Huang Renxiong es Satoshi Nakamoto

El token que antes solo podías ver porque creías en él, ahora puedes verlo sin necesidad de creer. Es el siguiente después de Watt, Ampere y Bit.

En enero de 2009, un anónimo inventó algo llamado “token”: tú aportas poder de cálculo, obtienes tokens, que circulan, se valoran y se negocian en una red de consenso. Así nació toda la economía criptográfica. Han pasado más de diez años y todavía se debate si estos tokens tienen valor o no.

En marzo de 2025, un hombre vestido con cuero redefine otra cosa llamada token. Tú aportas poder de cálculo, produces tokens, que en un proceso de inferencia y razonamiento en IA se consumen inmediatamente: pensar, razonar, escribir código, tomar decisiones. La economía de IA se acelera así. Nadie discute si estos tokens tienen valor, porque esta mañana acabaste de gastar millones de ellos.

Dos tipos de tokens, con el mismo nombre, la misma estructura base: se invierte poder de cálculo y sale algo valioso.

En marzo de 2026, sentado en la sala de NVIDIA GTC, escuché una charla de Jensen Huang casi sin promoción comercial. Sí, anunció Vera Rubin, un producto que combina CPU y GPU. Pero esta vez no habló de parámetros de chips ni de procesos de fabricación, sino de una economía completa sobre la producción, valoración y consumo de tokens—

Qué modelo corresponde a qué velocidad de token; qué velocidad de token corresponde a qué rango de precios; qué hardware se necesita para sostener cada rango.

Incluso preparó un esquema de distribución de capacidad de centros de datos para CEOs y decisores con chequera en mano: 25% para la capa gratuita, 25% para la media, 25% para la alta gama y 25% para la capa premium.

Sí, esta vez no vendió una GPU concreta, como con Blackwell hace dos años. Pero esta vez, vendía algo mucho más grande. Tras dos horas, creo que la frase que más quería decir era: “Bienvenido a consumir tokens, y solo la fábrica de Nvidia puede producirlo”.

En ese momento comprendí que este hombre, y aquel anónimo que hace 17 años extrajo el primer token, estaban haciendo exactamente lo mismo en estructura.

La misma regla de transformación

El anónimo que se hizo llamar “Satoshi Nakamoto” escribió en 2008 un documento de nueve páginas, diseñando un conjunto de reglas: aportar poder de cálculo, completar una prueba matemática (Proof of Work), y recibir como recompensa un crypto token.

Lo ingenioso de esta regla es que no requiere que nadie confíe en nadie. Solo necesitas aceptar esas reglas y automáticamente te conviertes en participante de esa economía. La regla es correcta, porque reúne a muchas personas que de otra forma se engañarían y traicionarían.

Y en la GTC 2026, Huang hizo algo exactamente igual en estructura.

Mostró un gráfico que refleja la relación y tensión entre eficiencia de razonamiento y consumo de tokens: en el eje Y, el rendimiento (cuántos tokens produce por megavatio de consumo); en el eje X, la interactividad (la percepción de velocidad de tokens por usuario). Debajo del eje X, marcó cinco niveles de precio: Free con Qwen 3, $0 por millón de tokens; Medium con Kimi K2.5, $3 por millón; High con GPT MoE, $6 por millón; Premium con GPT MoE de 400K de contexto, $45 por millón; y Ultra, $150 por millón.

Este gráfico casi puede ser la portada del white paper de la “economía de tokens” de Huang.

Satoshi Nakamoto definió qué es un cálculo valioso: encontrar una colisión SHA-256. Huang define qué es una inferencia valiosa: producir tokens en un escenario específico, a una velocidad concreta, bajo restricciones de consumo energético.

Ni Satoshi ni Huang producen tokens directamente; ambos definen las reglas de producción y las políticas de precios de los tokens.

Y una frase que Huang dijo en el escenario casi puede resumir el white paper de la economía de tokens:

“Los tokens son la nueva mercancía, y como todas las mercancías, una vez alcanzan un punto de inflexión, una vez maduran, se segmentan en diferentes partes.”

El token es una nueva materia prima. Cuando madura, naturalmente se estratifica. No está describiendo la situación actual, sino anticipando una estructura de mercado, y coloca su línea de productos hardware en cada capa de esa estructura con precisión.

El proceso de producción de estos dos tipos de tokens tiene incluso una simetría semántica: minería se llama mining, inferencia se llama inference.

La esencia de minería y razonamiento es la misma: convertir electricidad en dinero. Los mineros usan electricidad para extraer crypto tokens y venderlos; los modelos de inferencia y agentes de IA consumen electricidad para generar tokens de IA, que venden a desarrolladores por millones. La diferencia está en el proceso intermedio, pero en ambos extremos es igual: en un lado, un medidor de electricidad; en el otro, ingresos.

