De PolyMarket a Hyperliquid: App Chain se está convirtiendo en el nuevo Alpha

marsbitPublicado a 2026-01-24Actualizado a 2026-01-24

Resumen

Desde PolyMarket hasta Hyperliquid, las App Chains se están convirtiendo en la nueva fuente de alpha en el ecosistema blockchain. Proyectos exitosos como PolyMarket (mercado de predicciones) e Hyperliquid (DEX de derivados) demuestran que, una vez superada la validación inicial del producto, las aplicaciones buscan mayor control sobre la experiencia del usuario, costos y estructura económica migrando a cadenas propias. Esto se debe a que las redes públicas generan variables incontrolables—como congestión, comisiones volátiles y limitaciones técnicas—que afectan la escalabilidad y rentabilidad. Las App Chains permiten optimizar el entorno de ejecución, retener valor dentro del ecosistema e iterar más rápido. Sin embargo, el desafío real no es técnico (crear la cadena), sino de adopción: superar el arranque en frío, evitar la fragmentación de liquidez y garantizar interoperabilidad. Plataformas como Caldera facilitan este proceso mediante soluciones de infraestructura modular y capas de interoperabilidad (como Metalayer), que integran puentes, agregación de liquidez y herramientas de desarrollo para que las nuevas cadenas sean utilizables desde el primer día. El verdadero alpha no está en lanzar una cadena, sino en conectarla eficientemente a la red existente, permitiendo flujos naturales de usuarios y activos, y creando un efecto red sostenible impulsado por incentivos alineados (como el token $ERA en Caldera). La victoria sistémica de las App Chains dependerá de su capaci...

En los últimos tiempos, el éxito del proyecto de mercado de predicciones PolyMarket ha dado una lección al sector: cuando una aplicación con una demanda real y un buen producto despega, no solo atrae usuarios y genera conversación, sino que incluso puede devolver a la red más destacada una red que había permanecido inactiva durante mucho tiempo: que Polygon superara temporalmente a Base en Chain Revenue es una señal muy representativa. Pero lo más notable es la "tarea principal" que PolyMarket ha reiterado en medio de su popularidad: construir su propia cadena.

Esto suena como una actualización técnica más avanzada, pero en esencia es una elección inevitable cuando una aplicación entra en la fase de crecimiento profundo. Una vez que se valida el producto, se estabiliza el comportamiento de las transacciones y se amplía la escala de usuarios, la aplicación deja de conformarse con "alquilar una capa base ajena" y desea controlar los aspectos clave de la experiencia y los ingresos. El mismo camino lo ha tomado otro caso aún más representativo: Hyperliquid, el líder de Perp DEX. No se conformó con ser una "aplicación" en una cadena principal, sino que directamente construyó su propia App Chain para unificar el sistema de trading, el entorno de ejecución y la experiencia de usuario, logrando finalmente una fluidez y capacidad cercana a la de un "exchange centralizado" y estableciendo así su ventaja competitiva.

Al observar estos dos casos juntos, se apunta a la misma tendencia: App Chain se está convirtiendo en el nuevo Alpha.

¿Por qué "cuanto más éxito tiene una aplicación, más quiere construir su propia cadena"?

Cuanto más éxito tiene una aplicación, más fácil es que llegue a "construir su propia cadena", y la razón es muy práctica: cuando pasas de "validar si el producto funciona" a la fase de "escalar el negocio", la cadena pública ya no solo trae beneficios de flujo y herramientas, sino un montón de variables externas que no puedes controlar. Al principio, elegir una cadena pública es, por supuesto, lo más rentable: se despliega rápido, el ecosistema es maduro, los usuarios y los activos están ahí; lo más importante es conseguir que el producto funcione de verdad y que los usuarios quieran usarlo continuamente. Pero una vez que el negocio despega, tu ruta crítica se verá cada vez más afectada por la congestión, la volatilidad de las tarifas, los tiempos de confirmación y otros estados de la red pública; la incertidumbre de la experiencia comienza a devorar directamente la conversión y la retención. Al mismo tiempo, los costos pasan de ser "quejas de usuarios" a una "estructura financiera": en escenarios de alta frecuencia y alto volumen, el gas y el gasto en infraestructura se convierten en una curva que debe ser calculada con precisión, gestionada y que puede fluctuar bruscamente con el entorno externo.

