8 Principales tendencias de la industria cripto de a16z predichas para 2026: El auge de las blockchains de privacidad, transformación de plataformas de transacciones, etc.

Autor: a16z

Compilado por: Deep Tide TechFlow

a16z (Andreessen Horowitz) publicó recientemente su lista de "grandes ideas" que pueden surgir en el sector tecnológico en 2026. Estas ideas fueron propuestas por socios de sus equipos de Apps, American Dynamism, Biotecnología, Criptomoneda, Growth, Infrastructure y Speedrun.

A continuación se presentan algunas ideas clave seleccionadas y perspectivas de colaboradores especiales en el espacio de las criptomonedas, que cubren una amplia gama de temas desde agentes inteligentes e inteligencia artificial (IA), stablecoins, tokenización y finanzas, privacidad y seguridad hasta mercados de predicción y otras aplicaciones. Para obtener más información sobre las perspectivas tecnológicas para 2026, lea el artículo completo.

Construyendo el futuro

Las plataformas de trading son solo el comienzo, no el final.

Hoy en día, aparte de las stablecoins y alguna infraestructura central, casi todas las empresas de criptomonedas con buen desempeño se han transformado o están en proceso de transformarse en plataformas de trading. Sin embargo, ¿cuál será el resultado final si "cada empresa cripto se convierte en una plataforma de trading"? Una gran cantidad de competencia homogénea no solo distraerá a los usuarios, sino que también puede dejar solo unos pocos ganadores. Las empresas que cambian al trading demasiado pronto pueden perder la oportunidad de construir modelos de negocio más competitivos y sostenibles.

Comprendo completamente los desafíos que enfrentan los fundadores para mantener una posición financiera saludable, pero buscar únicamente un ajuste producto-mercado a corto plazo puede tener un costo. Esto es particularmente pronunciado en la industria cripto, donde las dinámicas únicas en torno a los tokens y la especulación a menudo llevan a los fundadores por un camino de "gratificación instantánea", muy parecido a una "prueba del malvavisco".

No hay nada malo con las transacciones en sí mismas: de hecho, son una función importante de las operaciones del mercado, pero no son necesariamente el objetivo final. Los fundadores que se centran en el producto en sí y buscan un ajuste producto-mercado con una perspectiva a largo plazo probablemente sean los mayores ganadores al final.

– Arianna Simpson, Socia General, Equipo Cripto de a16z

Nuevos pensamientos sobre Stablecoins, tokenización de RWA, pagos y finanzas

Pensar en la tokenización de Activos del Mundo Real (RWA) y Stablecoins de una manera más nativa de cripto

Hemos visto bancos, empresas fintech y firmas de gestión de activos mostrando gran interés en llevar acciones estadounidenses, materias primas, índices y otros activos tradicionales a la blockchain. Sin embargo, a medida que más y más activos tradicionales se llevan a la blockchain, su tokenización suele ser "física", es decir, basada en conceptos de activos del mundo real existentes, sin utilizar completamente las características nativas de las cripto.

En contraste, las formas de activos sintéticos como los futuros perpetuos (perps) ofrecen una liquidez más profunda y son más simples de implementar. Los perps también proporcionan un mecanismo de apalancamiento fácil de entender, lo que los convierte potencialmente en el derivado nativo más adecuado para el mercado cripto. Las acciones de mercados emergentes son quizás una de las clases de activos más interesantes para explorar la "perpificación". Por ejemplo, para algunas acciones, la liquidez de sus mercados de opciones de fecha de vencimiento cero (0DTE) es a menudo más profunda que el mercado al contado, lo que hace que la perpificación sea un experimento que vale la pena.

En última instancia, todo se reduce a la elección entre "persistencia" y "tokenización"; en cualquier caso, tenemos razones para esperar ver más tokenización de activos del mundo real nativos de cripto en el próximo año.

De manera similar, en 2026, el sector de las stablecoins verá más "innovación en emisión, no solo tokenización". Las stablecoins se volvieron mainstream en 2025 y su emisión continúa creciendo.

Sin embargo, las stablecoins que carecen de una infraestructura crediticia sólida son más como "bancos estrechos", que mantienen activos específicos y altamente líquidos que se consideran extremadamente seguros. Si bien los bancos estrechos son un producto efectivo, no creo que se conviertan en el pilar a largo plazo de la economía en cadena.