Las dos formas de escasez

La decisión más importante que tomó Satoshi Nakamoto no fue Proof of Work, sino el límite de 21 millones de bitcoins. Con código, creó una escasez artificial: sin importar cuántas máquinas de minería entren en acción, la cantidad total de bitcoins nunca superará los 21 millones. Esa escasez es el ancla del valor de toda la economía criptográfica.

Por otro lado, Huang crea escasez natural mediante leyes físicas. Él dice—

“Todavía tienes que construir un centro de datos de un gigavatio. Todavía tienes que construir una fábrica de un gigavatio, y esa fábrica de un gigavatio, amortizada en 15 años… cuesta unos 40 mil millones de dólares incluso sin poner nada en ella. Es 40 mil millones. Mejor asegúrate de poner el mejor sistema informático en esa cosa, para que puedas tener el mejor coste por token.”

Un centro de datos de 1 GW nunca se convertirá en uno de 2 GW. No es una limitación de código, sino una ley física.

Tierra, electricidad, disipación de calor: cada una tiene un límite físico. La fábrica que construyes por 400 millones de dólares, con una vida útil de 15 años, solo puede producir tokens en función de qué arquitectura de cálculo pongas allí.

La escasez de Satoshi puede ser forked. Si no te gusta el límite de 21 millones, puedes crear una nueva cadena, cambiarlo a 200 millones, llamarla Ethereum o lo que sea, y publicar un white paper. Y eso ya lo hicieron, sin parar.

Pero la escasez creada por Huang no puede ser forked. No puedes copiar la segunda ley de la termodinámica, ni la capacidad de la red eléctrica de una ciudad, ni la superficie física de un terreno.

Pero tanto Satoshi como Huang crean escasez, y ambas conducen al mismo resultado: una carrera armamentística en hardware.

La historia de la minería es: CPU → GPU → FPGA → ASIC. Cada generación de hardware especializado hace obsoleta a la anterior. La historia del entrenamiento y razonamiento en IA se repite: Hopper → Blackwell → Vera Rubin → Groq LPU. Hardware generalista al principio, hardware especializado al final. La LPU de Groq, presentada en GTC tras su adquisición, es un procesador de flujo de datos determinista. Compilación estática, planificación del compilador, sin planificación dinámica, 500MB de SRAM en chip: en su arquitectura, es un ASIC para inferencia. Hace solo una cosa, pero la hace a la perfección.

Curiosamente, las GPU han jugado un papel clave en ambas olas.

Antes de 2013, los mineros descubrieron que las GPU eran más aptas que las CPU para extraer tokens, y las tarjetas gráficas de Nvidia se agotaron. Diez años después, investigadores descubrieron que las GPU eran las mejores para entrenar y hacer inferencia en modelos de IA, y las tarjetas de centros de datos de Nvidia se agotaron otra vez. La GPU, como categoría de procesador, sirvió a dos generaciones de economía de tokens.

La diferencia es que la primera vez Nvidia solo se benefició pasivamente, y no pasó mucho más. La segunda vez, cuando la principal batalla por la capacidad de cálculo en IA cambió de preentrenamiento a inferencia, Nvidia rápidamente tomó la iniciativa, diseñando toda la estrategia y convirtiéndose en la que marca las reglas del juego en IA.

La herramienta más rentable del mundo

En la fiebre del oro, lo más rentable no son los buscadores, sino los que venden palas: Levi Strauss. En la fiebre minera, no son los mineros, sino Bitmain y Wu Jihan, los que venden máquinas de minería. En la era de preentrenamiento e inferencia en IA, no son los modelos base ni los agentes, sino Nvidia, que vende GPU.

Pero la posición de Bitmain y Nvidia en sus respectivas industrias ya no es comparable.

Bitmain solo vende hardware de minería, y Nvidia alguna vez fue proveedor de Bitmain. Cuando compras una máquina de minería, qué moneda minas, en qué pool, a qué precio vendes, no tiene que ver con Bitmain. Es un proveedor de hardware puro, que gana en la venta única del equipo.

Nvidia, en cambio, no solo vende hardware. Desde 2025, con la explosión de la IA en inferencia, ha definido en profundidad qué GPU usar para minar qué, cómo valorar tokens, a quién vender tokens, cómo distribuir la capacidad en centros de datos… Todo esto está en las diapositivas de Huang: divide el mercado en cinco niveles, cada uno con modelos, longitudes de contexto, velocidades de interacción y precios específicos… Nvidia ha estandarizado y estructurado el mercado futuro, donde la IA en inferencia impulsará todo.