Además, las aplicaciones exitosas prestan más atención al "ciclo cerrado de valor" y la "velocidad de iteración". Una parte significativa de las transacciones y el crecimiento que generas es capturada naturalmente por la capa base e intermedia, y es difícil redirigir los incentivos con precisión hacia los usuarios centrales que realmente contribuyen con liquidez y transacciones; quieres personalizar reglas para procesos clave y optimizar el entorno de ejecución, pero solo puedes hacer ajustes menores dentro del marco público. Así, proyectos como PolyMarket, que ya han ganado impulso, consideran "construir su propia cadena" como su tarea principal para la siguiente fase; productos de trading intensivo como Hyperliquid utilizan directamente App Chain para unir el entorno de ejecución, la experiencia y el sistema económico, convirtiendo el control en su ventaja competitiva. En esta etapa, la cadena ya no es solo un lugar de despliegue, sino parte del producto.

La cadena puede lanzarse, pero el efecto de red no necesariamente la sigue

App Chain es ciertamente una tendencia, pero eso no significa que la barrera de entrada sea más baja; más bien, "lanzar una cadena" es cada vez más fácil, mientras que "hacer que la cadena funcione de verdad" es cada vez más difícil. Muchos equipos piensan que, tras construir su propia cadena, podrán controlar la experiencia, los costos y las reglas, pero al lanzarla se dan cuenta de que la parte más difícil ha pasado de la ingeniería a la gestión de la red: los usuarios no migran solo porque tengas una cadena más, y el capital no fluye automáticamente por cambiar el entorno de ejecución. Una vez que la cadena es independiente, se enfrenta inmediatamente a la realidad de "empezar desde cero": cómo atraer a los primeros usuarios, cómo hacer que los activos lleguen sin problemas, cómo estabilizar la frecuencia de transacciones y uso; nada de esto se resuelve simplemente lanzando una cadena.

Más concretamente, App Chain suele chocar con tres muros:

  • Arranque en frío: la nueva cadena carece de entrada y ubicación por defecto; los usuarios necesitan aprender, cambiar y confiar adicionalmente.
  • Fragmentación de la liquidez: los activos, al cruzar cadenas, generan versiones y rutas diferentes; los pools se fragmentan, la profundidad es insuficiente, y la experiencia de usuario se vuelve más cara, más lenta y más compleja, incluso llegando a la confusión de "la misma moneda tiene precios diferentes en distintos lugares".
  • Débil sinergia ecosistémica: puedes hacer tu producto más especializado y extremo, pero si no puede ser visto por una red más grande, si no puede formar un flujo fluido de activos y usuarios con otras cadenas y aplicaciones, fácilmente se convierte en una "nueva isla muy funcional pero muy aislada".

Por ello, la capacidad realmente escasa en la era de App Chain está pasando de "poder lanzar una cadena" a "poder hacer que la cadena, desde el primer día, sea parte de una red", permitiendo que el flujo de usuarios y fondos sea tan natural como si estuvieran en la misma cadena.

Hacer que App Chain entre más rápido en el ciclo virtuoso: de "lanzarse" a "usarse"

La dificultad de App Chain ya no es solo "poder lanzar una cadena", sino si puede ser utilizada inmediatamente después del lanzamiento: cómo entran los usuarios, cómo llegan los activos, cómo se absorbe la liquidez, si la experiencia cross-chain se verá afectada por la fragmentación. Muchos equipos ambiciosos que consideran appchain lo hacen esencialmente para "tener su propia capa base" (secuenciación, ritmo de generación de bloques, modelo de ejecución, RPC, ingresos por transacciones, etc.), utilizando un espacio de bloques más controlable para crear un mejor producto y negocio; pero en la realidad, la mala interoperabilidad y la fragmentación entre cadenas suelen convertir la incorporación en un agujero negro de costos, y hacer que el lanzamiento de una nueva cadena parezca una "nueva isla" en lugar de un "nodo de la red".

El punto de entrada de Caldera es convertir esta ruta en un conjunto de productos reutilizables: con Rollup Engine se reduce el umbral de despliegue y mantenimiento, haciendo que lanzar una cadena pase de ser una ingeniería pesada a una acción más controlable y rutinaria; luego, con Metalayer, se convierte la "conexión" en una configuración por defecto, dotando a cada cadena, desde el día 1, de un conjunto completo de capacidades como paso de mensajes cross-chain, bridge rápido, agregación de bridges y herramientas de desarrollo, reduciendo la fricción en el flujo cross-chain de usuarios y fondos, haciendo que el "lanzamiento" se acerque más a "conectarse a un ecosistema interconectado ya existente". Sobre esta base, la lógica de crecimiento de Caldera no es SaaS puntual, sino un ciclo virtuoso de red: cada nueva cadena añadida trae nuevas fuentes de usuarios y liquidez, y Metalayer hace que estos incrementos fluyan más fácilmente dentro del ecosistema y alimenten las cadenas existentes, aumentando así el atractivo de toda la red para los próximos equipos.

