Cysic Shifts la atención de la red GPU de las pruebas de cadena de bloques a la inferencia de IA ante el aumento de las tarifas de Layer 2

2026/11/08 11:08:00

Cysic redirige la capacidad de GPU hacia la inferencia de IA a medida que disminuye la demanda de generación de pruebas ZK

Cysic, la red de cómputo descentralizada que lanzó su mainnet el 24 de septiembre de 2025, ha cambiado el enfoque principal de su flota de GPU de generar pruebas de conocimiento cero para redes Layer 2 de ethereum a respaldar cargas de trabajo de inferencia de IA. El cambio sigue una clara caída en la demanda de generación de pruebas junto con tarifas de transacción Layer 2 que, según la empresa, han superado las de ethereum mismo. Desde el lanzamiento del mainnet, la red ha procesado más de 13 millones de transacciones y generado más de 10 millones de pruebas de conocimiento cero, trabajando con socios como Scroll y Aleo. Actualmente cuenta con más de 118.000 provers y 200.000 verificadores.

El CEO Leo Fan ha presentado el cambio como una reasignación práctica del hardware existente en lugar de una salida total del trabajo de cero conocimiento, mientras sigue apuntando a la comprobación de bloques de ethereum en menos de ocho segundos. La Capa 1 Proof-of-Compute de la red, que es compatible con la Máquina Virtual de ethereum, ya coordina tareas tanto ZK como de IA, lo que brinda una base técnica lista para este giro. La reorientación de Cysic de su capacidad de GPU hacia la inferencia de modelos de lenguaje grandes refleja cambios medibles en la economía de la Capa 2 y las condiciones del mercado de GPU, permitiendo a la red mantener su utilización mientras continúa el desarrollo selectivo de cero conocimiento a través de hardware especializado y su mercado CyAI.

Principales conclusiones

Cysic está redirigiendo los recursos de GPU desde pruebas ZK de L2 hacia inferencia de IA tras la caída de la demanda.
Las tarifas de Layer 2 habrían superado las tarifas de la mainnet de Ethereum, reduciendo la economía de prueba.
Las métricas del mainnet desde septiembre de 2025 incluyen más de 13 millones de transacciones y 10 millones de pruebas.
Venus zkVM y las optimizaciones de GPU proporcionaron mejoras de eficiencia en el tiempo de prueba de más del 9 por ciento.
El chip C1 personalizado logra 1,31 millones de funciones Keccak por segundo para una prueba más rápida.
El mercado CyAI utiliza auditorías estadísticas para tareas de IA en lugar de pruebas de conocimiento cero completas por tarea.

La disminución de la demanda de pruebas ZK obliga a la reasignación de hardware en redes descentralizadas

La demanda de generación de pruebas de conocimiento cero que sirven a las redes de Layer 2 de Ethereum ha caído bruscamente durante 2026, lo que ha llevado a Cysic a reasignar su capacidad de GPU. Las redes de Layer 2 dependen de estas pruebas para agrupar transacciones y liquidarlas de forma segura en Ethereum sin requerir que cada participante vuelva a ejecutar el trabajo. Cuando la demanda de pruebas disminuye, el hardware especializado que antes generaba ingresos constantes queda subutilizado. El liderazgo de Cysic ha vinculado directamente esta caída con el aumento de las tarifas de Layer 2, que ahora superan los costos de la capa base de Ethereum en ciertos períodos, erosionando la ventaja económica que antes hacía atractivos los servicios de prueba externos.

Los propios datos de la red muestran una actividad sustancial anterior, más de 10 millones de pruebas generadas desde el lanzamiento del mainnet en septiembre de 2025, pero las condiciones actuales ya no respaldan el mismo volumen de trabajo centrado en L2. Este movimiento no es exclusivo de un solo proveedor; la escasez de GPU impulsada por la demanda de centros de datos de IA ha aumentado el costo de oportunidad de dedicar aceleradores exclusivamente a la prueba criptográfica. Al redirigir la capacidad, Cysic preserva la utilización del hardware mientras el mercado en general absorbe el exceso de oferta de pruebas. La decisión se basa en dinámicas de tarifas observables y métricas de utilización, no en pronósticos especulativos, permitiendo que la red se adapte sin descartar la infraestructura ya construida para cómputo verificable.

