Fecha de publicación: 23 de julio de 2026 · Bitbase Research
Para la investigación relacionada de Bitbase Research sobre este tema, véase Infraestructura de IA descentralizada.
Resumen ejecutivo
La «cripto-IA» es el sector más narrado del mercado y uno de los menos disciplinados en su valoración. Hasta abril de 2026, un filtro sectorial de uso extendido contaba unos 919 proyectos rastreados con una capitalización combinada cercana a los 22.600 millones de dólares, mientras que filtros más laxos situaban solo a los veinte mayores tokens de IA en 40.000–60.000 millones de dólares — el mismo sector, medido de dos maneras, con una diferencia de casi el triple [1][21]. Ese desacuerdo sobre el tamaño mismo del sector ya expone por sí solo nuestra primera tesis. La expresión «token de IA» describe una categoría de marketing, no una clase de activo: una red descentralizada de alquiler de GPU, un mercado de inferencia, un agente autónomo on-chain y un protocolo de etiquetado de datos no tienen casi nada en común en cómo ganan dinero, en cómo el valor llega al token ni en el aspecto que tiene un múltiplo justo. Tratarlos como una sola cesta es el primer y más caro error analítico, y es justo el que la narrativa fomenta activamente.
Este informe sustituye la narrativa por disciplina en tres movimientos. Primero, divide el sector en cuatro subsectores — cómputo, inferencia, agentes y datos — cada uno con un motor de ingresos distinto y, por tanto, con un ancla de valoración distinta [1][21]. Segundo, insiste en que el precio quede atado al uso y no al relato, y funda esa insistencia en la herramienta cuantitativa más antigua disponible para valorar tokens, la ecuación monetaria de cambio MV = PQ, cuya lección central — que es la velocidad del token, y no la adopción publicitada, la que fija cuánto valor puede sostener una red de un tamaño dado — explica por qué tantos tokens de IA «de alto uso» siguen cayendo [9][10][11]. Tercero, como los tokens de IA están abrumadoramente subvencionados por emisión, añade una puntuación de sostenibilidad de los incentivos que separa los ingresos que una red gana de verdad de la oferta que simplemente imprime, exactamente la distinción que el sector del cómputo DePIN aprendió a las malas durante 2026 al girar de la minería de tokens al flujo de caja real [4][26].
Lo que está en juego es concreto porque, por primera vez, varias de estas redes tienen números reales que valorar. Las estimaciones publicadas de los ingresos del cómputo descentralizado divergen por criterio de medición y no por redondeo: unos 180–220 millones de dólares anualizados según los criterios más estrechos de ingreso a nivel de protocolo, frente a los cerca de 38 millones de dólares que Render por sí solo declaró para enero de 2026 — un ritmo anualizado de ~450 millones de dólares — sobre una base de facturación bruta de la red repartida entre unos 5.600 nodos GPU activos, mientras que el uso de Akash creció un 428 % interanual con una utilización de GPU superior al 80 % [4][5][6]. Qué criterio entra en el múltiplo es una decisión de modelización que el analista debe explicitar, porque las dos cifras difieren en un factor superior a dos. La actualización a TAO dinámico de Bittensor volvió la emisión guiada por el mercado y engendró más de 120 subredes frente a 32 un año antes, y la red registró alrededor de 43 millones de dólares de ingresos reales por servicios de IA en el primer trimestre de 2026 [3]. Estas son las variables de entrada que necesita un múltiplo de uso. Al mismo tiempo, el subsector de los agentes — Virtuals, ai16z, AIXBT y afines — cotiza un 55–85 % por debajo de sus máximos con casi ningún ingreso recurrente, un recordatorio de que la tarea del marco es ordenar, no halagar [17]. Todo lo aquí expuesto es análisis educativo, no asesoramiento de inversión.
Parte 1 · Por qué «token de IA» es un error de categoría
La precisión sobre lo que un token es precede a cualquier estimación de lo que vale, y la etiqueta de IA lo oscurece más que lo revela. Las cuatro cosas que el mercado archiva bajo «cripto-IA» son cuatro negocios distintos. Una red de cómputo como Render o Akash alquila ciclos de GPU: su ingreso es una comisión de uso sobre una materia prima con precio en el mundo real, y su análogo más cercano es una empresa de infraestructura en la nube [5][6][7]. Una red de inferencia o de modelos como Bittensor paga a los participantes por producir salidas de inteligencia de máquina y cobra por su consumo: su ingreso es una comisión de mercado sobre la inteligencia servida, más cercana a un negocio de API [3]. Un token de agente como Virtuals o ai16z representa un programa autónomo que transacciona on-chain: su «ingreso», donde lo hay, son comisiones o rendimiento de la propia actividad del agente, y su análogo se parece más a un fondo o a una pieza de software que a una infraestructura [17]. Un protocolo de datos como The Graph o Grass vende datos indexados o recolectados a la cadena de procesamiento de IA: su ingreso es una comisión por consulta o por acceso a datos [1][21].
No son matices de una misma cosa. Difieren en qué venden, en quién paga, en cuán defendible es el margen y —lo que es decisivo— en si el token tiene siquiera algún derecho sobre el dinero. Agruparlos en un único múltiplo «de IA» es la vía por la que un protocolo de indexación de datos que gana comisiones reales por consulta acaba cotizando con la misma prima narrativa que un token de agente con seguidores en Twitter y sin flujo de caja. La celebrada correlación del sector — casi todos los tokens del grupo cotizan un 55–85 % por debajo de su máximo histórico a mediados de 2026 con independencia de los fundamentales — es en sí misma prueba de que el mercado ha estado poniendo precio a la narrativa como un solo factor en lugar de poner precio a cuatro negocios distintos según sus cuatro méritos distintos [17]. El primer acto del analista es desagregar la cesta.
Parte 2 · Una taxonomía sectorial: cómputo, inferencia, agentes, datos
La taxonomía es la columna vertebral del marco porque asigna a cada token la pregunta de valoración correcta antes de calcular ningún número.
El cómputo es el más maduro y el más medible. Las redes descentralizadas de GPU alquilan capacidad de renderizado y de entrenamiento de IA, y ganan negocio por una razón sencilla y duradera: ofrecen precios entre un 60 % y un 90 % inferiores a los de los hiperescaladores para capacidad comparable bajo demanda, con el precio de inferencia de Render medido de forma independiente en torno a un 70 % por debajo del cómputo comparable de Azure Machine Learning [7]. La demanda es real y visible on-chain — los aproximadamente 38 millones de dólares de ingreso mensual de Render en enero de 2026, sus 5.600 nodos activos y más de 67 millones de fotogramas renderizados acumulados; el crecimiento de uso interanual del 428 % de Akash y su utilización superior al 80 % — y sigue una escasez macroeconómica genuina, ya que la demanda de cómputo para IA viene superando a la oferta y abre exactamente la brecha que estas redes llenan [4][5][6][8]. El cómputo es donde los múltiplos de uso son más fiables, porque el ingreso es una comisión sobre una materia prima con precio externo.
La inferencia y las redes de modelos abiertos se sitúan una capa más arriba en la pila. Bittensor es el caso de referencia: su rediseño del TAO dinámico (dTAO) en 2025 hizo que la emisión de las subredes pasara a estar guiada por el mercado e introdujo tokens de subred, y el ecosistema se expandió de 32 a más de 120 subredes activas, superando los 1.500 millones de dólares de capitalización combinada de subredes y generando alrededor de 43 millones de dólares de ingresos reales por servicios de IA en el primer trimestre de 2026 [3]. La pregunta de valoración aquí es una tasa de comisión de mercado sobre la inteligencia servida, complicada por una estructura de token de dos niveles (TAO más tokens de subred) que el analista debe consolidar en lugar de contar dos veces.
Los agentes son los más nuevos y los menos anclados. Virtuals permite a los usuarios levantar agentes autónomos, ai16z gestiona una DAO administrada por IA y AIXBT genera señales de trading — genuinamente novedoso, pero con ingresos escasos, no recurrentes o inexistentes, y las caídas del 55–85 % del grupo desde sus máximos reflejan exactamente eso [17]. Los agentes son donde la prima narrativa es mayor y donde el marco debe ser más escéptico, porque «el agente podría ganar comisiones algún día» es una afirmación de expectativa descontada, no un hecho de uso.
Los protocolos de datos alimentan la cadena de procesamiento de la que dependen los otros tres. The Graph indexa datos de blockchain para aplicaciones; Grass recoge y encamina datos web para el entrenamiento de IA [1][21]. Su ingreso es una comisión por consulta o por acceso, y su pregunta de valor se parece a la de un negocio de infraestructura de datos con una API tarificada por uso. Los cuatro subsectores, puestos uno junto a otro, dejan claro lo que la etiqueta esconde: la misma narrativa, cuatro motores de ingresos, cuatro múltiplos.
Parte 3 · El problema de la valoración: la ecuación de cambio y la trampa de la velocidad
Una vez ordenados los tokens, la pregunta es cómo valorar uno, y aquí la cripto-IA hereda todo el problema no resuelto de la valoración de tokens. La renta variable cuenta con un siglo de teoría de flujos de caja descontados y de múltiplos; la mayoría de los tokens ni siquiera otorgan un derecho sobre los flujos de caja que ayudan a generar. La herramienta seria más antigua es la ecuación monetaria de cambio, MV = PQ, importada de la teoría cuantitativa de Fisher y adaptada a las criptomonedas por el modelo INET de Chris Burniske: reordenada, M = PQ / V, donde el valor de mercado que una red puede sostener (M) equivale al tamaño de la economía transaccionada a través del token (PQ) dividido por la velocidad del token (V) [9][12]. El modelo divide el valor en un componente de utilidad actual (CUV), que refleja el uso presente, y un componente de utilidad esperada descontada (DEUV), que refleja la apuesta del mercado sobre el uso futuro [9]. El trabajo empírico ha intentado desde entonces ajustar la identidad a datos on-chain en lugar de suponer sus variables de entrada, afilándola de experimento mental a algo contrastable [10].
La identidad encierra una lección que domina el análisis de los tokens de IA: la velocidad es el destructor silencioso del valor. Si un token se usa puramente como medio de cambio — lo gana un proveedor de GPU y lo vende de inmediato por dólares —, su velocidad es alta, y una V alta colapsa la M que el mismo PQ puede sostener [11]. Por eso «nuestra red procesó X de uso» no es, por sí solo, un hecho alcista: si cada unidad de uso atraviesa el token a alta velocidad y sale, el valor de mercado sostenible es una fracción del flujo. Los tokens que retienen valor son los que dan a sus tenedores una razón para no vender — staking, derechos sobre comisiones, gobernanza con verdadero poder de decisión o escasez genuina frente a la demanda —, lo que baja la V y eleva la M que un PQ dado sostiene. El tope fijo de 21 millones de Bittensor y su diseño intensivo en staking son, en términos de la ecuación de cambio, un mecanismo de supresión de la velocidad; un token de agente sin staking y de uso puro como medio de cambio es uno maximizador de la velocidad [3][11]. El marco trata la velocidad como una variable de entrada de primer orden, no como una ocurrencia tardía.
Parte 4 · Múltiplos basados en el uso: el numerador correcto para el subsector correcto
Respetada la velocidad, la herramienta práctica es un múltiplo de uso — el análogo cripto del precio sobre ventas —, pero la disciplina del marco consiste en que el denominador debe encajar con el subsector. El precio sobre ventas, valor de mercado dividido por ingresos anualizados por comisiones, ya es el múltiplo estándar del sector para los protocolos que ganan comisiones, la manera en que se comparan Ethereum y las grandes plazas DeFi, y deja al descubierto lo cara que puede resultar la narrativa: la valoración de Uniswap, de unos 5.400 millones de dólares, frente a unos 26 millones de dólares de comisiones anualizadas del protocolo implica un múltiplo sobre ingresos cercano a 207×, una cifra de tecnológica de alto crecimiento para un exchange maduro [13]. Esa es la vara de medir, y cada subsector de IA necesita su propia versión.
Para el cómputo, el denominador correcto es el ingreso de cómputo de la red — comisiones reales pagadas por tiempo de GPU — porque es una comisión sobre una materia prima con precio externo. Un múltiplo de precio sobre ingreso de cómputo es defendible y comparable con la nube, pero solo allí donde el numerador y el denominador emplean la misma definición de ingreso: los ~38 millones de dólares mensuales de Render en facturación bruta de la red (~450 millones de dólares de ritmo anualizado) y los ~180–220 millones de dólares de ingreso a nivel de protocolo de todo el sector no son variables de entrada intercambiables, y sustituir una por otra altera el múltiplo en más de la mitad [4][5]. Para la inferencia, el denominador es el ingreso de mercado por la inteligencia servida — los ~43 millones de dólares de ingreso real del primer trimestre de Bittensor —, pero consolidado entre TAO y los tokens de subred para que la misma actividad no se cuente dos veces [3]. Para los agentes, el denominador honesto suele ser un ingreso recurrente cercano a cero, que es precisamente el hallazgo: un múltiplo de uso sobre un token de agente resulta a menudo indefinido o absurdo, y el marco debería decirlo en lugar de inventar una cifra basada en el relato [17]. Para los datos, el denominador son las comisiones por consulta o por acceso a datos, una cifra de API tarificada por uso [1][21]. El error más común en la valoración de tokens de IA es tomar prestado un múltiplo de estilo cómputo — anclado en ingresos reales con precio externo — y aplicarlo a un token de agente cuyo «ingreso» es especulativo, lo que fabrica una falsa equivalencia entre un negocio en la nube y una narrativa.
Parte 5 · La puntuación de sostenibilidad de los incentivos: demanda real frente a subvención por emisión
Un múltiplo de uso todavía puede engañar, porque buena parte de lo que parece demanda en la cripto-IA es subvención: las redes pagan a los proveedores con tokens recién acuñados para arrancar la oferta, y esa emisión puede disfrazarse de tracción. El sector del cómputo DePIN se pasó 2026 enfrentándose exactamente a esto, en un ampliamente documentado «giro hacia los ingresos» que va del crecimiento subvencionado con tokens al flujo de caja de un negocio real — Akash, io.net y Aethir trabajando explícitamente para sustituir la minería de tokens por clientes que pagan [4][26]. El segundo instrumento del marco, la puntuación de sostenibilidad de los incentivos, está construido para ver a través de la subvención preguntando, para cada red, cuánta de la emisión del token está respaldada por ingresos externos reales frente a cuánta simplemente infla la oferta para pagar su propio uso.
La mecánica importa porque conecta con la acumulación de valor, el problema más profundo de todo el ejercicio. Incluso una red con ingresos reales puede no trasladar nada al token: los tenedores a menudo no tienen derecho alguno sobre los flujos de caja del protocolo salvo que la gobernanza lo conceda de forma explícita, de modo que una narrativa de «ingresos» puede convivir con un token que no captura nada [14]. Los modelos de recompra y quema y de interruptor de comisiones intentan cerrar esa brecha atando la destrucción de tokens a los ingresos del protocolo — el movimiento de Uniswap para activar su interruptor de comisiones es el caso de referencia de un token de gobernanza que busca acumulación de valor [13][14]. Pero la acumulación solo es real si es neta: un protocolo que recompra el 5 % de la oferta mientras desbloquea el 10 % a través de vesting y recompensas de staking sigue diluyendo, de modo que la quema es cosmética [15]. El veredicto empírico es a la vez aleccionador y clarificador — entre los distintos tokens, los mecanismos activos de acumulación de valor superan a los tokens de solo gobernanza en unos 10 puntos porcentuales de media, pero el motor dominante de los rendimientos es la escala de los ingresos, no el diseño del mecanismo: los protocolos que devuelven capital mientras generan ingresos reales superan a todo lo demás por un margen amplio, y «una tasa alta de quema no puede compensar una utilidad nula o una demanda en declive» [15][16]. La puntuación, por tanto, ordena una red en dos ejes a la vez: la calidad de su demanda real y externa, y la sostenibilidad de su emisión frente a esa demanda.
Parte 6 · Benchmarking entre comparables
Un marco se demuestra ordenando nombres reales, y 2026 por fin aportó ingresos reales suficientes para intentarlo. El ejercicio consiste en pasar cada token representativo por las mismas cuatro preguntas — qué subsector, qué múltiplo de uso sobre el denominador correcto, cuán sólida es la vía de acumulación de valor y cuán sostenible es la emisión — y dejar que las diferencias salgan solas.
El cómputo puntúa mejor en calidad de la demanda: Render y Akash ganan ingresos con precio externo que siguen el uso real de IA, de modo que sus múltiplos de uso significan algo y su emisión está cada vez más cubierta por clientes y no por minería, que es justo el sentido del giro hacia los ingresos del sector [4][5][6]. El paso siguiente del analista no es celebrar, sino comprobar la emisión neta y la vía de acumulación de valor — un ingreso real con una captura débil por parte del token sigue suspendiendo. La inferencia, encabezada por Bittensor, puntúa bien en ingreso real (~43 millones de dólares en el primer trimestre) y en supresión de la velocidad (tope fijo de 21 millones, diseño intensivo en staking, halving en diciembre de 2025 que recortó la emisión diaria de 7.200 a 3.600 TAO), pero exige cuidado para consolidar la estructura de TAO más subredes y para confirmar que el ingreso de las subredes es genuino y no especulación intraecosistema entre más de 120 subredes [3]. Los agentes puntúan más bajo en todos los ejes que importan — ingresos recurrentes escasos o inexistentes, ausencia de ancla de precio externa y caídas del 55–85 % que reflejan cómo el mercado vuelve a poner precio a la narrativa acercándola a los fundamentales — y la aportación del marco es afirmar sin rodeos que la mayoría de los tokens de agente son apuestas DEUV con un CUV insignificante, no activos respaldados por uso [9][17]. Los protocolos de datos se sitúan en medio, con un ingreso de API tarificada por uso que es real pero a menudo modesto en relación con la valoración [1][21]. Los órdenes concretos importan menos que el método: las mismas cuatro preguntas, aplicadas de forma idéntica, separan un negocio de cómputo comparable con la nube de un agente narrativo al que un único múltiplo «de IA» pondría el mismo precio.
Parte 7 · Límites y modos honestos de fallo
Un marco de valoración se gana la confianza nombrando lo que no puede hacer. El mayor límite es que la cripto-IA está en una fase temprana, y los activos en fase temprana están legítimamente dominados por su utilidad esperada descontada, no por su utilidad actual: un marco anclado en el uso presente infravalorará de forma sistemática una red que esté construyendo de verdad hacia una gran demanda futura, exactamente como un filtro estricto de precio sobre ventas habría descartado las acciones tempranas de la computación en la nube [9]. La puntuación es una disciplina contra la narrativa, no una bola de cristal para la opcionalidad, y debe leerse como una ordenación de la calidad fundamental relativa de hoy, no como un veredicto sobre el potencial de una red a diez años.
Otros cuatro límites merecen ser tan visibles como el propio marco. Calidad de los datos: el «ingreso» on-chain puede manipularse — el uso ficticio, las transacciones intraecosistema entre las propias subredes o agentes de un proyecto y la demanda financiada con subvenciones pueden inflar todos ellos el denominador, y como el múltiplo solo es tan honesto como su cifra de ingresos, una red que fabrica uso invalida todo el aparato [3][26]. Ambigüedad del derecho del token: incluso donde el ingreso es real, el token puede no tener sobre él ningún derecho exigible, de modo que un negocio fuerte puede asentarse sobre un token sin valor — la pregunta de la acumulación de valor no es una nota al pie, sino un requisito eliminatorio [14][15]. Reflexividad de la narrativa: como «la IA» es un factor de mercado coordinado, el grupo puede subir y bajar en bloque por sentimiento con independencia de los fundamentales que el marco mide, de forma que la ventaja está en la selección relativa dentro del sector, no en acertar con el momento de la narrativa [1][17]. Humildad del modelo: la ecuación de cambio es una identidad, no un pronóstico — su resultado depende por completo de la velocidad supuesta y del PQ futuro, ambos inobservables por adelantado —, de modo que los analistas serios tratan cualquier estimación puntual como un escenario y no como un objetivo, y nuestra puntuación es deliberadamente ordinal en vez de un precio preciso [10][11]. Como lista de comprobación, el marco afina el juicio; como oráculo de valoración, decepcionará.
Conclusión · De la narrativa al numerador
La cripto-IA recompensa al analista que rechaza la cesta. La narrativa trata un factor; el marco trata cuatro negocios, cada uno con su propio motor de ingresos, su propio denominador correcto y su propio múltiplo honesto [1][21]. Bajo el múltiplo se asienta la ecuación de cambio y su lección implacable de que es la velocidad, y no el uso publicitado, la que decide cuánto valor puede retener una red de un tamaño dado, y por eso un token necesita una razón para ser retenido y no meramente usado [9][11]. Alrededor del múltiplo se asienta la puntuación de sostenibilidad de los incentivos, que separa los ingresos que una red gana de la oferta que imprime y pregunta si algo de ello llega realmente al token — el requisito eliminatorio de acumulación de valor que un negocio real todavía puede no cumplir [14][15][16]. Entre ambos, la taxonomía sectorial convierte un muro de «tokens de IA» en una comparación ordenada: nombrar el subsector, poner el uso real en el numerador correcto, suprimir la prima narrativa y comprobar que la emisión está cubierta por la demanda y no al revés.
Los conceptos fundamentales más profundos sobre los que descansan estos juicios — cómo se diseñan la emisión de tokens y el vesting, cómo el flotante circulante de una red diverge de su valor totalmente diluido y cómo la captura de comisiones y la mecánica de recompra y quema acumulan (o no) valor para los tenedores — merecen entenderse cada uno por sí mismo, porque la puntuación solo vale lo que valga la comprensión que el lector tenga de la mecánica que califica. Debe tratarse como una disciplina para ordenar la calidad fundamental dentro de un sector narrado, nunca como un pronóstico de precio, y siempre junto al contexto de demanda y de mercado que ningún marco de oferta y uso puede capturar.
Lecturas relacionadas
Otros artículos de Bitbase sobre este tema:
- Tokens de fans y tokens sociales
- Dominancia social y token mindshare: cómo medir la atención
Referencias
[1] CoinDCX, Top AI (Artificial Intelligence) Crypto Coins in June 2026 (tamaño del sector, desglose por subsectores). coindcx.com
[2] The Motley Fool, «Better AI Crypto: Bittensor (TAO) vs. Render», 6 de mayo de 2026. fool.com
[3] TAO Media, The Ultimate Guide to Bittensor 2026 y The Complete Beginner's Guide to Dynamic TAO (dTAO) (subredes, ingreso del primer trimestre, halving, tope de 21 M). tao.media
[4] BlockEden.xyz, «DePIN's Revenue Pivot: From Token Subsidies to Real AI Compute Revenue», 12 de abril de 2026. blockeden.xyz
[5] Own Your Mind, Render vs Akash vs io.net 2026: Revenue, Burns & Tokenomics. ownyourmind.ai
[6] BlockEden.xyz, «DePIN's Revenue Reckoning: How Akash, io.net, and Aethir Are Replacing Token Mining with Real Business Cash Flow», 12 de marzo de 2026. blockeden.xyz
[7] Securities.io, GPU Rendering Wars: Render Network vs. Akash & AWS (2026); BuildMVPFast, DePIN GPUs for Inference: io.net, Akash vs AWS. securities.io
[8] Yellow.com Research, AI Compute Demand Is Outpacing Supply, And Crypto GPU Networks Are Closing the Gap (2026). yellow.com
[9] Chris Burniske, Cryptoasset Valuations (modelo INET; MV=PQ; CUV frente a DEUV). medium.com
[10] Improving the Equation of Exchange for Cryptoasset Valuation Using Empirical Data, arXiv 2403.04914. arxiv.org
[11] I. Barbero, Understanding Velocity and Its Effects on MoE Token Dynamics, Coinmonks. medium.com
[12] Eton Venture Services, The Quantity Theory of Money: A Framework for Valuing Crypto Tokens. etonvs.com
[13] Talos, State of the Network: Uniswap Flips the Fee Switch — From Governance Token to Value Accrual (estándar P/S; ilustración de 207× en UNI). talos.com
[14] FinTech Weekly, Rethinking Token Value: From Subsidized Supply to Sustainable Accrual. fintechweekly.com
[15] Volity, Burn Rate: 2026 Crypto Tokenomics; FinanceFeeds, How Token Buybacks Can Affect Cryptocurrency Prices. volity.io
[16] Novora Research, Which Token Value Accrual Model Works? (acumulación activa +10 p. p.; domina la escala de los ingresos). novora.co
[17] OpenAIToolsHub, AI Agent Crypto Tokens — Virtuals, ai16z, AIXBT, and Bittensor Explained (ingresos de los agentes, caídas del 55–85 %). openaitoolshub.org
[18] Eqvista, Crypto Valuation Metrics — How to Value Crypto? (Daily Active Addresses y métricas de uso). eqvista.com
[19] A. Damodaran, The Dark Side of Valuation y escritos sobre el precio sobre ventas y los múltiplos de ingresos para activos previos a beneficios y de alto crecimiento (ancla metodológica de los múltiplos de uso).
[20] I. Fisher, The Purchasing Power of Money (1911), origen de la ecuación de cambio MV=PT, adaptada aquí como MV=PQ.
[21] DEXTools News, Top 5 Crypto AI Projects: Best Artificial Intelligence Tokens (2026) (líderes de cómputo y datos, incluidos The Graph, Grass y NEAR). dextools.io
[22] Crypto.news, Bittensor (TAO) Price Prediction: What the December Halving Means for TAO in 2026 (mecánica del halving; atención institucional). crypto.news
[23] CryptoDaily, DeFi Revenue Tokens: Why Fees, Burns and Buybacks Matter More Than TVL, mayo de 2026. cryptodaily.co.uk
[24] Gate Wiki, What Is Tokenomics: Allocation, Inflation Design, and Governance Utility in 2026. gate.com
[25] Ashley Lannquist, Today's Crypto Asset Valuation Frameworks, Blockchain at Berkeley. medium.com
[26] BlockEden.xyz, Decentralized GPU Networks 2026: How DePIN Is Challenging AWS for the $100B AI Compute Market. blockeden.xyz
Metodología y divulgación: Este informe sintetiza datos públicos del sector de la cripto-IA a mediados de 2026 (número de proyectos y capitalización [1]; ingresos y utilización del cómputo descentralizado de Render, Akash e io.net [4][5][6][7][8]; subredes dTAO de Bittensor, ingreso del primer trimestre, halving y tope de oferta [3][22]; comportamiento de los tokens de agente [17]); la literatura de valoración de criptoactivos (la ecuación de cambio y el modelo INET [9][12][20], los refinamientos empíricos [10], la dinámica de la velocidad [11] y la práctica del precio sobre ventas [13]); y la literatura sobre acumulación de valor del token (interruptores de comisiones, recompra y quema y dilución neta de desbloqueos [14][15][16][23][24]). La taxonomía de cuatro subsectores (cómputo / inferencia / agentes / datos), la correspondencia de múltiplos de uso y la puntuación de sostenibilidad de los incentivos son construcciones analíticas educativas y ordinales para ordenar la calidad fundamental relativa dentro del sector de la cripto-IA; las cifras citadas (≈919 proyectos y ~22.600 millones de dólares de capitalización del sector según un filtro, frente a ~40.000–60.000 millones de dólares para los veinte primeros según filtros más laxos; ~180–220 millones de dólares de ingreso de cómputo anualizado a nivel de protocolo, frente a los ~38 millones de dólares mensuales de Render sobre una base de facturación bruta; Akash +428 % interanual y utilización >80 %; Bittensor ~43 millones de dólares en el primer trimestre y más de 120 subredes; caídas de los agentes del 55–85 %; el ~207× ilustrativo de P/S) proceden de las fuentes citadas e ilustran el marco en lugar de pronosticar el precio de ningún token. Cuando las fuentes miden la misma magnitud sobre bases distintas — la capitalización del sector y el ingreso de cómputo lo hacen ambas —, este informe expone la horquilla en lugar de escoger una cifra y presentarla como definitiva. Nada de lo aquí expuesto es una calificación, una recomendación ni un objetivo de precio.
Aviso legal: Este es contenido educativo de Bitbase Research, facilitado únicamente con fines informativos. No constituye asesoramiento de inversión, de trading, fiscal ni financiero. Redactado con datos de julio de 2026; el sector de la cripto-IA, los ingresos de las redes, los calendarios de oferta de tokens y las condiciones de mercado cambian continuamente, así que conviene basarse siempre en los datos primarios más recientes y realizar una investigación propia antes de tomar cualquier decisión.