El diseño en torno a $ERA lleva este ciclo virtuoso un paso further, "acelerándolo y haciéndolo compuesto": es tanto el vehículo universal de participación y coordinación económica de Metalayer (base para la tarificación de operaciones como interacciones cross-chain), como, a través de staking/participación de nodos y gobernanza, une los incentivos de cadenas, aplicaciones, usuarios y participantes de infraestructura en la misma red, haciendo que la colaboración y el crecimiento pasen de "poder ocurrir" a "ser más fáciles de mantener en marcha". Un ejemplo más直观 es que los propios incentivos de联动ecosistémica refuerzan a su vez el efecto de red; por ejemplo, Espresso, en su TGE, destinó más del 2% del suministro total de $ESP a la comunidad de Caldera, y consideró a los tenedores y stakers de $ERA como destinatarios clave del airdrop: el retorno de valor de socios externos de calidad aumentó el atractivo de participar en el ecosistema $ERA; y una mayor tenencia y staking fortalece aún más la cohesión de la red y las expectativas de colaboración, lo que a su vez impulsa más合作y más cadenas a "conectarse a la red". En última instancia, lo que Caldera quiere resolver es: hacer que App Chain no solo pueda lanzarse, sino que también pueda usarse sin problemas desde el primer día y entrar más rápido en un ciclo de crecimiento.

El Alpha de App Chain no está en "lanzar una cadena", sino en "conectarse en red"

De PolyMarket a Hyperliquid, la industria ve cada vez más claro una cosa: cuando las aplicaciones entran en la fase de escalado, la "cadena" evoluciona de un lugar de despliegue a una parte integral del producto; la experiencia, la estructura de costos, la velocidad de iteración y el retorno de valor comienzan a reescribirse en torno a ella. Pero el verdadero listón de App Chain también cambia: lanzar una cadena es cada vez más fácil, lo difícil es que la cadena tenga, desde su lanzamiento, entrada, rutas de activos, liquidez y colaboración. Por lo tanto, el Alpha de la próxima fase no es "quién lanza más cadenas", sino quién puede convertir el "arranque en frío de una nueva cadena" en un acto de "unirse a la red", reducir la fricción de la fragmentación lo suficiente como para que los usuarios completen de forma natural el ingreso de fondos, las transacciones y el uso cross-chain como si estuvieran en la misma cadena. Cuando esta capacidad de conexión y los mecanismos de incentivos (como la participación en torno a $ERA y el retorno de合作externos) pueden reforzarse continuamente a sí mismos, App Chain pasará de ser un éxito puntual a una victoria sistémica replicable, y se convertirá en el verdadero nuevo Alpha sostenible.

Preguntas relacionadas

Q¿Por qué proyectos exitosos como PolyMarket y Hyperliquid están optando por construir sus propias cadenas de aplicaciones (App Chains)?

APorque al alcanzar una etapa de crecimiento escalado, buscan controlar variables críticas como la experiencia del usuario, costos, velocidad de iteración y captura de valor, evitando dependencia de redes públicas que introducen congestión, tarifas volátiles y limitaciones en la personalización.

Q¿Cuáles son los principales desafíos que enfrentan las App Chains después de su lanzamiento?

AEnfrentan tres muros principales: el arranque en frío (falta de usuarios y confianza inicial), la fragmentación de liquidez (activos divididos entre cadenas) y la débil interoperabilidad ecológica (aislamiento en lugar de integración con redes más amplias).

Q¿Cómo aborda Caldera los problemas de interoperabilidad y adopción de las App Chains?

ACaldera ofrece un conjunto de productos que incluye Rollup Engine para simplificar el despliegue y Metalayer para proporcionar capacidades de mensajería cross-chain, puentes rápidos y herramientas de desarrollo, facilitando la integración desde el primer día y reduciendo la fricción en el flujo de usuarios y activos.

Q¿Qué papel desempeña el token $ERA en el ecosistema de Caldera?

A$ERA actúa como medio de coordinación económica para operaciones cross-chain, facilita la participación mediante staking, gobierna la red y alinea incentivos entre cadenas, aplicaciones y usuarios, además de permitir la distribución de valor mediante asociaciones y recompensas externas.

Q¿Dónde reside el verdadero 'Alpha' en el movimiento de las App Chains según el artículo?

AEl verdadero Alpha no está en lanzar cadenas, sino en la capacidad de integrarlas eficientemente en redes existentes, minimizando la fricción cross-chain y garantizando que los usuarios puedan interactuar de forma natural y sin interrupciones, convirtiendo el lanzamiento en una oportunidad de crecimiento en red en lugar de un aislamiento.

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 1 hora(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 1 hora(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 1 hora(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 1 hora(s)

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 1 hora(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 1 hora(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 3 hora(s)

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

marsbitHace 3 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 3 hora(s)

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

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片