Render Análisis de poder de cálculo descentralizado: ¿Puede un conjunto de 60,000 GPU integradas desafiar el panorama de AWS en computación en la nube?

En abril de 2026, la comunidad de Render Network completó una votación de gobernanza considerada por la industria como una "apuesta de escala". La propuesta RNP-023 fue aprobada con un abrumador 98.86% de votos a favor en la primera ronda, incorporando oficialmente a Salad Network como la subred exclusiva dentro del ecosistema de Render, lo que introdujo aproximadamente 60,000 GPU activas diarias.

Salad Network no es un proveedor tradicional de capacidad de cálculo de centros de datos. Opera la red de GPU de consumo más grande del mundo, que abarca más de 180 países, con más de 450,000 nodos registrados y unas 60,000 GPU activas diarias. Su capacidad proviene de tarjetas gráficas de usuarios y jugadores en ocio — modelos de consumo como RTX 3070, RTX 3080, RTX 3090 y RTX 4090 constituyen la mayor parte de la oferta. Esto contrasta claramente con los grandes proveedores de servicios en la nube como AWS y GCP, que dependen de clústeres empresariales de A100 y H100.



Hasta el 19 de mayo de 2026, según datos de mercado de Gate, el precio de RENDER era de 1.8254 dólares, con un aumento del 2.90% en 24 horas, una capitalización de mercado en circulación de aproximadamente 946 millones de dólares, y un sentimiento de mercado neutral.

Lista de hechos clave:

- La primera ronda de votación de RNP-023 obtuvo 1.300.000 votos a favor y 15.500 en contra, con una tasa de aprobación del 98.86%
- Aproximadamente 60,000 GPU activas diarias de Salad Network se integrarán como subred exclusiva en Render
- La integración se divide en tres hitos: primera fase, los chefs reciben recompensas en RENDER; segunda fase, los clientes pueden pagar con RENDER; tercera fase, todas las transacciones migran al modelo BME en la cadena
- Antes de la migración, Render ya contaba con unos 5,700 nodos GPU activos, procesando más de 71 millones de cuadros renderizados
- En GTC 2026, Jensen Huang predijo que la demanda de pedidos para los chips AI Blackwell y Vera Rubin alcanzaría al menos 1 billón de dólares para finales de 2027, duplicando las previsiones del año anterior

## De BME a RNP-023: Línea de tiempo de la expansión de Render

La expansión de la capacidad de cálculo de Render no es un evento aislado. Su evolución está anidada en dos tendencias macro: la demanda estructural de GPU por parte de grandes modelos de IA, y la fase de prueba de infraestructura física descentralizada que pasa de la narrativa a la implementación.

Línea de tiempo:

- 2023: La comunidad aprueba la propuesta RNP-002, migrando Render de Ethereum a Solana, introduciendo el modelo económico de tokens Burn-and-Mint Equilibrium (BME). Bajo este modelo, los pagos por tareas de GPU se queman, y los nuevos tokens se acuñan según la demanda, creando una relación dinámica entre la oferta de tokens y el uso real de la red.
- 2024-2025: La red valida la viabilidad de la programación distribuida de recursos GPU, con una proporción creciente de tareas de inferencia y ajuste fino de IA, alcanzando cerca del 40% del volumen total de actividad de la red a principios de 2026.
- marzo de 2026: Salad presenta una propuesta formal para integrarse como subred exclusiva en Render Network.
- marzo de 2026: GTC 2026, donde Jensen Huang predice una demanda de 1 billón de dólares, reforzando la narrativa de escasez de GPU.
- 1 de abril de 2026: Finaliza la primera ronda de votación de RNP-023, con un 98.86% a favor.
- 7 de abril de 2026: RNP-023 es aprobado oficialmente, y Salad confirma su incorporación a Render Network.

Cadena de transmisión clave entre el modelo BME y la integración: Uno de los diseños centrales de RNP-023 es incorporar los ingresos de capacidad de Salad en el mecanismo de quema de BME. El fundador de Salad declaró públicamente: “El diseño de quemar más de lo que se acuña ha sido cuidadosamente pensado — queremos que el crecimiento de Salad beneficie a todo el ecosistema de Render, no solo a nosotros”. Esto sugiere (se infiere) que si la integración de Salad impulsa significativamente el uso de la red, la cantidad de tokens quemados en el modelo BME aumentará en consecuencia, creando una lógica de “demanda en aumento → quema acelerada → oferta restringida”. Pero la validez de esta inferencia depende del uso real, no solo del texto de la propuesta.

## Salto en capacidad y la verdad del costo: análisis de datos

### Salto en capacidad: de 5,700 a más de 65,000 GPU

Antes de la integración, Render tenía aproximadamente 5,700 nodos GPU activos. La incorporación de Salad Network añadió unas 60,000 GPU activas diarias, elevando la capacidad teórica a más de 65,000 GPU. Esto representa un salto no incremental, sino de escala en la curva de oferta — no solo optimización, sino un cambio de tamaño.

Pero el “número” de GPU no equivale directamente a “capacidad de cálculo disponible”. Las GPU de consumo y las GPU empresariales difieren en varios aspectos:

Diferencias clave entre GPU de consumo y GPU empresariales

| Dimensión | GPU de consumo (Salad) | GPU empresarial (AWS/GCP) |
| --- | --- | --- |
| Modelos típicos | RTX 3070/3080/3090/4090 | A100 80GB / H100 80GB / H200 |
| Memoria | 8GB–24GB | 40GB–141GB |
| Ancho de banda de interconexión | PCIe (sin NVLink/NVSwitch) | NVLink + NVSwitch (alta velocidad) |
| Casos de uso | Inferencia IA, procesamiento por lotes, renderizado a pequeña y mediana escala | Entrenamiento distribuido a gran escala, ajuste fino de modelos de 70B+ parámetros |
| Fiabilidad del nodo | Dispositivo personal, puede desconectarse en cualquier momento | Nivel centro de datos, SLA 99.9%+ |
| Costo unitario | Muy bajo (desde 0.02 USD/hora) | Alto (H100 aproximadamente 4.50–5.50 USD/hora) |

La propia posición de Salad también respalda esta lógica de división del trabajo. Su blog oficial señala que los modelos de IA de código abierto tienden cada vez más a ejecutarse en hardware de consumo, y la carga de trabajo de Agentic AI está en auge, con cada interacción requiriendo varias veces más cálculo que las llamadas API tradicionales. Además, los casos de clientes de Salad muestran que ejecutar cargas de trabajo en GPU de consumo puede reducir costos y escalar en tamaño. Esto implica que, tras la integración, la red de Render no busca reemplazar a AWS/GCP en todos los escenarios, sino centrarse en tareas con tolerancia a la latencia, alta sensibilidad a costos, y que puedan dividirse y paralelizarse.

### Brecha de precios con AWS: hasta un 90% de ahorro

Este es el dato clave para entender la competencia entre Render y AWS/GCP. A continuación, una comparación basada en datos de precios públicos de la primera mitad de 2026:

Comparación de precios de GPU H100

| Proveedor | Tipo de GPU | Precio bajo demanda (USD/hora) | Comentario |
| --- | --- | --- | --- |
| AWS (estimado por tarjeta) | 1×H100 80GB | 4.50–5.50 | Estimación de Securities.io |
| Red descentralizada (Akash/Render) | 1×H100 80GB | 1.20–1.80 | Datos de Securities.io |
| Salad (consumo) | Desde precio mínimo | 0.02 | Datos de salad.com |

Fuentes: precios estimados de H100 por tarjeta y precios en redes descentralizadas de Securities.io; precio mínimo de Salad en salad.com. Los precios varían por región, oferta y prioridad, solo para referencia.

En GPU H100, los precios en redes descentralizadas son aproximadamente el 25–35% del precio de AWS bajo demanda, logrando ahorros del 65–75%. Para GPU de consumo (serie RTX), los precios bajan a partir de 0.02 USD/hora, con una diferencia respecto a los grandes proveedores que puede superar el 90%.

Pero hay una lógica clave que aclarar: precio bajo no significa necesariamente reemplazo. Para tareas que requieren entrenamiento sincronizado a gran escala con interconexión InfiniBand de alta velocidad, los clústeres centralizados siguen siendo la única arquitectura viable. AWS y GCP tienen ventajas en hardware de interconexión descentralizada que las redes de consumo no pueden replicar. La propuesta de valor de Render está en cubrir un espacio intermedio — tareas de inferencia IA, procesamiento por lotes, ajuste fino de modelos pequeños y medianos, renderizado 3D — donde la alta latencia tolerada y la sensibilidad a costos permiten aprovechar redes descentralizadas.

### Quema de más de 1.22 millones de tokens: uso de red y fundamentos del token

Según datos del primer trimestre de 2026, Render Network ha procesado más de 71 millones de cuadros renderizados, con cerca del 40% de carga de trabajo de IA. Se han quemado más de 1,22 millones de tokens RENDER en total.

Datos oficiales muestran que, en el primer trimestre de 2026, los indicadores clave de Render fueron:

| Indicador | 2026 Q1 |
| --- | --- |
| Nodos GPU activos | Más de 5,700 |
| Cuadros renderizados | 71,269,082 |
| Proporción de carga IA | Cerca del 40% |
| Tokens RENDER quemados | 1,228,380 |
| Oferta en circulación | 552,011,095 / 644,168,762 (máxima) |

Tras la integración de Salad, la capacidad teórica de GPU disponibles en la red puede superar los 65,000, aunque la cantidad en línea en realidad dependerá de la eficiencia del motor de programación y la participación de los chefs, por lo que los datos de operación continuada serán la referencia.

Economía del token (hechos y análisis): El modelo BME de Render hace que la demanda de tokens esté vinculada mecánicamente al uso de la red. La integración de Salad aportará parte de sus ingresos al proceso de quema en BME. La influencia real debe seguirse mediante datos de quema y uso de la red, sin sacar conclusiones prematuras.

## Divergencias del mercado: cómo interpretan RNP-023 las tres principales corrientes

### Optimistas de expansión: escala como barrera

Los partidarios creen que Render, mediante la integración con Salad, obtiene una fuente de capacidad de cálculo que los grandes cloud no pueden replicar: millones de jugadores con GPU ociosas en todo el mundo. Esta oferta tiene características: costos marginales muy bajos (hardware ya comprado, la capacidad es un “subproducto”); distribución geográfica dispersa (más de 180 países); escala con efectos de red (más chefs, más capacidad, más clientes).

El fundador de Salad, Bob Miles, declaró tras la aprobación: “Los modelos de IA de código abierto cada vez más tienden a ejecutarse en hardware de consumo. La carga de trabajo de Agentic AI está en auge — cada interacción requiere varias veces más cálculo que las llamadas API tradicionales. Las máquinas que operamos en Salad son la infraestructura que la industria necesita”.

Las colaboraciones institucionales de Render también refuerzan esta narrativa — NVIDIA, Stability AI, WME ya trabajan con Render. La participación de NVIDIA es especialmente relevante: ¿por qué un gigante que lidera la fabricación de GPU se interesa en redes de cálculo descentralizadas? (se especula) La lógica probable es: cualquier ecosistema que amplíe los escenarios de uso de GPU favorece a la línea de chips de NVIDIA.

### Escépticos cautelosos: escala no es igual a ingresos

Una visión más fría se centra en algunos datos duros. La integración de Salad ha ampliado significativamente la capacidad, pero ¿cuánto aporta realmente a los ingresos? La declaración de Salad no revela cifras específicas. La valoración en protocolos de criptomonedas no es equivalente a un ratio P/E tradicional, y en la valoración de tokens, los efectos de red, el hype y las expectativas de crecimiento futuro pesan más.

Además, algunos analistas señalan que RNP-023 es un evento de gobernanza, cuyo impacto real depende de la ejecución posterior, no solo del voto. En mercados cripto, “comprar expectativas y vender hechos” es una lógica frecuente en eventos.

### Competencia y estructura: juego interno en DePIN

Salad en la propuesta afirma “no emitir su propio token” y unirse a Render, justificando que “Render tiene el mejor equipo, infraestructura y comunidad”. Pero esta decisión también implica que Salad renuncia a capturar valor propio del token, vinculando su capacidad a la de Render y su modelo BME.

Por otro lado, el sector de capacidad descentralizada no es monopolio de Render. Akash Network, con su mercado abierto para aplicaciones de contenedores, y io.net, con su enfoque en la programación de capacidad IA, tienen diferentes grados de interacción con Render. A medida que Salad escala, la competencia entre Render y otros protocolos DePIN será más compleja.

## Detrás de los números: validación en tres niveles de la narrativa de 60,000 GPU

En cripto, la narrativa suele preceder a los fundamentos. “60,000 GPU” es un número muy potente en difusión, pero hay que desglosarlo en capas.

Primera capa: ¿existen realmente 60,000 GPU? La fuente oficial de Salad dice “60,000 máquinas activas diarias en 180+ países”. Otros datos muestran más de 450,000 nodos registrados. La cifra de 60,000 proviene de la fuente oficial y ha sido confirmada en al menos 6 fuentes independientes. Pero, en redes de GPU de consumo, la cantidad activa diaria puede variar, y la cantidad de dispositivos en línea en paralelo puede diferir de los registros.

