Probablemente puedo nombrar 10 proyectos de criptomonedas que están persiguiendo inferencia de IA descentralizada desde ángulos completamente diferentes en este momento.

Este campo está atrayendo a algunos de los mejores talentos en desarrollo de IA en cripto en este momento.
La competencia se está volviendo más compleja con la carrera por hardware, modelos de confianza, perfiles de latencia y quién puede convertir el cómputo en bruto en inferencia usable sin quemar dinero.
Intenté mapear algunos de los proyectos en el juego para que puedas verlo más claramente.
[1] @darkbloomai
@EigenLabs intenta convertir Macs Silicon de Apple inactivos en una red de inferencia con enfoque en la privacidad.
Ya existen millones de Macs de la serie M, el costo marginal es principalmente electricidad, y Apple Silicon tiene memoria unificada de hasta 64–512GB con un ancho de banda enorme.
Por eso quieren que la Mac de repuesto que está en el escritorio de alguien se convierta en parte de la capa de infraestructura de IA.
Los usuarios envían solicitudes de inferencia, los coordinadores operados por Eigen las enrutan, los proveedores ejecutan el modelo en Macs elegibles, y el proveedor supuestamente no puede ver el prompt ni la salida.
– el proveedor principal gana alrededor de $6 y el quinto alrededor de $2
– Las ganancias en 30 días fueron más cercanas a ~$6 en total frente a las proyecciones de la calculadora de $280–600/mes
[2] @nosana_ai
Red de inferencia basada en Solana centrada en trabajos de IA, programación, anfitriones GPU y desarrolladores que quieren inferencia más barata sin pensar demasiado en infraestructura.
– Más de 50K anfitriones GPU registrados
– 600 nodos activos diarios en más de 60 países
Ofrecen a los desarrolladores una vía de inferencia más económica y dejan que Solana coordine el mercado.
[3] @rendernetwork
Ya tenían la red creativa de GPU, luego expandieron lentamente hacia cómputo de IA e inferencia.
– Más de 5,600 nodos GPU
– 24.3 millones de cuadros renderizados en 2025
– La IA ya representa alrededor del 35–40% del volumen
– GPU dispersa a aproximadamente $0.69/hora
Renderizado e inferencia no son la misma carga de trabajo, pero Render ya sabe cómo coordinar la demanda distribuida de GPU, pagos, reputación de suministro y flujos de trabajo de creadores.
[4] @akashnet
Nativo de Kubernetes, subastas inversas, alquiler de cómputo vía SDL, lo suficientemente flexible para muchas cargas de trabajo.
Akash es real, maduro, barato, útil, pero no perfectamente optimizado para inferencia.
Puede ser una válvula de alivio de costos, capacidad de ráfaga, trabajos en lote e infraestructura autohospedada. Pero para una experiencia de usuario de inferencia de baja latencia, la nube generalizada tiene que competir con enrutadores especializados.
[5] @ionet
Más de 100K GPUs registradas, precios de H100 alrededor de $1.49–2.20/hora frente a precios mucho más altos de hyperscalers, orquestación estilo Ray, y ahora cómputo confidencial con Intel TDX habilitado en tiers H100/H200/B200.
Está persiguiendo escala y posicionamiento de grado empresarial.
[6] $Tao subredes (SN64 + SN4)
Chutes tiene aproximadamente 4,400 unidades de suministro equivalentes a H100, 9.1T de tokens totales servidos, más de 50B tokens/día en picos, y aparentemente es uno de los principales proveedores de OpenRouter.
Targon está apostando por inferencia confidencial con Intel TDX + computación confidencial de NVIDIA, más de 1,500 H200s, y un $10M ARR reclamado.
La latencia sigue siendo la barrera. La mayoría de las redes descentralizadas no están cerca de los proveedores centralizados para chat en tiempo real.
Pero no necesitan ganar en todas las cargas de trabajo.
Inferencia en lote, agentes asíncronos, tareas de código, generación de imágenes/video, investigación offline, bucles de agentes en segundo plano, todo esto puede tolerar peor latencia si el costo y la privacidad son mejores.
Por eso creo que cuanto más grande sea el mercado de IA, más espacio habrá para que los proyectos de cripto tracen su propio camino.