a16z: 3 formas en que la tecnología cripto superará a las criptomonedas en 2026

marsbitPublicado a 2026-01-11Actualizado a 2026-01-11

Resumen

a16z crypto predice que para 2026, la tecnología blockchain superará su uso tradicional en criptomonedas de tres formas clave. Primero, los mercados de predicción se expandirán, volviéndose más grandes, diversos e inteligentes gracias a la integración con IA y cripto. Esto permitirá contratos más detallados y resolverá disputas mediante oráculos descentralizados y LLM. Segundo, los SNARKs (pruebas criptográficas) reducirán su coste computacional, haciendo viable la verificación de cálculos en la nube y dispositivos móviles, con GPUs generando pruebas en tiempo real. Tercero, surgirá el "staked media", donde creadores de contenido usarán herramientas blockchain como tokens y mercados de predicción para demostrar transparencia y compromiso con sus afirmaciones, construyendo confianza mediante apuestas verificables.

Autor: a16z crypto

Compilado por: Felix, PANews

1. Los mercados de predicción serán más grandes, amplios e inteligentes

—Andy Hall, asesor de investigación de cripto en a16z, profesor de economía política en la Universidad de Stanford

Los mercados de predicción se han vuelto mainstream, y para 2026, a medida que se fusionen con la criptografía y la IA, solo aumentarán en escala, alcance e inteligencia, al mismo tiempo que presentan desafíos nuevos y significativos para los constructores.

En primer lugar, este año se listarán muchos más contratos. Esto significa obtener probabilidades en tiempo real no solo para elecciones importantes o eventos geopolíticos, sino también para resultados a nivel granular y eventos complejos entrelazados. A medida que estos nuevos contratos revelen más información y se integren en las noticias (algo que ya está sucediendo), plantearán importantes cuestiones sociales, como cómo equilibrar el valor de esta información y cómo diseñarlos mejor para que sean más transparentes, auditables, etc. — y la criptografía puede hacer precisamente eso.

Para manejar el gran volumen de contratos, se necesitan nuevos métodos para alcanzar consenso sobre la resolución de problemas en los contratos. Si bien es importante que las plataformas centralizadas resuelvan si un evento ocurrió realmente (cómo confirmarlo), casos controvertidos como el "incidente del traje" de Zelenskyy y los mercados electorales de Venezuela destacan sus limitaciones. Para manejar estos casos extremos y ayudar a que los mercados de predicción se expandan a aplicaciones más prácticas, una nueva gobernanza descentralizada y oráculos de LLM pueden ayudar a determinar la verdad de resultados disputados.

La IA abre más posibilidades para los oráculos más allá de los LLM. Por ejemplo, los agentes de IA que operan en estas plataformas pueden buscar señales globales, ayudando a obtener ventajas comerciales a corto plazo, revelando así nuevas visiones del mundo y formas de predecir eventos futuros. Además de actuar como analistas políticos complejos a los que se puede consultar para obtener información, al estudiar las nuevas estrategias emergentes de estos agentes, también pueden revelar nueva información sobre los factores predictivos fundamentales de eventos sociales complejos.

¿Reemplazarán los mercados de predicción a las encuestas? No; las mejorarán (y la información de las encuestas puede transmitirse a los mercados de predicción). Como politólogo, lo más emocionante es cómo los mercados de predicción pueden operar en conjunto con un sistema de encuestas rico y vibrante, pero también dependerán de nuevas tecnologías como la IA, que puede mejorar la experiencia de las encuestas; y la criptografía, que puede proporcionar nuevos métodos para demostrar que los encuestados/entrevistados no son bots sino humanos, etc.

2. Este año, la criptografía proporcionará una nueva herramienta fundamental para industrias más allá de la blockchain

—Justin Thaler, miembro del equipo de investigación de cripto de a16z, profesor asociado de ciencias de la computación en la Universidad de Georgetown

Los SNARKs (una prueba criptográfica que verifica un cálculo sin tener que reejecutarlo) han estado principalmente confinados al espacio de la blockchain durante años. El costo era simplemente demasiado alto: probar un cálculo una vez podía costar un millón de veces más trabajo que simplemente ejecutar el cálculo. Cuando hay miles de verificadores分担ando el costo, podría valer la pena, pero en otros contextos era impráctico.

Pero eso está a punto de cambiar. Este año, la sobrecarga de los probadores de zkVM caerá a aproximadamente 10,000 veces, con un uso de memoria de solo unos pocos cientos de megabytes, lo suficientemente rápido para ejecutarse en un teléfono móvil y lo suficientemente barato para ejecutarse en cualquier lugar.

