir trampas). Cada ronda de agregación selecciona solo los gradientes de los nodos con la puntuación más alta. Este mecanismo resuelve fundamentalmente el problema de "cómo evitar que los mineros holgazaneen" en escenarios descentralizados.
4 El ecosistema de subredes y el super-apalancamiento del mecanismo dTAO
Bittensor lanzó el mecanismo de TAO dinámico (dTAO) en 2025. Este mecanismo desempeñó un papel clave de "amplificador" durante este repunte. dTAO permite que cada subred emita su propio token Alpha independiente. Las subredes establecen pools de liquidez con TAO a través de un mecanismo de creador de mercado automatizado (AMM).
4.1 Efecto de apalancamiento de los tokens de subred
Bajo el mecanismo dTAO, el precio del token de la subred está directamente determinado por la cantidad de reservas de TAO apostadas en el pool de esa subred. La apreciación del token nativo TAO impulsa el aumento del valor subyacente de las reservas de todas las subredes. En consecuencia, el precio de los tokens de las subredes sube pasivamente. El暴涨 (aumento explosivo) de los tokens de las subredes atrae más capital especulativo y de staking para comprar TAO y bloquearlo en las subredes. Así, el sistema forma un fuerte ciclo de retroalimentación positiva.
| Tokens de subred principales | Aumento de precio (30 días) | Posicionamiento de negocio central |
|---|---|---|
| Templar (SN3) | +444% | Pre-entrenamiento distribuido de modelos grandes |
| OMEGA Labs | +440% | Recopilación y minería de datos multimodales |
| Level 114 | +280% | - |
| BitQuant | +230% | - |
| Targon | +166% | Servicios de potencia de cálculo e inferencia |
Como muestran los datos de la tabla anterior, estimulado directamente por el éxito de Covenant-72B, el token SN3 (Templar) se disparó más del 440% en un mes. Su capitalización de mercado alcanzó los 130 millones de dólares. Este efecto de generación de riqueza a nivel de subred es evidente. La capitalización de mercado total de los tokens de las subredes alcanzó los 1.470 millones de dólares a finales de marzo. El volumen diario de operaciones superó los 118 millones de dólares. Este efecto actúa como un "super-apalancamiento", transmitiendo una enorme presión de compra al token nativo TAO.
4.2 Integración del ecosistema vertical
Mientras operaba SN3, Covenant Labs también desplegó SN39 (Basilica, enfocada en servicios de potencia de cálculo) y SN81 (Grail, enfocada en el post-entrenamiento y evaluación por aprendizaje por refuerzo). Esta integración vertical cubre todo el flujo, desde el pre-entrenamiento hasta la optimización y alineación. Este diseño muestra al mercado el circuito cerrado completo de la cadena industrial de IA descentralizada que ya se ha formado dentro del ecosistema Bittensor.