Hemos visto muchos gestores de activos emergentes, curadores y protocolos impulsando préstamos respaldados por activos en cadena garantizados por colateral fuera de la cadena. Por lo general, estos préstamos se generan fuera de la cadena y luego se tokenizan. Sin embargo, creo que este enfoque de tokenización ofrece ventajas limitadas, tal vez solo en distribuirlos a usuarios que ya están en cadena. Por lo tanto, los activos de deuda deben generarse directamente en cadena, en lugar de generarse fuera de la cadena y luego tokenizarse. Generar activos de deuda en cadena reduce los costos de servicio de préstamos, los costos de infraestructura back-end y mejora la accesibilidad. Los desafíos radican en el cumplimiento y la estandarización, pero los desarrolladores están trabajando para abordar estos problemas.

– Guy Wuollet, Socio General, Equipo Cripto de a16z

Las Stablecoins impulsan actualizaciones en los ledgers centrales de los bancos, abriendo escenarios de pago completamente nuevos.

Hoy en día, la mayoría de los bancos todavía ejecutan sistemas de software obsoletos que son difíciles de reconocer para los desarrolladores modernos: los bancos fueron adoptantes tempranos de sistemas de software a gran escala ya en las décadas de 1960 y 70. Para las décadas de 1980 y 90, comenzó a surgir el software bancario central de segunda generación (como GLOBUS de Temenos y Finacle de InfoSys). Sin embargo, este software se ha vuelto obsoleto y las actualizaciones han sido demasiado lentas. Como resultado, muchos de los ledgers centrales críticos de la industria bancaria, estas bases de datos clave que registran depósitos, colateral y otras obligaciones, todavía se ejecutan en computadoras mainframe utilizando el lenguaje de programación COBOL, dependiendo de interfaces de archivos por lotes en lugar de APIs modernas.

La mayoría de los activos globales todavía se almacenan en estos ledgers centrales de décadas de antigüedad. Si bien estos sistemas han sido probados en la práctica, confiables para los reguladores y profundamente integrados en escenarios bancarios complejos, también se han convertido en un obstáculo para la innovación. Por ejemplo, agregar características clave como pagos en tiempo real puede llevar meses o incluso años, e implica lidiar con una deuda tecnológica sustancial y requisitos regulatorios complejos.

Aquí es precisamente donde entran las stablecoins. Durante los últimos años, las stablecoins han encontrado un ajuste producto-mercado y han entrado con éxito en la arena financiera mainstream. Este año, las instituciones financieras tradicionales (TradFi) han adoptado las stablecoins a un nivel sin precedentes. Instrumentos financieros como stablecoins, depósitos tokenizados, bonos gubernamentales tokenizados y bonos en cadena permiten a los bancos, empresas fintech e instituciones financieras desarrollar nuevos productos y servir a más clientes. Más importante aún, estas innovaciones no obligan a las instituciones a reescribir sus sistemas heredados, aunque estos sistemas están envejeciendo, han estado funcionando de manera estable durante décadas. Las stablecoins así proporcionan a las instituciones una forma completamente nueva de innovar.

– Sam Broner

El futuro de los Agentes Inteligentes y la IA

Usar IA para realizar tareas de investigación sustantivas

Como economista matemático, a principios de este año, encontré increíblemente difícil lograr que los modelos de IA de grado consumidor entendieran mi flujo de trabajo; sin embargo, para noviembre, podía darles instrucciones abstractas como si fueran estudiantes de doctorado... y a veces devolvían respuestas completamente nuevas y correctamente ejecutadas. Además, estamos comenzando a ver que la IA se usa en una gama más amplia de áreas de investigación, especialmente en razonamiento, donde los modelos de IA ahora no solo asisten directamente en el descubrimiento sino que también resuelven de forma autónoma el problema de Putnam (quizás el examen de matemáticas de nivel universitario más difícil del mundo).