Alrededor de 2018, la capacidad de cálculo global se concentraba en unos pocos grandes pools: F2Pool, Antpool, BTC.com. Competían por cuota de poder, pero la fuente de hardware era muy concentrada en Bitmain.

Hoy, Nvidia obtiene el 60% de sus ingresos de “hyperscalers” que compiten entre sí, como AWS, Azure, GCP, Oracle, CoreWeave, y el 40% restante de nativos de IA, proyectos soberanos y clientes empresariales. Los grandes “mineros” aportan la mayor parte de los ingresos, los “pequeños mineros” aportan resiliencia y diversidad.

La estructura de ambos ecosistemas es exactamente igual. Pero luego, Bitmain enfrentó competencia: fabricantes como Shima, Coretech, Canaan, que están ganando cuota. Los ASIC de minería son diseños relativamente simples, y los competidores tienen oportunidad de avanzar. Pero desafiar a Nvidia parece cada vez más difícil: 20 años de ecosistema CUDA, cientos de millones de GPUs instaladas, tecnología NVLink de sexta generación, la arquitectura de inferencia desacoplada de Groq tras su adquisición, con compilación estática, planificación del compilador, sin planificación dinámica, 500MB de SRAM en chip… La complejidad tecnológica y las barreras ecológicas de Nvidia hacen que la mayoría de las herramientas de competencia sean ineficaces.

Esto puede durar 20 años.

La bifurcación fundamental entre los dos tipos de tokens

Lo que hace que las criptomonedas y los tokens de IA para entrenamiento y inferencia sean esencialmente diferentes son las motivaciones y la psicología de sus usuarios.

La demanda de crypto tokens es especulativa. Nadie “necesita” Bitcoin para hacer un trabajo. Todos los white papers que afirman que los tokens blockchain pueden resolver problemas están escritos por estafadores. Tú posees crypto porque crees que en el futuro alguien te lo comprará a un precio más alto. El valor de Bitcoin proviene de una profecía autocumplida: si suficientes personas creen que tiene valor, entonces lo tiene. Es una economía de fe.

En cambio, la demanda de tokens de IA es productividad. Nestlé necesita tokens para decisiones en la cadena de suministro—sus datos de suministro, que antes se actualizaban cada 15 minutos, ahora se actualizan cada 3 minutos, reduciendo costos en un 83%. Ese valor se puede reflejar directamente en beneficios y pérdidas. Todos los ingenieros de Nvidia ya necesitan tokens para programar en lugar de hacerlo a mano; los equipos de investigación usan tokens para avanzar en ciencia. No necesitas creer en el valor del token, solo usarlo, y su valor se valida en el acto de uso.

Esa es la diferencia más profunda entre ambos tipos de tokens. Los crypto tokens se producen para ser poseídos y negociados—su valor está en no usarlos. Los tokens de IA se producen para ser consumidos inmediatamente—su valor está en usarlos en ese momento.

Uno es oro digital, cuanto más acumulas, más vale; el otro es electricidad digital, que se quema al producirse.

Esta diferencia determina que la economía de tokens de IA no se bubbleará como la de crypto. Bitcoin sube y baja mucho porque su precio, como activo especulativo, está impulsado por emociones. Pero el precio de los tokens se basa en su uso y en los costos de producción. Mientras la IA siga siendo útil—mientras la gente siga usando Claude Code para programar, ChatGPT para redactar, agentes para gestionar negocios—la demanda de tokens no colapsará. No se basa en fe, sino en dependencia.

En 2008, el white paper de Bitcoin explicaba por qué un sistema de dinero electrónico descentralizado tiene valor. Han pasado 17 años y todavía se discute.

En 2026, la economía de tokens no genera debates, incluso se ha convertido en un consenso sin necesidad de argumentación. Cuando Huang en GTC dijo “los tokens son la nueva mercancía”, nadie dudó. Porque cada persona en la sala esa mañana ya usó en promedio millones de tokens con Claude Code o ChatGPT. No necesitan convencerles de que los tokens tienen valor—sus propias facturas de tarjeta de crédito ya lo prueban.

Desde esa perspectiva, Huang es realmente un clon de Satoshi Nakamoto: aquel que dejó monopolizado el hardware de minería, definió los escenarios y normas de uso de los tokens, y cada año organiza un show en el SAP Center de San José para mostrar la potencia de la próxima generación de “mineros” para entrenamiento e inferencia en IA.

Satoshi Nakamoto tiene un encanto de cautela y deseo: diseña las reglas, las deja en código y desaparece. Es el romanticismo del cypherpunk. Huang, en cambio, se asemeja más a un empresario: diseña las reglas, las mantiene, las mejora continuamente, y construye su propio castillo.

El token que antes solo podías ver porque creías en él, ahora puedes verlo sin necesidad de creer. Es el siguiente después de Watt, Ampere y Bit.