Huang Renxiong es Satoshi Nakamoto

Dos tipos de tokens, el mismo nombre, la misma estructura subyacente: se invierte poder de cálculo y se obtiene algo valioso.

Autor: Luo Yihang

En enero de 2009, un anónimo inventó algo llamado “token”: tú inviertes poder de cálculo, obtienes tokens, que circulan, se valoran y se negocian en una red de consenso. Así nació toda la economía criptográfica. Han pasado más de diez años y todavía se discute si estos tokens tienen valor o no.

En marzo de 2025, un hombre con chaqueta de cuero redefinió otra cosa llamada token. Tú inviertes poder de cálculo, produces tokens, que se consumen inmediatamente en un proceso de inferencia y razonamiento en IA: pensar, razonar, escribir código, tomar decisiones. La economía de IA se acelera así. Nadie discute si estos tokens tienen valor, porque esta mañana acabaste de gastar millones de ellos.

Dos tipos de tokens, el mismo nombre, la misma estructura subyacente: se invierte poder de cálculo y se obtiene algo valioso.

En marzo de 2026, sentado en la conferencia GTC de NVIDIA, escuché una charla casi sin promoción de ventas por parte de Jensen Huang. Sí, anunció Vera Rubin, un producto que combina CPU y GPU. Pero esta vez no habló de parámetros de chips ni de procesos de fabricación, sino de una economía completa sobre la producción, valoración y consumo de tokens:

Qué modelo corresponde a qué velocidad de token; qué velocidad de token corresponde a qué rango de precios; qué hardware se necesita para soportar ese rango.

Incluso preparó un esquema de distribución de poder de cálculo en centros de datos para los CEOs y decisores que controlan los cheques empresariales: 25% para la capa gratuita, 25% para la media, 25% para la alta gama y 25% para la capa premium de alto valor.

Sí, esta vez no vendió un modelo específico de GPU, como hace dos años con Blackwell. Pero esta vez, está vendiendo algo mucho más grande. Después de dos horas, creo que la frase que más quería decir en realidad era: Welcome to consume tokens, y solo la fábrica de Nvidia puede producirlo.

En ese momento comprendí que este hombre, y aquel anónimo que hace 17 años minó el primer token, están haciendo exactamente lo mismo en estructura.

La misma regla de transformación

El anónimo que se hizo llamar “Satoshi Nakamoto” escribió en 2008 un documento de nueve páginas, diseñando un conjunto de reglas: invertir poder de cálculo, completar una prueba matemática (Proof of Work), y recibir un crypto token como recompensa.

Lo ingenioso de esta regla es que no requiere confianza en nadie — solo aceptar esas reglas te convierte automáticamente en participante de esa economía. Es correcto, porque reúne a muchas personas deshonestas y tramposas.

Y en la conferencia GTC 2026, Huang hizo algo estructuralmente idéntico.

Mostró un gráfico que refleja la relación y tensión entre eficiencia de razonamiento y consumo de tokens: en el eje Y, el rendimiento (cuántos tokens produce por megavatio de consumo); en el eje X, la interactividad (la percepción de velocidad de tokens por usuario). Debajo del eje X, marcó cinco niveles de precio: Free con Qwen 3, $0 por millón de tokens; Medium con Kimi K2.5, $3 por millón; High con GPT MoE, $6 por millón; Premium con GPT MoE de 400K de contexto, $45 por millón; y Ultra, $150 por millón.

Este gráfico casi puede servir como portada del white paper de la “economía de tokens” de Huang.

Satoshi Nakamoto definió qué es un cálculo valioso: completar una colisión SHA-256 es valioso. Huang define qué es un razonamiento valioso: producir tokens en un escenario específico, a una velocidad determinada, bajo restricciones de consumo, es valioso.

Ni Satoshi ni Huang producen tokens directamente; ambos definen las reglas de producción y la mecánica de valoración de los tokens.

Y una frase que Huang dijo en el escenario casi puede resumir el white paper de la economía de tokens:

Tokens are the new commodity, and like all commodities, once it reaches an inflection, once it becomes mature, it will segment into different parts.

El token es la nueva materia prima. Cuando madura, se segmenta en diferentes niveles. No está describiendo la situación actual, sino anticipando una estructura de mercado, y colocando su línea de productos hardware en cada capa de esa estructura con precisión.

El proceso de producción de estos dos tipos de tokens incluso tiene una simetría semántica: minería se llama mining, razonamiento inference.

La esencia de la minería y el razonamiento es convertir electricidad en dinero. Los mineros usan electricidad para extraer crypto tokens y venderlos; los modelos de razonamiento y los agentes de IA usan electricidad para generar tokens de IA, que venden a desarrolladores por millones. La diferencia está en la etapa intermedia, pero en ambos casos, el principio es el mismo: en un extremo, el medidor de electricidad; en el otro, los ingresos.