Lo que sigue sin estar claro es en qué áreas este enfoque de ayuda a la investigación será más útil y cómo. Sin embargo, anticipo que las capacidades de investigación de la IA fomentarán e inspirarán un nuevo estilo de investigación "polímata": uno que tiende a especular sobre las relaciones entre varias ideas y extrapolar rápidamente a partir de respuestas más hipotéticas. Estas respuestas pueden no ser completamente precisas, pero al menos dentro de ciertos marcos lógicos, pueden apuntar en la dirección correcta. Irónicamente, este enfoque es algo así como aprovechar el poder de la "ilusión" del modelo: cuando estos modelos se vuelven lo suficientemente "inteligentes", permitirles explorar libremente espacios abstractos puede producir algunas ideas sin sentido, pero a veces también puede conducir a descubrimientos revolucionarios, muy parecido a cómo los humanos son más creativos cuando se liberan del pensamiento lineal y salen de direcciones claras.

Pensar en los problemas de esta manera requiere un flujo de trabajo de IA completamente nuevo, no solo un modelo "proxy-a-proxy", sino un modelo más complejo de "proxy-envuelto-proxy", en el que diferentes capas de modelos ayudan a los investigadores a evaluar modelos en etapa temprana y extraer gradualmente información valiosa. He usado este método para escribir artículos, mientras que otros lo han usado para búsquedas de patentes, inventar nuevas formas de arte e incluso (desafortunadamente) descubrir nuevas formas de atacar smart contracts.

Sin embargo, para ejecutar este modelo de investigación de "agente de razonamiento envuelto", se necesita una mejor interoperabilidad entre modelos, y una forma de identificar y compensar razonablemente la contribución de cada modelo, y estos son los problemas que la tecnología de encriptación puede ayudar a resolver.

– Scott Kominers, miembro del equipo de investigación de criptografía de a16z, profesor en Harvard Business School

Impuestos ocultos impuestos en redes abiertas por agentes de IA

Con el auge de los agentes de IA, un tipo de "impuesto oculto" está oprimiendo el internet abierto y interrumpiendo fundamentalmente su base económica. Esta disrupción proviene de la creciente asimetría entre las capas contextuales y de ejecución de internet: actualmente, los agentes de IA extraen datos de sitios web de contenido respaldados por anuncios (la capa contextual) para proporcionar conveniencia a los usuarios, mientras sistemáticamente evitan los flujos de ingresos que respaldan la creación de contenido (como publicidad y suscripciones).

Para evitar una mayor disminución de la web abierta (y para proteger el contenido diverso que alimenta la IA), necesitamos implementar soluciones tecnológicas y económicas a gran escala. Esto podría incluir contenido patrocinado de próxima generación, sistemas de micro-atribución u otros modelos de financiamiento innovadores. Los acuerdos de licencia de IA existentes también han demostrado ser medidas provisionales miopes, que típicamente solo compensan a los proveedores de contenido por una pequeña fracción de los ingresos perdidos debido a la invasión del tráfico de IA.

Internet necesita un modelo tecno-económico completamente nuevo que permita que el valor fluya automáticamente. El cambio más crítico el próximo año será de un modelo de autorización estático a un modelo de compensación basado en el uso en tiempo real. Esto significa probar y escalar sistemas, potencialmente aprovechando nanopagos respaldados por blockchain y criterios de atribución sofisticados, para recompensar automáticamente a cada entidad que contribuya con información a la finalización exitosa de tareas por parte de los agentes de IA.

– Liz Harkavy, Equipo de Inversión Cripto de a16z

La privacidad es el foso

La privacidad se convertirá en el foso más importante en el espacio cripto.

La privacidad es una de las características clave que impulsan las finanzas globales a la blockchain. Sin embargo, también es un elemento crucial que falta en casi todas las blockchains hoy en día. Para la mayoría de las blockchains, la privacidad suele ser simplemente algo secundario, una ocurrencia tardía.

Sin embargo, la privacidad en sí misma es ahora un diferenciador clave para la tecnología blockchain. Más importante aún, la privacidad también puede crear un "bloqueo de cadena" o un efecto de red de privacidad. Esto es especialmente importante en una era en la que la competencia de rendimiento ya no es una ventaja suficiente.