Superposición de GPU entre la prueba de conocimiento cero y la inferencia de modelos de lenguaje grandes permite una transición fluida

Tanto la generación de pruebas de conocimiento cero como la inferencia de modelos de lenguaje grande imponen fuertes demandas sobre los recursos de GPU, creando un puente técnico natural para el giro de Cysic. La generación de pruebas implica aritmética intensiva de campos finitos, multiplicaciones de múltiples escalares y transformadas teórico-numéricas que se mapean eficientemente sobre núcleos GPU paralelos. La inferencia, en cambio, se centra en multiplicaciones de matrices y mecanismos de atención que también saturan los mismos aceleradores. Dado que el silicio subyacente ya está optimizado para cargas de trabajo paralelas de alto rendimiento, mover capacidad de una clase de tarea a otra requiere principalmente cambios en la programación de software, en lugar de adquisición de nuevo hardware.

La capa Proof-of-Compute de Cysic ya enruta trabajos de ambos tipos, por lo que no fue necesario reinventar la capa de coordinación. El CEO Leo Fan ha enfatizado que la flota existente puede dirigirse a la inferencia de LLM sin una reestructuración arquitectónica completa. Esta superposición reduce el riesgo de capital y acorta el plazo de transición. Al mismo tiempo, la red conserva la capacidad de atender la demanda residual de ZK, preservando la opcionalidad. El resultado práctico es una mayor utilización promedio de los mismos activos físicos bajo condiciones de mercado cambiantes, una capacidad que las plataformas puras de ZK o puras de IA podrían no tener.

Las métricas de rendimiento del mainnet demuestran la escala lograda antes del cambio estratégico

El mainnet de Cysic, activo desde el 24 de septiembre de 2025, ya ha acumulado una escala operativa significativa que sustenta la actual reorientación. La red ha procesado más de 13 millones de transacciones y generado más de 10 millones de pruebas de conocimiento cero en aproximadamente trece meses de funcionamiento. Partnerships with Scroll y Aleo contribuyeron a ese volumen, respaldando el despliegue de la red en los ecosistemas de socios. En cuanto a la participación, el sistema cuenta con más de 118 000 provers y 200 000 verificadores, lo que indica una red registrada sustancial de participantes incluso tras la pérdida de participantes oportunistas tras el testnet.

Estas cifras demuestran que Cysic no es un experimento reciente, sino una red operativa con un historial medible de actividad en la red. El mecanismo de consenso Proof-of-Compute traduce la computación útil, ya sea ZK o AI, en puntuaciones e incentivos de red, creando continuidad entre tipos de carga de trabajo. Al haber demostrado la capacidad de coordinar un gran número de máquinas heterogéneas para trabajo criptográfico, la misma infraestructura ahora puede programar trabajos de inferencia con una confiabilidad comparable. Por lo tanto, las métricas sirven tanto como prueba de capacidad pasada como base para el enfoque ampliado en IA.

Venus zkVM y optimizaciones de GPU generan mejoras medibles de eficiencia para el trabajo de prueba residual

Cysic continúa perfeccionando su pila de prueba, incluso mientras desplaza su capacidad principal hacia la IA. El Venus zkVM combinado con optimizaciones dirigidas de GPU ha mejorado la eficiencia del tiempo de prueba de extremo a extremo en más del 9 por ciento en comparación con las líneas base anteriores. Estos avances provienen de una mejor programación en toda la tubería de prueba, y no solo de aumentos brutos en el rendimiento del silicona. Al tratar la generación de pruebas como un grafo de cómputo conectado y reduciendo el tiempo inactivo entre las etapas de CPU y GPU, Venus extrae más trabajo útil del mismo hardware.