Las dos formas de escasez

La decisión más importante que tomó Satoshi Nakamoto no fue Proof of Work, sino el límite de 21 millones de bitcoins. Con código, creó una escasez artificial: sin importar cuántas máquinas de minería entren en acción, la cantidad total de bitcoins nunca superará los 21 millones. Esa escasez es el ancla del valor de toda la economía criptográfica.

Por otro lado, Huang creó una escasez natural mediante leyes físicas. Él dice:

“You still have to build a gigawatt data center. You still have to build a gigawatt factory, and that one gigawatt factory for 15 years amortized… is about $40 billion even when you put nothing on it. It’s $40 billion. You better make for darn sure you put the best computer system on that thing so that you can have the best token cost.”

Un centro de datos de 1 GW nunca se convertirá en uno de 2 GW. No es una limitación de código, sino una ley física.

La tierra, la electricidad, la disipación de calor: cada una tiene un límite físico. La fábrica que construyes por 400 millones de dólares, con una vida útil de 15 años, solo puede producir tokens en función de la arquitectura de cálculo que implementes.

La escasez de Satoshi puede ser forked. Si no te gusta el límite de 21 millones, puedes crear una nueva cadena, cambiarlo a 200 millones, llamarla Ethereum o lo que sea, y publicar un white paper. Y de hecho, así se hizo, sin descanso.

Pero la escasez creada por Huang no puede ser forked. No puedes forkear la segunda ley de la termodinámica, ni la capacidad de la red eléctrica de una ciudad, ni el área física de un terreno.

Pero tanto Satoshi como Huang, en última instancia, generan el mismo resultado: una carrera armamentística en hardware.

La historia de la minería es: CPU → GPU → FPGA → ASIC. Cada generación de hardware especializado hace obsoleta a la anterior. La historia del entrenamiento y razonamiento en IA se repite: Hopper → Blackwell → Vera Rubin → Groq LPU. Hardware generalista al principio, hardware especializado al final. La LPU de Groq, presentada en GTC tras su adquisición de la compañía, es un procesador de flujo de datos determinista. Compilación estática, planificación del compilador, sin planificación dinámica, 500MB de SRAM en chip: en su arquitectura, es un ASIC para inferencia. Hace una sola cosa, pero la hace a la perfección.

Curiosamente, las GPU han jugado un papel clave en ambas olas.

Antes de 2013, los mineros descubrieron que las GPU eran más aptas que las CPU para extraer crypto tokens, y las tarjetas gráficas de Nvidia se agotaron. Diez años después, los investigadores descubrieron que las GPU son las mejores herramientas para entrenar y razonar modelos de IA, y las tarjetas de centros de datos de Nvidia se agotaron otra vez. La GPU, como categoría de procesador, sirvió a dos generaciones de economía de tokens.

La diferencia es que, en la primera, Nvidia fue beneficiada pasivamente, y no pasó mucho más. Pero en la segunda, cuando la demanda de poder de cálculo en IA cambió del preentrenamiento a la inferencia, Nvidia rápidamente tomó la iniciativa, diseñando toda la estrategia y convirtiéndose en la creadora de las reglas del juego en IA.

Las herramientas más rentables del mundo

En la fiebre del oro, lo que más gana no son los buscadores, sino los que venden palas: Levi Strauss. En la era de la minería, los que más ganan no son los mineros, sino los fabricantes de máquinas: Bitmain y Wu Jihan. En la era de la preentrenamiento y la inferencia en IA, lo que más gana no son los modelos base ni los agentes, sino Nvidia, que vende GPU.

Pero, en realidad, los roles de Bitmain y Nvidia en sus industrias ya no son comparables.

Bitmain solo vende hardware de minería, y Nvidia alguna vez fue proveedor de Bitmain. Cuando compras una máquina de minería, qué moneda minas, en qué pool, a qué precio vendes, no tiene nada que ver con Bitmain. Es un proveedor de hardware puro, que obtiene beneficios de la venta única de equipos.

Nvidia, en cambio, no solo vende hardware. Desde 2025, especialmente con la explosión de IA para inferencia, ha definido en profundidad qué GPU usar para minar qué, cómo valorar tokens, a quién venderles, cómo distribuir la capacidad en centros de datos… Todo esto está en las diapositivas de Huang: divide el mercado en cinco niveles, cada uno con modelos, longitud de contexto, velocidad de interacción y precios específicos… Nvidia ha estandarizado y estructurado el mercado futuro, donde la IA y la inferencia impulsan todo.

