La demanda de datos para entrenar modelos de inteligencia artificial y de hardware de computación de alto rendimiento sigue creciendo con la expansión del sector. En un informe de investigación publicado el 23 de octubre, Zach Pandl, responsable de investigación de Grayscale, señaló a DATA Network (DATA), USD.AI (CHIP) y Pearl (PEARL) como proyectos orientados a distintas áreas de la infraestructura de IA. Sin embargo, la evolución reciente de sus precios ha sido dispar, lo que refleja la distancia entre los fundamentos de cada proyecto y su valoración en el mercado.
DATA Network desarrolla un modelo de licencias para datos de IA
Los modelos de IA necesitan grandes volúmenes de imágenes, vídeos y grabaciones de voz para su entrenamiento. DATA Network pretende recopilar ese material con los permisos necesarios, conceder licencias a los desarrolladores de IA y recompensar a las personas que aportan los datos. El modelo busca conectar la recopilación y la comercialización de datos con incentivos basados en tokens.
El 12 de octubre, la Sui Foundation anunció una inversión de 30 millones de dólares en la red. DATA también tiene previsto migrar a la cadena de bloques Sui, y los tokens existentes se transferirán en una proporción de uno a uno. El cambio aporta financiación adicional y una nueva infraestructura en cadena, aunque todavía no se ha traducido en una mejora clara del precio del token.
En el momento de la publicación, DATA cotizaba a 0,15243 dólares, con una caída del 42,07% en 90 días y del 34,65% en el último mes. La evolución indica que los inversores siguen evaluando si la financiación, la migración de cadena y el negocio subyacente de datos pueden ofrecer un respaldo duradero al valor del token.
USD.AI vincula los préstamos en cadena con la compra de GPU
El entrenamiento y la inferencia de modelos de IA requieren grandes cantidades de unidades de procesamiento gráfico (GPU). Como este hardware es costoso y queda obsoleto con rapidez, los proveedores de computación suelen necesitar una financiación considerable. USD.AI está diseñado para que estas empresas obtengan fondos mediante grupos de préstamos basados en blockchain, respaldados por el hardware correspondiente y por ingresos futuros.
En agosto, Bullish anunció una línea de financiación de 100 millones de dólares para apoyar las operaciones de préstamos sobre GPU de USD.AI. El acuerdo conecta las herramientas de financiación de activos digitales con las necesidades de capital de la infraestructura informática para IA y también ha situado al token CHIP bajo el escrutinio del mercado.
CHIP cotizaba a 0,04386 dólares, un 47,98% por encima del nivel de hace 90 días. No obstante, seguía aproximadamente un 69% por debajo de su máximo de abril. Por tanto, la subida reciente no ha compensado por completo el descenso anterior. La volatilidad del precio seguirá dependiendo en buena medida de cómo valore el mercado la escala de los préstamos respaldados por GPU, la calidad de los activos y la capacidad del proyecto para generar ingresos.
Pearl vincula su token a los ingresos de la computación
El tercer proyecto destacado por Grayscale es Pearl (PEARL). A diferencia de DATA, centrado en los datos de entrenamiento, y de USD.AI, orientado a la financiación de GPU, Pearl se posiciona en torno a la generación de ingresos mediante capacidad de computación. Su modelo busca captar la actividad económica en cadena derivada de la demanda de potencia informática para aplicaciones de IA.
La información divulgada hasta ahora sitúa a los tres tokens en segmentos distintos de la cadena de infraestructura: suministro de datos, financiación de hardware e ingresos procedentes de la computación. Todos están vinculados a la infraestructura de IA, pero sus modelos de negocio difieren y sus tokens ya han tomado direcciones diferentes en el mercado. Para los participantes del mercado, la prueba será si cada proyecto consigue convertir la demanda de IA en actividad verificable de licencias de datos, negocio de préstamos o ingresos por computación. La temática de la IA, por sí sola, no explica las diferencias observadas en su comportamiento bursátil.