La IA se está consolidando rápidamente. Cinco laboratorios pioneros (OpenAI, Anthropic, Google DeepMind, Meta y xAI) controlan la mayoría de los modelos más potentes del mundo, los datos propios con los que se han entrenado y los clústeres de computación necesarios para entrenar más. La IA descentralizada es la respuesta propia del sector de las criptomonedas.
La IA descentralizada, o DeAI, se basa en la idea de que los mismos componentes que hacen funcionar la IA moderna pueden coordinarse mediante cadenas de bloques e incentivos basados en tokens, en lugar de depender de una sola empresa. No pretende superar a OpenAI en un clúster de GPU de 10 000 millones de dólares, sino crear alternativas abiertas en aquellas capas en las que la descentralización realmente funciona.
¿Qué es la IA descentralizada?
La IA descentralizada, a menudo abreviada como DeAI, hace referencia a los sistemas de inteligencia artificial basados en una infraestructura de cadena de bloques y coordinados mediante incentivos en forma de tokens, que distribuyen la potencia de cálculo, los datos, los modelos y la toma de decisiones entre numerosos participantes, en lugar de concentrarlos en una sola empresa.
La abreviatura «DeAI» (con D y AI en mayúsculas) se ha convertido en un estándar en el sector; la utilizamos indistintamente con «IA descentralizada» a lo largo de todo el texto. El término es más amplio que cualquier proyecto concreto. Abarca una pila (mercados de computación en la base, redes de datos y modelos en el nivel intermedio, marcos de agentes en la parte superior) conectada por capas de coordinación de blockchain.
DeAI se ha creado para contrarrestar tres tendencias. En primer lugar, la concentración de la IA de vanguardia en cinco laboratorios cuyas decisiones internas en materia de alineación, seguridad y precios afectan a todo el mundo. En segundo lugar, la opacidad de los modelos cerrados entrenados con datos que el público no puede ver y a los que no ha dado su consentimiento. En tercer lugar, la falta de alineación entre los laboratorios de IA y los usuarios cuyos datos se han utilizado para el entrenamiento: el valor fluye en una sola dirección, sin que los contribuyentes reciban a cambio tokens, acciones o ingresos.
Ninguno de esos problemas se resuelve por completo con la incorporación de una cadena de bloques. Sin embargo, cada uno de ellos se vuelve más fácil de abordar cuando la titularidad, los pagos y las pruebas pueden coordinarse en un sistema sin permisos.
IA descentralizada frente al aprendizaje federado
La «IA descentralizada» y el «aprendizaje federado» parecen estar relacionados, pero resuelven problemas muy diferentes. El aprendizaje federado es una técnica de aprendizaje automático que preserva la privacidad y que utilizan las principales empresas tecnológicas; la DeAI es un movimiento nativo de las criptomonedas basado en las cadenas de bloques y los tokens.
En el aprendizaje federado, un modelo se entrena en múltiples dispositivos (tu teléfono, los servidores de un hospital, la base de datos de un banco) sin que los datos sin procesar salgan nunca de cada dispositivo. Solo se transmiten las actualizaciones del modelo. Google Gboard lo utiliza para la predicción de la siguiente palabra; Apple lo utiliza para el aprendizaje en el dispositivo; los consorcios médicos lo utilizan para entrenar modelos de diagnóstico sin exponer los historiales de los pacientes. Una entidad central, normalmente la empresa propietaria del modelo, lo coordina todo.
La DeAI es lo contrario de la coordinación centralizada. La capacidad de cálculo, los datos y, en ocasiones, el propio modelo son propiedad de numerosas partes independientes, que se encargan de su gestión. Una cadena de bloques se encarga de coordinarlos, y los tokens recompensan las contribuciones útiles.
Ambos se pueden combinar, ya que las técnicas de aprendizaje federado pueden ejecutarse dentro de los sistemas DeAI para preservar la privacidad. Pero el aprendizaje federado por sí solo no es DeAI. El aprendizaje federado se centra en cómo se realizan los cálculos matemáticos. DeAI se centra en quién es el propietario del sistema.
Cómo funciona la IA descentralizada
DeAI no es una sola tecnología, sino un conjunto de tecnologías. Hay cuatro capas importantes, cada una con sus propios proyectos.
