BitGo Solicita una OPI de 200 Millones de Dólares Mientras Crece la Demanda Institucional de Custodia de Criptomonedas

TheNewsCryptoPublicado a 2026-01-13Actualizado a 2026-01-13

Resumen

BitGo, una importante empresa de custodia de criptomonedas, ha solicitado una OPI de 200 millones de dólares en la Bolsa de Nueva York, con el respaldo de Goldman Sachs y Citigroup. Fundada en 2013, la empresa se especializa en almacenar activos digitales para instituciones con infraestructura segura y regulada. Los motivos de su OPI incluyen: la creciente demanda institucional de custodia segura, el mayor enfoque en seguridad tras la caída del mercado, el impulso de otras OPI de criptoempresas como Circle, y la lenta recuperación del mercado de ofertas públicas. Esto refleja la confianza en infraestructuras reguladas y el interés de Wall Street en servicios de custodia而非 especulación. Si tiene éxito, esta OPI podría impulsar la salida a bolsa de más empresas de infraestructura cripto, aumentar la adopción institucional y contribuir a la estabilidad del sector a largo plazo.

BitGo, una importante empresa de custodia de criptomonedas, quiere cotizar en el mercado estadounidense. Planea listarse en la Bolsa de Nueva York (NYSE) y recaudar alrededor de 200 millones de dólares con la ayuda de grandes bancos como Goldman Sachs y Citigroup.

BitGo es conocida por su custodia de criptomonedas y fue fundada en 2013. Básicamente, almacena criptomonedas para instituciones y protege los activos utilizando una infraestructura regulada y de alta seguridad. Se enfoca principalmente en la seguridad y las regulaciones. A medida que más instituciones tradicionales ingresan al espacio de las criptomonedas, el valor de las empresas de custodia como BitGo aumenta.

Factores Clave Detrás del Impulso de la OPI de BitGo

Las cuatro razones principales para que BitGo salga a bolsa son:

Aumento de la demanda institucional: Las grandes empresas están comprando más criptomonedas y necesitan un lugar más seguro para almacenarlas.
Aumento de negocios seguros de criptomonedas: Después de que los precios de las criptomonedas comenzaron a caer, la gente confía más en la seguridad, custodia y regulaciones que en las plataformas de trading.
Impulso para otras OPI de criptomonedas: La reciente salida a bolsa de empresas como Circle muestra que las empresas de criptomonedas están ingresando cada vez más a los mercados públicos.
El mercado de OPI se está recuperando lentamente: el mercado de OPI fue débil después del colapso de las criptomonedas y ahora está recuperando su impulso lentamente. Los inversores ahora evitan el bombo y eligen empresas con clientes e ingresos reales. BitGo ya existe y tiene clientes institucionales en todo el mundo.

Esto señala una creciente confianza en la infraestructura regulada de criptomonedas y muestra el interés de Wall Street en la custodia de criptomonedas en lugar de la especulación. Empresas de custodia como BitGo son la columna vertebral de este cambio. Aunque los mercados siguen siendo cautelosos, la OPI de BitGo sugiere que los inversores todavía están dispuestos a respaldar servicios básicos y regulados de criptomonedas.

Si la OPI de BitGo tiene éxito, entonces más empresas de infraestructura de criptomonedas saldrán a bolsa y los reguladores se sentirán más cómodos con que las criptomonedas se vuelvan más estables y a largo plazo. Las instituciones aumentarán la adopción y las criptomonedas se volverán más estables.

Noticias Destacadas de Criptomonedas:

Nigeria Introduce Nuevas Reglas para Rastrear y Gravar las Transacciones de Criptomonedas

Preguntas relacionadas

Q¿Qué es BitGo y cuál es su plan principal en el mercado de valores estadounidense?

ABitGo es una importante empresa de custodia de criptomonedas fundada en 2013. Su plan principal es cotizar en la Bolsa de Nueva York (NYSE) y recaudar aproximadamente 200 millones de dólares con la ayuda de grandes bancos como Goldman Sachs y Citigroup.

Q¿Cuáles son las cuatro razones clave detrás de la decisión de BitGo de realizar una OPI?

ALas cuatro razones clave son: 1) La creciente demanda institucional de custodia segura de criptoactivos, 2) El mayor enfoque en seguridad y regulación tras la caída de los precios, 3) El impulso de otras OPI de criptoempresas como Circle, y 4) La lenta recuperación del mercado de OPI donde los inversores prefieren empresas con clientes reales.

Q¿Cómo contribuye BitGo al ecosistema de criptomonedas según el artículo?