Las mejoras son importantes para cualquier demanda residual de L2 y para el objetivo a largo plazo de probar bloques completos de Ethereum en menos de ocho segundos. Los aumentos de eficiencia también reducen el costo marginal de los trabajos ocasionales de prueba, haciendo que el trabajo ZK selectivo sea más viable junto con la carga de trabajo dominante de IA. En un mercado donde los centros de datos de IA compiten agresivamente por las mismas GPU, cada punto porcentual de mejora en la utilización se compone en una economía más favorable. Los elementos de código abierto de la pila Venus permiten además a desarrolladores externos construir sobre las mismas optimizaciones, ampliando el alcance técnico de la red más allá de su propia flota.

Los resultados de prueba del chip C1 personalizado destacan la diferenciación hardware para el hashing relevante para ethereum

El chip C1 personalizado de Cysic ofrece 1,31 millones de funciones Keccak por segundo, un rendimiento que se mapea directamente sobre los requisitos de hash principales de Ethereum. Keccak sustenta muchas operaciones criptográficas dentro del ecosistema Ethereum, por lo que la aceleración en esta capa se traduce en generación más rápida de pruebas para rollups y otros protocolos que dependen de esos primitivos. El silicona especializada reduce la dependencia de las GPU de propósito general para los kernels criptográficos más intensivos, parcialmente aislando la red de la escasez generalizada de GPU impulsada por la IA. El chip forma parte de una hoja de ruta de hardware más amplia que también explora caminos basados en FPGA y ASIC tempranos, reconociendo que la dependencia pura de GPU se está volviendo más costosa.

Al combinar aceleradores personalizados con la flota existente de GPU, Cysic puede asignar el recurso más eficiente a cada tipo de carga de trabajo: ASICs o FPGAs para ciertos kernels ZK, GPUs para inferencia flexible o pruebas restantes. Este enfoque híbrido respalda tanto el giro inmediato hacia la IA como la ambición a largo plazo de la demostración en tiempo real de ethereum. Los resultados del C1 proporcionan evidencia concreta de que la empresa está invirtiendo en hardware diferenciado en lugar de simplemente reetiquetar capacidad existente.

CyAI Marketplace presenta verificación pragmática para cargas de trabajo de inferencia de IA descentralizadas

La marketplace CyAI de Cysic maneja las solicitudes de inferencia de IA mediante un diseño que prioriza la practicidad sobre pruebas criptográficas completas para cada tarea. En lugar de generar una prueba de conocimiento cero completa para cada inferencia, CyAI emplea auditorías estadísticas aleatorias y técnicas como verificaciones de Distribución de Distancia Logit para detectar sustitución de modelos, reducciones de precisión o cobros excesivos. Los proveedores compiten en precio, latencia y confiabilidad medida, mientras que los clientes establecen presupuestos y umbrales de calidad. La marketplace se encuentra dentro del marco más amplio de ComputeFi, permitiendo que la misma red de máquinas que antes se centraba en pruebas ZK sirva inferencia de LLM para modelos que van desde opciones de código abierto hasta servicios de terceros.

Este modelo de verificación más ligero reduce la sobrecarga en comparación con los enfoques puramente ZK y hace que el servicio sea más competitivo con las API centralizadas, mientras sigue proporcionando un rastro auditables. La implementación temprana de CyAI demuestra que la red puede enrutar tráfico de inferencia real y liquidar pagos en la cadena. Por lo tanto, el diseño convierte la misma base de hardware descentralizada en capacidad de inferencia de IA sin requerir que cada cliente asuma los costos completos de prueba.

La dinámica de las tarifas de Layer 2 altera la economía de los servicios de generación de pruebas externas

Según Cysic, las tarifas de transacción de Layer 2 han superado las tarifas del mainnet de ethereum en períodos recientes, eliminando una razón económica clave para los servicios de comprobación externos. Cuando los L2 mismos se vuelven relativamente caros, es más difícil justificar el costo adicional de la comprobación especializada, y la demanda de generación de pruebas de terceros disminuye. Análisis industriales anteriores habían mostrado que la generación de pruebas representaba una parte sustancial de los costos operativos de los ZK rollups; cualquier aumento en las tarifas base de L2 agrava esa carga. La observación de Cysic es coherente con una reducción generalizada en la oferta de GPU, ya que los centros de datos de IA absorben los aceleradores disponibles, aumentando el costo de oportunidad de dedicar hardware exclusivamente a la criptografía.