La capa de computación
Las GPU y el resto del hardware necesario para entrenar y ejecutar modelos de IA. Es aquí donde DeAI se solapa directamente con DePIN. Redes como Render, Akash e io.net alquilan potencia de GPU descentralizada para cargas de trabajo de IA, desde aficionados particulares que ejecutan tareas de inferencia hasta startups que realizan ajustes a gran escala. La escasez de GPU prevista para 2024-2026 ha convertido a esta capa en la parte más activa del ecosistema DeAI.
La capa de datos
Conjuntos de datos necesarios para entrenar modelos. Los mercados de datos descentralizados permiten a los propietarios de datos monetizar sus conjuntos de datos sin ceder el control. Redes de almacenamiento como Filecoin y Arweave alojan pesos de modelos, conjuntos de datos de entrenamiento y resultados. El volumen sigue siendo modesto en comparación con los intermediarios de datos centralizados, pero la infraestructura funciona.
La capa del modelo
Modelos de código abierto que cualquiera puede ejecutar, ajustar o modificar. Las redes de entrenamiento incentivadas mediante tokens, entre las que destaca Bittensor, recompensan a los participantes por aportar mejoras útiles a los modelos en tareas específicas. Cabe señalar que el mero hecho de ser de «peso abierto» (como Llama de Meta o los modelos de Mistral) no significa que se trate de DeAI. Se trata de código abierto. DeAI añade la coordinación mediante blockchain y la economía de tokens a la apertura.
La capa de inferencia y agentes
Una vez que existe un modelo, alguien tiene que ejecutarlo. Las redes de inferencia descentralizadas distribuyen esa tarea entre numerosos operadores de nodos. Por encima de ellas se encuentra la capa de agentes de IA: programas autónomos que actúan en nombre del usuario y que, cada vez más, liquidan los pagos en criptomonedas. Olas y Virtuals Protocol son los proyectos más mencionados en este ámbito, aunque ambos aún se encuentran en fase de desarrollo.
Los proyectos más destacados de DeAI que hay que conocer en 2026
DeAI es una categoría, no un competidor concreto de OpenAI. Clasifica los proyectos según lo que realmente hacen.
Cadenas de bloques nativas de IA y redes de entrenamiento
Bittensor (TAO) es el ejemplo más citado. Cuenta con 128 «subredes» activas, cada una de las cuales constituye un mercado especializado en una tarea de IA: preentrenamiento de modelos de lenguaje, incrustaciones de imágenes, previsiones financieras, voz y búsquedas.
Los mineros compiten en cada subred por recompensas en tokens en función de la calidad de la producción. En el primer trimestre de 2026, NVIDIA comprometió 420 millones de dólares en participaciones y Polychain Capital aportó 200 millones, lo que elevó las entradas institucionales combinadas a más de 620 millones de dólares. Los ingresos de la red alcanzaron los 43 millones de dólares en el último trimestre.
La Alianza ASI
Fetch.ai, SingularityNET, Ocean Protocol y (posteriormente) CUDOS se fusionaron en 2024 para formar la Alianza de Superinteligencia Artificial, consolidando los tokens en FET con la intención de renombrarla como ASI. El cambio de marca nunca se completó en todas las plataformas de intercambio, por lo que la mayoría sigue cotizando FET.
En octubre de 2025, Ocean Protocol se retiró oficialmente de la alianza debido a desacuerdos en materia de gobernanza. Los miembros restantes (Fetch.ai, SingularityNET y CUDOS) siguen lanzando productos, entre los que se incluyen ASI-1 mini, un modelo de lenguaje grande (LLM) nativo de Web3 con 7000 millones de parámetros, y una capa 1 prevista llamada ASI Chain.
Agentes
Olas se centra en la economía de agentes autónomos: programas independientes que se pagan entre sí, se coordinan y realizan tareas. Virtuals Protocol se centra en los agentes de IA para consumidores, especialmente en el ámbito de los videojuegos y las redes sociales. Esta capa es la más reciente y aún se encuentra en fase de desarrollo.
¿Qué es realmente descentralizado y qué no lo es?
La desaprendizaje artificial (DeAI) tiene un gran impulso, pero también presenta importantes carencias. Una evaluación sincera, paso a paso:
Formación en modelos de frontier: sigue siendo centralizada
Entrenar un modelo a la escala de GPT-5 requiere cientos de millones de dólares en recursos informáticos coordinados, datos propios y un equipo de ingeniería centralizado. Ningún proyecto de DeAI lo hace a esa escala pionera, ni lo hará en un futuro próximo.
Incluso el mayor hito técnico de Bittensor (la sesión de preentrenamiento colaborativo de Covenant AI con 72 000 millones de parámetros realizada en marzo de 2026) fue de un orden de magnitud inferior a los esfuerzos de los laboratorios de vanguardia. Posteriormente, Covenant abandonó la red, calificando la descentralización de «teatro» debido a disputas sobre la gobernanza, lo que nos recuerda que «descentralizado» puede describir las matemáticas sin describir el poder.
Computación: una descentralización auténtica
Las GPU son fungibles, los trabajos son breves y la verificación de los resultados es sencilla, razón por la cual la oferta se ha materializado aquí. Render gestiona alrededor de 1,5 millones de fotogramas al mes; Akash superó los 5 millones de dólares en gasto de computación en el primer trimestre de 2026; io.net agrupa GPU de más de 130 países. La misma tarjeta que ejecuta un videojuego por la noche puede ejecutar un trabajo de inferencia a la mañana siguiente, y el cliente no necesita saber quién es su propietario.
La inferencia: viable y en auge
La inferencia no mantiene estado, los trabajos son pequeños y los resultados son verificables: la siguiente capa lógica que hay que descentralizar tras la computación pura. Las redes aprovechan las GPU de consumo y de juegos que, de otro modo, permanecerían inactivas, por lo que un modelo pequeño de peso abierto como Llama-3-8B a menudo se puede ejecutar a la mitad del coste que en AWS o Azure. La diferencia se reduce a medida que aumenta el tamaño del modelo; servir un modelo de 400 000 millones de parámetros de forma descentralizada sigue siendo más difícil que en un hiperescalador.
Mercados de datos: aún en sus inicios, pero ya son una realidad
Redes como Vana, para datos personales, y Grass, para datos extraídos de la web, demuestran que el intercambio descentralizado de datos es técnicamente viable. La cuestión más complicada es la demanda. Los laboratorios de IA ya disponen de lo que necesitan: datos extraídos de la web abierta, además de acuerdos directos de alto nivel (Reddit–Google, NYT–OpenAI, Shutterstock). Los mercados descentralizados resuelven un problema del lado de la oferta que el lado de la demanda aún no tiene, aunque eso cambiará si los datos de entrenamiento se vuelven más disputados.
I+D incentivada mediante tokens: trabajar en nichos específicos
Las recompensas en tokens funcionan bien para la mejora gradual en tareas cuantificables (precisión de la conversión de voz a texto, calidad de las representaciones, pruebas de referencia de clasificación de imágenes) y las subredes de Bittensor generan modelos competitivos precisamente en esos nichos. Lo que los tokens no pueden financiar fácilmente es la investigación de vanguardia, que requiere años de capital paciente, experimentos costosos y tolerancia al fracaso. Las disputas de gobernanza de Bittensor también plantean una cuestión estructural: la I+D alineada con los tokens solo funciona tan bien como el protocolo que la rodea.
Conclusión
La pregunta interesante sobre DeAI en 2026 es qué capas de la pila resistirán cuando llegue el momento del escrutinio. La computación y la inferencia están realizando un trabajo real y cuantificable para los clientes de pago.
Los mercados de datos y modelos están en auge, pero aún no han demostrado su eficacia. El ámbito de la gobernanza (la parte que determina si el término «descentralizado» se refiere a la matemática o al poder) sigue generando polémicas, como la salida de Ocean de la ASI Alliance y la de Covenant de Bittensor.
DeAI no va a sustituir a OpenAI en 2026, y puede que nunca lo haga. Pero está creando alternativas reales en los niveles intermedios y periféricos de la pila tecnológica, y es ahí donde, al fin y al cabo, la mayoría de la gente acabará interactuando con la IA.