10,000 veces podría ser un número mágico por una razón: el rendimiento paralelo de una GPU de gama alta es aproximadamente 10,000 veces mayor que el de una CPU de portátil. Para fines de 2026, una sola GPU podrá generar pruebas en tiempo real para ejecuciones de CPU.

Esto promete hacer realidad una visión de los primeros documentos de investigación: la computación en la nube verificable. Si ya está ejecutando cargas de trabajo de CPU en la nube, porque su cálculo no justifica el uso de una GPU, o le falta experiencia, o por razones históricas, podrá obtener pruebas criptográficas de corrección a un costo razonable. El probador está optimizado para GPU; su código no necesita estarlo.

3. Presenciar el auge de los "medios con staking" (Staking Media)

—Robert Hackett, equipo editorial de cripto de a16z

El modelo de medios tradicional (y su llamada objetividad) ha mostrado grietas durante mucho tiempo. Internet le dio a todos una plataforma, y cada vez más operadores, practicantes y constructores hablan directamente con el público. Sus puntos de vista reflejan sus intereses en el mundo real, y, contrariamente a la intuición, la audiencia a menudo no los descarta por estas afiliaciones, sino que los respeta por ellas.

Lo nuevo aquí no es el auge de las redes sociales, sino la llegada de herramientas criptográficas que permiten a las personas hacer compromisos públicamente verificables. A medida que la IA hace que generar contenido infinito sea barato y fácil (afirmar cualquier cosa, ya sea que la perspectiva o identidad sea real o ficticia), confiar únicamente en lo que dice la multitud (o los bots) se vuelve insuficiente. Los activos tokenizados, el bloqueo programable, los mercados de predicción y los historiales on-chain ofrecen una base más sólida para la confianza: los comentaristas pueden expresar opiniones y demostrar que ponen su dinero donde está su boca. Los anfitriones de podcasts pueden bloquear tokens para mostrar que no están promocionando de manera especulativa o haciendo "pump and dump". Los analistas pueden vincular predicciones a mercados de liquidación pública, construyendo así un historial auditables.

Esto es, en mi opinión, el comienzo de lo que se podría llamar "medios con staking": medios que no solo abrazan estar interesados, sino que ofrecen pruebas del caso. En este modelo, la credibilidad no proviene ni del "boca a boca" ni de afirmaciones infundadas; en cambio, proviene de tener skin in the game a través de compromisos transparentes y verificables. Los "medios con staking" no reemplazarán otras formas de medios, sino que las complementarán. Ofrecen una nueva señal: no solo "confía en mí, soy neutral", sino "esto es lo que estoy dispuesto a arriesgar, y puedes verificar si lo que digo es cierto".

Lectura relacionada: 8 grandes tendencias预测 de la industria cripto de a16z para 2026: auge de las cadenas de privacidad, transformación de las plataformas de trading, etc.

Preguntas relacionadas

Q¿Cómo se espera que evolucionen los mercados de predicción para 2026 según a16z?

ASe espera que los mercados de predicción evolucionen en tamaño, alcance e inteligencia, integrándose más con criptomonedas e IA, ofreciendo contratos más detallados y enfrentando desafíos en gobernanza descentralizada y oráculos con LLM.

Q¿Qué papel jugarán los SNARKs fuera del ámbito blockchain según Justin Thaler?

ALos SNARKs se volverán lo suficientemente eficientes para ser utilizados fuera de blockchain, con una sobrecarga reducida a aproximadamente 10,000 veces, permitiendo la computación en la nube verificable y ejecución en dispositivos como teléfonos móviles.

Q¿Qué es 'Staked Media' o 'Medios con Garantía' según Robert Hackett?

A'Staked Media' es un modelo donde los creadores de contenido utilizan herramientas cripto para hacer compromisos públicamente verificables, como bloquear tokens o vincular predicciones a mercados, construyendo confianza a través de transparencia y riesgo personal.

Q¿Cómo puede la IA mejorar los mercados de predicción y las encuestas?

ALa IA puede actuar como analista político, buscar señales globales para ventajas en trading, revelar estrategias emergentes y mejorar las encuestas asegurando que los respondientes sean humanos y no bots, gracias a la integración con criptotecnologías.

Q¿Por qué son importantes los oráculos descentralizados y LLM para los mercados de predicción?

ALos oráculos descentralizados y LLM son cruciales para resolver disputas en resultados controvertidos, escalar los mercados de predicción a aplicaciones prácticas y determinar la verdad de manera transparente y auditable, superando las limitaciones de las plataformas centralizadas.

Lecturas Relacionadas

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 3 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 3 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片