La inversión de tarifas no elimina el valor a largo plazo de la tecnología de conocimiento cero, pero sí cambia los patrones de utilización a corto plazo. Las redes que pueden ajustar flexiblemente la capacidad entre la demostración y la inferencia pueden tener mayor flexibilidad durante los cambios en la demanda. La respuesta de Cysic, realocando GPUs mientras conserva capacidades especializadas de demostración, ilustra una estrategia adaptativa bajo estas condiciones.

Capa Proof-of-Compute de Capa 1 proporciona coordinación unificada para cargas de trabajo mixtas

Cysic opera una capa Layer 1 compatible con EVM y basada en Proof-of-Compute que sirve como capa de coordinación para trabajos de zero-knowledge y AI. El mecanismo de consenso recompensa la computación útil en lugar de solo el hashing o el staking puro, permitiendo que la misma estructura de incentivos respalde cargas de trabajo de prueba, inferencia y posiblemente entrenamiento. Los desarrolladores envían trabajos con parámetros de presupuesto y latencia; la red los enruta a GPUs disponibles o aceleradores especializados y registra los resultados en la cadena.

Esta arquitectura ya existía antes del giro, por lo que el cambio hacia la inferencia de IA no requirió una nueva capa base. El diseño de doble propósito reduce la fragmentación y permite a los proveedores ganar con cualquier carga de trabajo que actualmente ofrezca mejores retornos. Dado que la cadena sigue siendo compatible con las herramientas de Ethereum, los costos de integración para las aplicaciones existentes permanecen bajos. El resultado es un único mercado para cómputo verificable que puede absorber los cambios en la demanda relativa entre tareas criptográficas y de aprendizaje automático sin requerir que los participantes migren a redes separadas.

Las ambiciones residuales de conocimiento cero persisten junto al enfoque en IA

Cysic no ha abandonado el desarrollo de cero-knowledge. El CEO Leo Fan ha reiterado el objetivo de probar bloques completos de ethereum en menos de ocho segundos, una capacidad que abriría casos de uso de verificación en tiempo real más allá de las pruebas actuales de L2. Las optimizaciones de Venus y el progreso del chip C1 apoyan directamente ese objetivo al reducir la latencia y el costo por prueba. La prueba selectiva para aplicaciones de alto valor o sensibles a la latencia puede continuar incluso mientras la mayor parte de la capacidad de GPU sirve a la inferencia de IA.

Mantener la capacidad dual preserva la opcionalidad estratégica: si los avances en la economía de L2 o el hardware especializado restauran la demanda comprobada, la red puede ajustar sin comenzar desde cero. La inversión continua en la demostración de eficiencia también fortalece la capa de verificación de CyAI, ya que las auditorías estadísticas y posibles mejoras futuras de ZK para IA pueden compartir la misma línea de investigación. En este sentido, el giro es una expansión de la superficie de cómputo, no una sustitución binaria de una carga de trabajo por otra.

La demanda de centros de datos de IA ajusta el suministro de GPU y aumenta los costos de oportunidad para cargas de trabajo especializadas

El entrenamiento y la inferencia de IA han absorbido una parte creciente de las GPU de gama alta disponibles, generando una competencia directa con la prueba de conocimiento cero por el mismo silicio. El liderazgo de Cysic ha señalado que la industria está compitiendo efectivamente contra presupuestos de centros de datos bien financiados, lo que eleva tanto el precio como la escasez de aceleradores. Bajo estas condiciones, dejar las GPU inactivas o subutilizadas debido a la disminución de la demanda de pruebas L2 se vuelve cada vez más costoso. Redirigir la capacidad hacia la inferencia de LLM permite a la red captar ingresos de la carga de trabajo con mayor demanda, mientras que la hoja de ruta de hardware especializado —FPGAs, ASICs y el chip C1— avanza hacia soluciones ZK más eficientes.

La presión de oferta también refuerza el valor de los mercados descentralizados que pueden aglutinar GPUs de consumidores y profesionales de otro modo fragmentadas. Al participar en ambos mercados, los proveedores de Cysic obtienen resiliencia frente a las fluctuaciones en la demanda de IA o criptográfica. La implicación más amplia para la industria es que las redes puras de prueba ZK podrían enfrentar una creciente intensidad de capital a menos que desarrollen una flexibilidad similar o avancen agresivamente hacia silicio personalizado.

Auditoría estadística en CyAI equilibra la minimización de la confianza con el rendimiento práctico

Las pruebas de conocimiento cero completas para cada solicitud de inferencia de IA impondrían sobrecarga de latencia y costo que muchas aplicaciones no pueden absorber. Por lo tanto, CyAI utiliza auditorías estadísticas aleatorias y pruebas de distribución de distancia de logit para verificar que los proveedores entreguen el modelo, la precisión y la exactitud de facturación anunciados. Los testigos muestrean trabajos, y los verificadores revisan la sustitución o la degradación de calidad. Este enfoque proporciona una pista de evidencia auditables sin requerir pruebas criptográficas para todo el grafo de cómputo de modelos grandes.

El diseño intercambia garantías criptográficas absolutas por un mayor rendimiento y costos más bajos, haciendo que el mercado sea competitivo con servicios centralizados mientras ofrece mayor transparencia. Los clientes conservan la capacidad de establecer restricciones de calidad y precio, y los proveedores compiten en función de la confiabilidad medida. El modelo se ajusta a la tesis de la economía de agentes que ha articulado Cysic: los agentes autónomos necesitan inferencia verificable pero eficiente, no una sobrecarga criptográfica máxima en cada token generado. El tráfico en vivo inicial en CyAI demuestra que la capa de verificación más ligera es operativamente viable a escala de red.

La estrategia híbrida de hardware posiciona la red para una flexibilidad computacional a largo plazo

La hoja de ruta de Cysic combina GPUs de propósito general con aceleradores personalizados, como el chip C1 y el trabajo continuo en FPGA y ASIC. Las GPUs proporcionan capacidad flexible que puede alternar entre inferencia y prueba residual, mientras que la silicio especializado se enfoca en los núcleos matemáticos donde el hardware de propósito general es menos eficiente. Este enfoque híbrido reduce la exposición a los ciclos del mercado de GPUs puras y mejora la economía unitaria de la carga de trabajo que actualmente domine. La misma capa de coordinación puede programar trabajos en máquinas heterogéneas, ajustando las características de la tarea al hardware más adecuado.

Para la inferencia de IA, la red puede aprovechar la amplia base de GPU; para trabajos ZK de alto volumen o críticos en latencia, puede recurrir a los kernels acelerados. La estrategia también respalda la visión de ComputeFi de convertir diversos recursos de cómputo en activos líquidos que generan rendimiento. Al evitar la dependencia exclusiva de cualquier clase de hardware, Cysic puede mejorar la flexibilidad operativa mientras los mercados de IA y zero-knowledge continúan evolucionando.

Cómo la demanda de IA está reconfigurando el mercado de cómputo descentralizado

El giro de Cysic ilustra una tensión estructural que enfrentan las redes descentralizadas de cómputo: los mismos aceleradores que impulsan las pruebas criptográficas ahora tienen una alta demanda para cargas de trabajo de IA cuya economía actualmente domina. Las redes que pueden reasignar fluidamente la capacidad, mantener opciones especializadas de prueba y ofrecer verificación pragmática para trabajos de IA están mejor posicionadas para retener proveedores y atraer demanda. La combinación de una capa de coordinación compatible con EVM, hardware híbrido y dos mercados (ZK y CyAI) le brinda a Cysic una respuesta concreta a esa tensión.

Si el modelo puede escalar aún más dependerá de la demanda sostenida de inferencia, la competitividad de la auditoría estadística frente a alternativas centralizadas y los avances continuos en silicio personalizado para necesidades residuales de ZK. Para el ecosistema en general, este episodio subraya que el cómputo verificable se está convirtiendo en un mercado de múltiples cargas de trabajo, más que en un nicho puramente criptográfico. Los proveedores y desarrolladores que traten a las GPU como activos flexibles en lugar de herramientas de propósito único probablemente se adaptarán más fácilmente al próximo cambio en la demanda relativa.

Preguntas frecuentes

¿Cómo afecta el cambio de Cysic a los usuarios existentes de pruebas de conocimiento cero?

Los usuarios existentes de los servicios de prueba de Cysic pueden continuar enviando trabajos; la red no ha discontinuado la capacidad ZK. La demanda residual sigue siendo atendida, y las mejoras de eficiencia de Venus y el chip C1 siguen disponibles. El cambio principal es que la mayor parte del tiempo de GPU ahora se prioriza para la inferencia de IA cuando la utilización y el precio favorecen esa carga de trabajo. Los usuarios que requieran pruebas de baja latencia o alto volumen podrían necesitar planificar ante posibles colas o costos relativamente más altos en comparación con el período de máxima demanda anterior.

¿Qué método de verificación utiliza CyAI en lugar de pruebas de conocimiento cero completas?

CyAI confía en auditorías estadísticas aleatorias realizadas por testigos y verificaciones de Distribución de Distancia Logit por verificadores. Estos métodos muestrean trabajos para detectar sustitución de modelos, precisión reducida o facturación incorrecta sin generar una prueba criptográfica completa para cada inferencia. Este enfoque reduce la sobrecarga mientras aún produce una pista audituable que los clientes y el protocolo pueden consultar en disputas.

¿Planea Cysic abandonar los objetivos de prueba de bloques de ethereum?

No. El CEO Leo Fan ha reiterado el objetivo de comprobar bloques de ethereum en menos de ocho segundos. Los avances en hardware especializado y las optimizaciones de Venus continúan apoyando ese objetivo, incluso mientras la capacidad principal de GPU sirve a la inferencia de IA. La comprobación en tiempo real sigue siendo una capacidad a más largo plazo que la red tiene la intención de ofrecer.

¿Qué tan grande es la red Cysic en términos de participantes y actividad histórica?

Desde el lanzamiento del mainnet el 24 de septiembre de 2025, la red ha procesado más de 13 millones de transacciones y generado más de 10 millones de pruebas de conocimiento cero. Actualmente cuenta con más de 118 000 provadores y 200 000 verificadores. Estas cifras reflejan tanto la escala alcanzada durante la fase centrada en ZK como la base desde la cual avanza la expansión de IA.

¿Por qué son relevantes las tarifas de Layer 2 para la estrategia de una red GPU?

Cuando las tarifas de Layer 2 aumentan en relación con las tarifas del mainnet de Ethereum, el margen económico disponible para la generación de pruebas externas se reduce. Los operadores se vuelven menos dispuestos a pagar a probadores de terceros, la demanda disminuye y la utilización de las GPU cae. Reasignar esas GPU a la inferencia de IA restaura la utilización y los ingresos bajo el nuevo entorno de tarifas.

¿Qué papel desempeña la Capa 1 de Prueba de Cómputo después del giro?

La capa 1 continúa coordinando la entrega de tareas, el enrutamiento, la verificación y el asentamiento para ambos trabajos ZK restantes y nuevos trabajos de inferencia de IA. Su compatibilidad con EVM y el consenso de trabajo útil permiten que las mismas vías de incentivo y pago respalden la carga de trabajo mixta sin requerir una cadena o mercado separado.

Descargo de responsabilidad: Esta información general del mercado, posiblemente proveniente de fuentes terceras, comerciales o patrocinadas, se proporciona únicamente con fines de referencia y educativos y no constituye asesoramiento financiero o de inversión, una oferta, solicitud o garantía. Renunciamos a toda responsabilidad por su precisión, completitud, confiabilidad y cualquier pérdida resultante. Las inversiones/opciones de trading son arriesgadas; el rendimiento pasado no garantiza resultados futuros. Los usuarios deben investigar, juzgar con prudencia y asumir toda la responsabilidad. Para más detalles, consulte las Condiciones de uso y Divulgación de riesgos de KuCoin.

Aviso: Esta página fue traducida utilizando tecnología de IA para tu conveniencia. Para obtener la información más precisa, consulta la versión original en inglés.