ABitGo actúa como columna vertebral del cambio hacia criptomonedas reguladas, proporcionando infraestructura de custodia segura y regulada para instituciones, lo que aumenta la confianza y estabilidad del sector.

Q¿Qué señal envía la OPI de BitGo sobre la actitud de Wall Street hacia las criptomonedas?

ALa OPI de BitGo muestra el interés de Wall Street en los servicios de custodia de criptomonedas regulados en lugar de la especulación, indicando una mayor confianza en la infraestructura criptográfica regulada.

Q¿Qué impacto podría tener el éxito de la OPI de BitGo en el futuro del sector cripto?

ASi tiene éxito, podría impulsar a más empresas de infraestructura criptográfica a cotizar públicamente, aumentar la adopción institucional, hacer que las criptomonedas sean más estables a largo plazo y que los reguladores se sientan más cómodos con el sector.

Lecturas Relacionadas

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 45 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 45 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

El exchange surcoreano Upbit ha reorganizado 864.000 millones de SHIB entre direcciones de cartera internas, generando un movimiento on-chain significativo en valor, pero que corresponde a una rebalanceo interno y no a una venta por parte del exchange. Las transferencias, valoradas en aproximadamente 4 millones de dólares, se produjeron tras una subida del 36% en el precio de SHIB, lo que incrementó su visibilidad. Los movimientos incluyeron 384.000 millones de SHIB salientes y 480.000 millones entrantes entre carteras calientes y operativas identificadas de Upbit. Este tipo de actividad es parte de la gestión normal de liquidez y seguridad de los exchanges, y al ocurrir entre direcciones internas conocidas, no implica una presión de venta directa en el mercado. El artículo subraya que, si bien la transparencia on-chain es útil, la interpretación correcta requiere contexto, como el etiquetado de las carteras. En este caso, los datos respaldan la narrativa de una reestructuración operativa tras un periodo de alta actividad comercial, y no señales de venta por parte de ballenas o del exchange.

bitcoinistHace 46 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

bitcoinistHace 46 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 51 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 51 min(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

La vulnerabilidad en las carteras hardware Coldcard de Coinkite ha resultado en el robo de aproximadamente 1.367,05 bitcoins (unos 89 millones de dólares) de 4.585 direcciones, según Galaxy Research. El fallo, causado por un software que generaba semillas con baja aleatoriedad, desencadenó una migración masiva de fondos por parte de usuarios afectados que buscaban proteger sus activos. Esta migración ha distorsionado indicadores clave de la cadena de bloques de Bitcoin. CryptoQuant reportó un pico en transacciones de menos de 1 BTC y en direcciones activas, niveles no vistos desde el colapso de FTX en 2022, mientras que Santiment registró un drástico deterioro del sentimiento del mercado. La investigación para rastrear los fondos robados se ha visto dificultada por las restricciones de los principales modelos de IA estadounidenses, que bloquean consultas con datos maliciosos incluso para análisis forenses. Los investigadores recurrieron a un modelo de IA de código abierto chino, destacando una asimetría donde los atacantes pueden usar herramientas de IA sin límites, pero los defensores enfrentan barreras. Este caso subraya la vulnerabilidad percibida de las carteras frías y los desafíos en la respuesta rápida a ciberataques en criptomonedas.

marsbitHace 1 hora(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

marsbitHace 1 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero

La empresa OpenAI anunció una importante reducción de precios el 30 de julio, destacando que GPT-5.6 Luna bajó un 80% y Terra un 20. Este movimiento, junto con una acción similar de Anthropic la semana anterior, señala un cambio estratégico crucial: las empresas ya no promueven principalmente sus modelos más potentes y caros. En su lugar, OpenAI recomienda explícitamente a los usuarios que para muchas tareas no es necesario usar el modelo más fuerte, sugiriendo un flujo de trabajo donde el modelo Sol (el más caro) diseña y planifica, y el modelo Luna (más económico) ejecuta. Esto refleja que el enfoque ha pasado de vender la inteligencia máxima a vender eficiencia y escala, priorizando modelos económicos y estables para tareas de alto volumen. La verdadera batalla ya no es por quién tiene el modelo más inteligente, sino por quién puede ofrecer la mejor relación costo-rendimiento y crear un ecosistema de uso con alta fidelidad. La industria de la IA estaría entrando en una era de "economía de escala", donde el costo por token cae drásticamente gracias, en parte, a que los propios modelos optimizan su código y operaciones, impulsando un ciclo de reducción de costos autosostenido. El objetivo final parece ser que la IA se convierta en una utilidad omnipresente y de bajo costo, como la electricidad, integrada en todos los flujos de trabajo.

marsbitHace 2 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero