Grayscale Aplaza Supuestamente sus Planes de OPV Ante la Debilidad del Mercado de Criptomonedas

TheNewsCryptoPublicado a 2026-05-29Actualizado a 2026-05-29

Resumen

Según una fuente familiarizada con el asunto, el débil estado del mercado de criptomonedas ha llevado al gigante gestor de activos Grayscale a posponer sus planes de salir a bolsa (IPO), uniéndose así a otras empresas del sector que han tomado medidas similares. La empresa, con sede en Stamford y afiliada a Digital Currency Group (DCG), gestiona el fondo cotizado (ETF) Bitcoin Trust (GBTC) y presentó confidencialmente su solicitud de OPV en EE. UU. en noviembre del año pasado. Se espera que los planes no se retomen hasta, como muy pronto, el cuarto trimestre. Tras un repunte del interés en 2019, las empresas de criptoactivos esperaban un auge de OPV en 2026. Sin embargo, el entusiasmo de los inversores ha disminuido debido al deterioro de las condiciones del mercado, la menor actividad comercial y el bajo rendimiento posterior a la salida a bolsa de otras empresas. Este contexto ha llevado a varias compañías prominentes del sector a posponer sus ofertas públicas iniciales, a la espera de un entorno de mercado más favorable. Grayscale, una plataforma líder que ofrece acceso regulado a criptoactivos desde 2013, se encuentra actualmente en un período de silencio impuesto por la SEC y declinó hacer comentarios.

Una persona familiarizada con la situación declaró que las circunstancias del mercado han llevado al gigante de la gestión de activos Grayscale a posponer sus intenciones de salir a bolsa, convirtiéndose así en la última empresa de criptomonedas en hacerlo.

Este individuo habló bajo condición de anonimato debido a la naturaleza privada del asunto, pero sí afirmó que la firma de inversión con sede en Stamford ha puesto sus planes de OPV en espera y no los reanudará hasta el cuarto trimestre, como muy pronto.

Uno de los mayores gestores de activos cripto del mundo y filial de DCG, Grayscale es responsable del fondo cotizado en bolsa (ETF) Bitcoin Trust (GBTC). En noviembre del año pasado, la empresa presentó de manera confidencial una solicitud para una oferta pública inicial (OPV) en Estados Unidos. Un representante de Grayscale declaró en un correo electrónico que la compañía no puede responder en este momento debido al periodo de silencio exigido por la SEC.

Entusiasmo por las OPV en Disminución

Los inversores pueden acceder de forma segura y regulada al mercado de criptomonedas a través de Grayscale, una de las principales plataformas de inversión en activos digitales. La empresa elimina la complejidad operativa de comprar, almacenar y mantener criptomonedas al proporcionar a inversores institucionales e individuales acceso a activos digitales mediante una gama de productos de inversión que incluyen inversiones monotemáticas, diversificadas y temáticas. Fundada en 2013, la compañía ha sido fundamental para tender puentes entre la banca convencional y el ecosistema de activos digitales en rápido desarrollo.

Tras un resurgimiento del interés inversor en las empresas de activos digitales en 2019 gracias a las exitosas salidas a bolsa de varias compañías, las firmas de criptomonedas comenzaron 2026 esperando un auge de las OPV. Pero desde entonces, los inversores han mostrado menos entusiasmo por nuevas OPV de activos digitales debido al deterioro de las condiciones del mercado, una menor actividad de negociación y un desempeño decepcionante tras la cotización de las empresas recién salidas a bolsa. En consecuencia, varias empresas destacadas de criptomonedas han pospuesto sus ofertas públicas iniciales (OPV) a la espera de condiciones de mercado más estables.

Noticias destacadas de criptomonedas de hoy:

Paxos se convierte en la primera agencia de compensación aprobada por la SEC nativa de blockchain

Preguntas relacionadas

Q¿Por qué Grayscale ha pospuesto sus planes de OPV (Oferta Pública de Venta)?

AGrayscale ha pospuesto sus planes de OPV debido a las desfavorables condiciones del mercado de criptomonedas, que han hecho que la empresa decida esperar a un entorno más estable, posiblemente hasta el cuarto trimestre.

Q¿Qué producto de inversión de Grayscale es mencionado específicamente en el artículo?

AEl artículo menciona específicamente el Fondo Cotizado en Bolsa (ETF) Bitcoin Trust de Grayscale, conocido por su símbolo GBTC.

Q¿En qué año presentó Grayscale su solicitud confidencial para una OPV en Estados Unidos?

AGrayscale presentó su solicitud confidencial para una OPV en Estados Unidos en noviembre del año pasado.

QSegún el artículo, ¿cuál es una de las razones por las que el entusiasmo por las OPV de empresas de criptoactivos ha disminuido?

AUna de las razones por las que ha disminuido el entusiasmo por las OPV de empresas de criptoactivos es el débil rendimiento posterior a la cotización de las empresas que se hicieron públicas recientemente, lo que ha decepcionado a los inversores.

Q¿Qué rol ha desempeñado Grayscale, fundada en 2013, según se describe en el texto?

ASegún se describe en el texto, Grayscale ha desempeñado un papel instrumental en conectar la banca tradicional con el ecosistema de activos digitales en rápido desarrollo, facilitando el acceso a inversores institucionales e individuales.

Lecturas Relacionadas

Alibaba "reabastece", ByteDance "entrena"

**Resumen en español europeo (≈1500 caracteres):** En la última semana de mayo, dos estrategias de IA chinas contrastaron claramente. Alibaba aceleró la **implementación comercial** de la IA. Integró su modelo Qwen con Taobao, permitiendo funciones como probadores virtuales y comparación de precios con IA. Su protocolo ACT busca estandarizar pagos automatizados por agentes de IA. Financieramente, apuesta por ser la "fábrica de IA" de China, con ingresos externos de su nube creciendo un 40%, demostrando un enfoque en **ROI inmediato y monetización**. Su premisa: una brecha de capacidad en modelos base no se ampliará críticamente en 5 años. ByteDance adopta una postura de **investigación a largo plazo**. Su departamento Seed, con líneas separadas para aplicaciones e investigación fundamental, tiene como meta principal "explorar el límite superior de la inteligencia". Su modelo de video Seedance 2.0 lidera benchmarks globales. Invierten masivamente en talento (programa Top Seed) y en investigación pura, como un artículo de 8 meses sobre modelos mundiales. Su presupuesto de capital se revisa al alza de forma agresiva, posible gracias a su condición de empresa **no cotizada**, lo que le otorga paciencia para perseguir avances fundamentales sin presión trimestral por beneficios. La diferencia clave no es filosófica, sino estructural. Las empresas cotizadas como Alibaba deben priorizar la monetización para el mercado. Las no cotizadas como ByteDance pueden permitirse "entrenar" a fondo. El futuro de la estrategia de IA en China depende en gran medida de este estado financiero.

marsbitHace 7 min(s)

Alibaba "reabastece", ByteDance "entrena"

marsbitHace 7 min(s)

Circle pone en lista negra una dirección del protocolo Zama, congelando 12,6 millones de dólares en fondos de usuarios – Detalles

El emisor de stablecoins Circle ha congelado aproximadamente 12,6 millones de dólares en fondos de usuarios al incluir en su lista negra un contrato inteligente del protocolo de privacidad Zama. La acción, reportada por el investigador ZachXBT, afecta al contrato Confidential USDC (cUSDC) de Zama en Ethereum. Los fondos congelados parecen estar indirectamente vinculados a la polémica y problemas legales que rodean al protocolo Overnight Finance, desde donde una billetera asociada depositó una gran suma antes de la congelación. La medida ha reavivado las críticas sobre la falta de transparencia de los emisores centralizados, ya que Zama aparentemente no recibió aviso previo. Este caso establece un precedente preocupante al apuntar a un contrato a nivel de protocolo donde se agrupan fondos de usuarios, en lugar de billeteras aisladas, planteando dudas sobre los riesgos de custodia en sistemas supuestamente descentralizados. Circle no ha proporcionado una explicación oficial para su acción unilateral.

bitcoinistHace 45 min(s)

Circle pone en lista negra una dirección del protocolo Zama, congelando 12,6 millones de dólares en fondos de usuarios – Detalles

bitcoinistHace 45 min(s)

¿Por qué más agentes de IA no equivalen a mayor productividad?

**Resumen: Por qué más agentes de IA no equivalen a mayor productividad** Cuando los agentes de IA se vuelven más baratos y fáciles de ejecutar, el desarrollo de software enfrenta un nuevo desafío: el cuello de botella ya no es lanzar más agentes, sino la capacidad humana de gestionar, evaluar e integrar sus resultados. Este artículo introduce el concepto de "impuesto de orquestación". Iniciar un agente es barato (un prompt o un clic), pero cerrar el ciclo es costoso: verificar resultados, entender su impacto arquitectónico, resolver conflictos entre agentes y decidir qué código integrar. Este trabajo no se puede paralelizar; depende de un recurso en serie: el juicio humano. El desarrollador es el "GIL" (Cerradura Global del Intérprete) del sistema de agentes: el candido de un solo hilo que limita el rendimiento final. Múltiples agentes pueden ejecutarse concurrentemente, pero las fases de juicio arquitectónico, revisión de código y fusión de cambios deben pasar por la mente del desarrollador. Más agentes no siempre significan más producción; pueden solo alargar la cola de tareas pendientes de revisión, llevando a cambios de contexto más frecuentes y fatiga cognitiva. La sensación de eficiencia no equivale a productividad real. Un panel lleno de agentes en ejecución crea una ilusión de "alta producción", pero si el desarrollador no comprende, revisa e integra esos cambios, el sistema puede acumular deuda técnica y cognitiva. La discusión clave no es "cómo usar más agentes", sino "cómo rediseñar el flujo de trabajo en torno a la atención humana". La habilidad crucial es saber qué tareas delegar a la máquina para procesamiento en paralelo y cuáles reservar para el juicio humano, cuándo revisar por lotes y cuándo detener la orquestación para concentrarse en un problema central. La IA amplía la capacidad de concurrencia en la producción de software, pero la atención humana sigue siendo el recurso más escaso e irreplicable. Un flujo de trabajo maduro con agentes no consiste en asignar todas las tareas a la máquina, sino en diseñar cuidadosamente la arquitectura de la propia atención, como se haría con cualquier sistema de producción. La verdadera habilidad es diseñar el sistema respetando ese recurso en serie que no se puede clonar: tu atención.

marsbitHace 1 hora(s)

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

Tres años después: Revisando mis predicciones sobre ChatGPT en 2023 En marzo de 2023, tras el lanzamiento de ChatGPT, Wang Jianshuo hizo 20 predicciones intuitivas sobre la IA. Ahora, en mayo de 2026, un sistema con 41 agentes de IA las ha reevaluado con datos actuales. **Resultados clave:** * **Aciertos (dirección general):** La arquitectura RAG se convirtió en estándar para integrar conocimiento. La Interfaz de Usuario de Lenguaje (LUI) creó una nueva capa de interacción (ej. protocolo MCP). Surgieron redes de agentes autónomos que se comunican. China desarrolló modelos grandes útiles (ej. DeepSeek), cerrando la brecha técnica. Los LLM no tienen conciencia; el Test de Turing solo mide la apariencia. * **Errores/Matices:** La predicción de que GPT-4 tendría 100 billones de parámetros fue incorrecta (≈1.8B). Los LLM **sí** pueden hacer matemáticas complejas sin herramientas externas (ej. medallas IMO 2025). El valor no migró solo a la capa de aplicación; NVIDIA (capa de hardware) capturó gran parte. El contenido generado por IA no evade automáticamente los derechos de autor (multas multimillonarias). La IA personalizada crea, no reduce, "cámaras de eco". Los costes de entrenamiento de modelos líderes superaron con creces la estimación de 5-10 mil millones de dólares. **Lecciones aprendidas:** 1. Predecir **mecanismos y direcciones** es más fiable que dar cifras o declaraciones absolutas. 2. Se tiende a **sobreestimar la velocidad** de cambio a corto plazo y **subestimar su magnitud** a largo plazo. 3. Los promedios generales (ej. "no habrá desempleo masivo") pueden ocultar **impactos distributivos** severos (ej. en jóvenes). 4. Las afirmaciones con **matices y limitaciones** envejecen mejor. 5. Tres años no son suficientes para resolver debates fundamentales (ej. valor final, consciencia de la IA). Este ejercicio subraya la dificultad de hacer predicciones precisas en un campo en rápida evolución y la importancia de la humildad al proyectar el futuro.

marsbitHace 8 hora(s)

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

marsbitHace 8 hora(s)

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

En marzo de 2023, Wang Jianshuo hizo veinte predicciones sobre ChatGPT. Tres años después, en 2026, un análisis con múltiples agentes de IA evalúa su precisión. Aciertos clave: predijo correctamente el auge de RAG como arquitectura estándar para conocimiento y reducir alucinaciones, la LUI (interfaz de lenguaje natural) como nueva capa de interacción (aunque no reemplaza a la GUI), y la aparición de redes de agentes autónomos con nuevos protocolos de direccionamiento. También acertó en que China desarrollaría modelos de IA útiles (como DeepSeek) cerrando rápidamente la brecha, y en que ChatGPT carece de consciencia real, pasando el test de Turing por mera apariencia. Otras predicciones válidas fueron que no causaría desempleo masivo (aunque afectó a jóvenes), que 2023 sería un gran año para startups de IA, y que el momento fue similar al del navegador web en 1994. Errores notables: su estimación de que GPT-4 tendría 100 billones de parámetros fue incorrecta (tuvo ~1.8 billones). Se equivocó al declarar que era "imposible" que los LLM hicieran matemáticas complejas sin herramientas, ya que luego ganaron medallas en la Olimpiada Internacional de Matemáticas. También erró al sugerir que el valor se capturaría en la capa de aplicación y no en la base, subestimando el dominio de NVIDIA (capa de hardware), y al pensar que el contenido generado por IA "evitaría" problemas de copyright, cuando han surgido multas históricas. Además, la idea de que los LLM promoverían un "consenso mundial" al promediar opiniones se volvió incorrecta, ya que ahora priorizan la personalización y pueden crear nuevas cámaras de eco. Conclusiones: Sus predicciones sobre mecanismos y direcciones fueron mayormente acertadas, pero falló en números específicos (costes, parámetros) y en subestimar la complejidad de la distribución del impacto (ej. quién gana o pierde con la IA). Tendió a ser demasiado optimista a corto plazo pero conservador sobre los límites a largo plazo. El ejercicio subraya la importancia de predecir tendencias en lugar de cifras exactas y de dejar margen para la incertidumbre.

链捕手Hace 10 hora(s)