Antes de 2018, la potencia de cálculo global se concentraba en unos pocos grandes pools — F2Pool, Antpool, BTC.com — que competían por cuota de hash, pero la fuente de hardware era muy concentrada en Bitmain.

Al igual que hoy, el 60% de los ingresos de Nvidia proviene de “hyperscalers” en competencia, como AWS, Azure, GCP, Oracle, CoreWeave, y el 40% de clientes dispersos: nativos de IA, proyectos soberanos y empresas. Los grandes pools aportan la mayor parte de los ingresos, los pequeños mineros aportan resiliencia y diversidad.

La estructura de ambos ecosistemas es exactamente la misma. Pero Bitmain enfrentó competidores — Shimao Miner, Core Technology, Canaan — que estaban erosionando su cuota. Los ASIC de minería son diseños relativamente simples, y los competidores tienen oportunidad de avanzar. Pero desafiar a Nvidia parece cada vez más difícil: 20 años de ecosistema CUDA, cientos de millones de GPUs instaladas, tecnología NVLink de sexta generación, la arquitectura de inferencia desacoplada de Groq tras su adquisición… La complejidad tecnológica y las barreras ecológicas de Nvidia hacen que la mayoría de las herramientas de competencia sean ineficaces.

Esto puede durar otros 20 años.

La bifurcación fundamental de los dos tipos de tokens

Lo que hace que las criptomonedas y los tokens de IA para entrenamiento y razonamiento sean esencialmente diferentes son las motivaciones y la psicología de sus usuarios.

La demanda de los crypto tokens es especulación. Nadie “necesita” Bitcoin para hacer un trabajo. Todos los white papers que afirman que los tokens blockchain pueden resolver problemas están escritos por estafadores. Tú posees crypto porque crees que en el futuro alguien te lo comprará a un precio más alto. El valor de Bitcoin proviene de una profecía autocumplida: si suficientes personas creen que tiene valor, entonces lo tiene. Es una economía de fe.

En cambio, la demanda de los tokens de IA es productividad. Nestlé necesita tokens para decisiones en la cadena de suministro — sus datos de suministro, que se actualizan cada 15 minutos, ahora se actualizan cada 3 minutos, reduciendo costos en un 83%, y ese valor se puede reflejar directamente en beneficios y pérdidas. Todos los ingenieros de Nvidia ya necesitan tokens para programar en lugar de hacerlo a mano; los equipos de investigación usan tokens para avanzar en ciencia. No necesitas creer que los tokens tengan valor; solo usarlos, y su valor se valida en el uso mismo.

Esa es la diferencia más fundamental entre los dos tipos de tokens. Los crypto tokens se producen para ser poseídos y negociados — su valor reside en no usarlos. Los tokens de IA se producen para ser consumidos inmediatamente — su valor está en el momento en que se usan.

Uno es oro digital, cuanto más acumulas, más vale; el otro es electricidad digital, que se quema al producirse.

Esta diferencia determina que la economía de tokens de IA no se bubbleará como la de crypto. Bitcoin sube y baja mucho porque su precio, como activo especulativo, está impulsado por emociones. Pero el precio de los tokens se basa en el uso y en los costos de producción. Mientras la IA siga siendo útil — mientras la gente siga usando Claude Code para programar, ChatGPT para redactar, agentes para gestionar negocios — la demanda de tokens no colapsará. No se basa en fe, sino en dependencia.

En 2008, el white paper de Bitcoin tuvo que argumentar repetidamente por qué un sistema de dinero electrónico descentralizado tiene valor. Han pasado 17 años y todavía se discute.

En 2026, la economía de tokens no genera controversia; incluso, sin necesidad de argumentar, se ha convertido en consenso. Cuando Huang en el escenario de GTC dijo “tokens are the new commodity”, nadie dudó. Porque cada persona en la sala, esta mañana, usó Claude Code o ChatGPT para consumir millones de tokens. No necesitan convencer a nadie de su valor; sus facturas de tarjeta de crédito ya lo prueban.

Desde ese punto de vista, Huang es realmente una copia de Satoshi Nakamoto, aquel que dejó monopolizado la producción de mineros, definió los escenarios y normas de uso de tokens, y cada año organiza un show en el SAP Center de San José para mostrar lo poderosa que será la próxima generación de “mineros” para entrenamiento y razonamiento en IA.

Satoshi Nakamoto tiene un encanto de cautela y deseo: diseñó las reglas, las dejó en código y desapareció. Es el romanticismo del cypherpunk. Huang, en cambio, se asemeja más a un empresario que a un científico: diseña las reglas, las mantiene, las mejora continuamente, y construye su propia fortaleza.

El token que antes solo podías ver si creías en él, ahora puedes verlo sin creer. Es el siguiente paso después de Watt, Ampere y Bit.