Segunda capa: ¿pueden estas GPU servir a Render? (se infiere, según la propuesta) La integración prevé que Salad sea una “subred exclusiva” de Render, y que los pagos realizados a través de Salad se transfieran a la cadena RENDER. Esto vincula económicamente esas GPU a la red Render. Pero desde el punto de vista técnico, las GPU de consumo tienen riesgos de desconexión, latencia de red y volatilidad en la capacidad, que son características estructurales. La documentación oficial de Salad indica que, debido a la naturaleza distribuida e interrumpible, no se garantiza el retorno de inversión, y los ingresos pueden variar día a día. La pregunta es si esas GPU pueden realmente ofrecer servicios estables para tareas comerciales de IA y renderizado, lo cual depende de la integración del motor de programación de Salad y el sistema de tareas de Render.

Tercera capa: ¿más GPU significa automáticamente mayor valor de red? (opinión) Esto solo es cierto si esas GPU continúan recibiendo tareas pagadas efectivas y si esas tareas se traducen en valor en tokens mediante el modelo BME. La cadena de transmisión tiene varias variables — adquisición de clientes, precios de tareas, competencia — y aún no hay datos verificables que permitan conclusiones definitivas.

## Impacto en la industria: de la integración a la sustitución, una proyección

### Consolidación acelerada en DePIN

La aprobación de RNP-023 marca una fase de “integración a escala” en el sector de capacidad descentralizada. La decisión de Salad de no emitir token propio y unirse a Render puede indicar que en el futuro, redes de tamaño medio y pequeño preferirán integrarse con protocolos líderes en lugar de competir independientemente. Si esta tendencia se valida, acelerará el efecto de concentración en DePIN.

### Complementariedad, no sustitución: desplazamiento real en el mercado cloud

¿Realmente puede la capacidad descentralizada “sacudir” a AWS/GCP? Depende de cómo se defina “sacudir”. Si se entiende como “reemplazo en todos los escenarios de GPU”, la respuesta es claramente no. Como señala Securities.io, para entrenamiento de modelos distribuidos con baja latencia y sincronización, los clústeres centralizados siguen siendo la única opción viable.

Pero si se define como “desviar incrementalmente la demanda de cloud centralizado en escenarios sensibles a costo”, la tendencia es positiva. La reducción de precios de 65–75% en redes descentralizadas, y hasta más del 90% en GPU de consumo, hace que en ciertos casos sea una opción muy atractiva.

El camino de entrada del mercado de capacidad descentralizada es más de “complemento y desviación” que de “sustitución total”. Esta lógica se basa en que: la ventaja de bajo costo de GPU de consumo en inferencia y procesamiento por lotes es real; pero en escenarios de entrenamiento de alto rendimiento, la necesidad de interconexión de alta velocidad, SLA y gobernanza de datos hacen difícil que redes de consumo puedan reemplazar a los clústeres centralizados en la práctica.

### Nuevas variables del modelo BME

La integración de Salad introduce una nueva fuente de quema en el modelo BME. Desde la perspectiva estructural, esto amplía la demanda de tokens RENDER desde “pagos por tareas de renderizado” a “pagos en cadena por capacidad de GPU de consumo”. La declaración del fundador de Salad de que “quemar más de lo que se acuña fue cuidadosamente pensado” indica que los ingresos de Salad en BME tendrán un impacto estructural en la oferta y demanda de tokens. Pero la influencia real dependerá del crecimiento sostenido del uso de la red, por lo que requiere observación a largo plazo.

## Conclusión

Render Network, con la integración de Salad Network y sus 60,000 GPU de consumo, representa uno de los eventos de mayor escala en DePIN en 2026. Valida la viabilidad de escalar la capacidad descentralizada en la oferta — un cuello de botella que muchos consideraban insuperable.

Pero el valor real de “60,000 GPU” no radica en el número en sí, sino en si Render puede convertir efectivamente esas GPU en uso sostenido y en valor en tokens. Hasta el 19 de mayo de 2026, la capitalización de mercado en circulación de Render era de aproximadamente 946 millones de dólares, con un precio de 1.8254 USD por token. La integración de Salad ya refleja en los fundamentos de la red, pero en términos de ingresos reales, adquisición de clientes y datos de quema en BME, aún se requiere más tiempo para validar.

Desde la perspectiva de la industria, la relación entre capacidad descentralizada y AWS/GCP es más bien de “reemplazo de costos en escenarios específicos” que de “competencia total”. Esto no significa que la capacidad descentralizada esté fracasando — al contrario, en un mercado dominado por unos pocos gigantes durante décadas, cualquier capacidad de reducir costos en la cadena de valor es una prueba de que la disrupción estructural es posible y merece atención.