5 Distribución de fichas (Tokens)
Según los últimos datos on-chain de taostats y CoinMarketCap al 29 de marzo de 2026, la salud de la red Bittensor puede evaluarse en profundidad desde las siguientes dimensiones:
| Métrica On-Chain | Datos | Evaluación y Perspectiva |
|---|---|---|
| Tasa de staking | 68% - 75% del suministro circulante | Una tasa de staking extremadamente alta (~7.34M de TAO bloqueados) reduce significativamente la oferta circulante real en el mercado. Se forma un fuerte efecto de restricción de la oferta. La espiral alcista de precios recibe apoyo. |
| Actividad de subredes | 128 subredes activas | Ecosistema próspero. Subredes principales como Templar (SN3) y Targon (SN4) tienen capitalizaciones de mercado independientes de cientos de millones de dólares. Los datos demuestran el éxito de los tokens de subred como "apuestas apalancadas" bajo el mecanismo dTAO. |
| Cap. mercado total tokens Alpha | ~$1470 M | Estos datos han crecido más de 50 veces desde el lanzamiento de dTAO. Refleja el alto reconocimiento del mercado hacia el ecosistema de subredes. La red principal TAO recibe soporte de demanda continuo. |
| Concentración de validadores | Validadores principales ocupan mayor peso | tao.bot, Taostats, Opentensor Foundation, etc., tienen un peso considerable. Existe un cierto grado de centralización objetivamente. También refleja el profundo compromiso de los constructores centrales con la red. |
| Volumen de operaciones diario | ~$241 M | La relación volumen/cap. mercado es ~7.03%. Liquidez extremadamente abundante. Actividad comercial del mercado muy alta. Alta participación de instituciones y minoristas. |
| Agentes de IA desplegados (90 días) | 14,500 | Refleja el crecimiento real en el uso de la red. Es un indicador importante para medir la demanda real. |
Evaluación integral de datos on-chain:
Los datos on-chain de Bittensor muestran las características de una economía extremadamente saludable. Una alta tasa de staking bloquea la liquidez. Los ingresos reales sostienen los fundamentos. El mecanismo dTAO estimula la innovación en las subredes. La restricción continua del lado de la oferta (incluyendo la reducción a la mitad y el alto staking) combinada con el crecimiento continuo del lado de la demanda (abarcando la entrada de instituciones y el fortalecimiento de la narrativa de IA), construye un modelo de dinámica de precios muy ventajoso.
6 Preocupaciones de valoración
Es importante señalar que la transparencia de los datos on-chain se manifiesta principalmente en el lado de la oferta; la naturaleza off-chain del lado de la demanda (volumen real de uso de servicios de IA) sigue siendo un importante punto ciego de información:
Riesgo uno: Altos subsidios en tokens enmascaran el costo comercial real Los servicios de bajo precio de la mayoría de las subredes dependen en gran medida de los subsidios inflacionarios del token TAO. Tomando como ejemplo la subred de inferencia líder Chutes (SN64). La proporción entre el subsidio de emisión y los ingresos externos de esta red es tan alta como 22-40:1. Eliminando el factor de subsidio de tokens, el precio real de su servicio supera con creces al de los competidores centralizados. En comparación con plataformas como Together.ai, su prima de servicio es de 1,6 a 3,5 veces. El avance continuo de los ciclos de reducción a la mitad (halving) expondrá completamente la fragilidad de este modelo de negocio.
Riesgo dos: Falta de defensa comercial (moat) hace que los usuarios puedan huir fácilmente La red Bittensor proporciona principalmente modelos de código abierto y API estandarizadas. Este modelo es fundamentalmente diferente al de gigantes de la nube tradicionales como AWS. El ecosistema carece enormemente de plataformas propietarias, integraciones empresariales profundas o efectos de red de datos (data flywheel) en el sentido tradicional. El coste de migración para los desarrolladores es extremadamente bajo. Una vez que los subsidios de tokens disminuyan, los usuarios empresariales (B2B) sensibles al precio huirán rápidamente. Plataformas de computación centralizadas de menor coste capturarán fácilmente este flujo de salida.
Riesgo tres: Riesgo de desfase en la valoración tras ajustar los datos ("quitar el agua") Respecto a los 43 millones de dólares de ingresos del primer trimestre mencionados anteriormente, algunas investigaciones institucionales prudentes ofrecen modelos de cálculo截然不同 (completamente diferentes). Eliminando las transacciones internas relacionadas dentro del ecosistema y los subsidios, y contabilizando solo los ingresos externos reales en moneda fiduciaria rigurosamente verificados, la escala de ingresos anualizados de la red podría desplomarse al rango de 3 a 15 millones de dólares. Utilizando esta base de ingresos reales "ajustada", el múltiplo Precio/Ventas (P/S) real de la red se dispararía a un rango extremadamente peligroso de 175-400 veces. Existe objetivamente el riesgo de que estalle una burbuja de valoración.