Los protocolos de puente entre cadenas hacen que migrar entre diferentes cadenas sea increíblemente fácil, siempre que toda la información sea pública. Sin embargo, esta conveniencia desaparece una vez que se introduce la privacidad: transferir tokens entre cadenas es fácil, pero transferir privacidad entre cadenas es extremadamente difícil. Los usuarios enfrentan riesgos al entrar y salir de una cadena de privacidad, ya sea cambiando a una cadena pública u otra cadena de privacidad, porque aquellos que observan datos en cadena, mempools o tráfico de red podrían potencialmente deducir su identidad. Cruzar el límite entre una cadena de privacidad y una cadena pública, o incluso entre dos cadenas de privacidad, puede filtrar varios metadatos, como la correlación entre los tiempos de transacción y las cantidades, información que podría hacer que el seguimiento de los usuarios sea mucho más fácil.

En comparación con muchas nuevas cadenas homogéneas cuyas tarifas de transacción pueden reducirse a casi cero debido a la competencia, las blockchains con características de privacidad pueden generar efectos de red más fuertes. La realidad es que si una blockchain de "propósito general" no tiene un ecosistema maduro, aplicaciones asesinas o ventajas de distribución injustas, hay pocas razones para que los usuarios elijan usarla o construir sobre ella, y mucho menos desarrollar lealtad.

En blockchains públicas, los usuarios pueden realizar transacciones fácilmente con usuarios en otras cadenas; no importa a qué cadena se unan. Sin embargo, en blockchains privadas, la cadena que los usuarios eligen unirse se vuelve particularmente importante, porque una vez que se unen, es menos probable que migren a otras cadenas para evitar el riesgo de exposición de privacidad. Este fenómeno crea una dinámica de "el ganador se lo lleva todo". Y debido a que la privacidad es crucial para la mayoría de las aplicaciones del mundo real, algunas cadenas de privacidad pueden dominar en última instancia el espacio cripto.

– Ali Yahya, Socio General del Equipo Cripto de a16z

Otras industrias y aplicaciones

Los mercados de predicción se volverán más grandes, más amplios y más inteligentes.

Los mercados de predicción han entrado gradualmente en el mainstream, y en el próximo año, con su convergencia con la criptografía y la inteligencia artificial (IA), se volverán más grandes, más utilizados y más inteligentes, al mismo tiempo que traerán nuevos y significativos desafíos a los desarrolladores.

Primero, se listarán más contratos en los mercados de predicción. Esto significa que no solo tendremos acceso a cuotas en tiempo real sobre elecciones importantes o eventos geopolíticos, sino también predicciones para una amplia gama de resultados matizados y eventos cruzados complejos. A medida que estos nuevos contratos descubran más información y se integren gradualmente en el ecosistema de noticias (una tendencia que ya ha comenzado), plantearán importantes preguntas sociales, como cómo equilibrar el valor de la información y cómo diseñar mejor estos mercados para hacerlos más transparentes y auditables, preguntas que pueden abordarse a través de la criptografía.

Para abordar el aumento de nuevos contratos, necesitamos nuevas formas de llegar a un consenso sobre eventos del mundo real para resolver estos contratos. Si bien las soluciones de plataforma centralizadas (como confirmar si un evento realmente ocurrió) son importantes, sus limitaciones han quedado expuestas en casos controvertidos como el mercado de demandas de Zelensky y el mercado electoral venezolano. Para abordar estos casos marginales y ayudar a expandir los mercados de predicción a aplicaciones más prácticas, los mecanismos de gobernanza descentralizados novedosos y los oráculos de Modelos de Lenguaje Grande (LLM) pueden ayudar a determinar la verdad detrás de los resultados disputados.

El potencial de la IA se extiende más allá de los oráculos impulsados por LLM. Por ejemplo, los agentes de IA activos en estas plataformas pueden recopilar señales globalmente para obtener ventajas de trading a corto plazo. Esto no solo nos ayuda a ver el mundo desde perspectivas completamente nuevas, sino que también permite predicciones más precisas de tendencias futuras. (Proyectos como Prophet Arena ya han alimentado el entusiasmo del campo). Más allá de proporcionar perspectivas como analistas políticos sofisticados, estos agentes de IA también pueden revelar factores predictivos fundamentales para eventos sociales complejos a medida que examinamos sus estrategias emergentes.

¿Los mercados de predicción reemplazarán las encuestas de opinión? No. Por el contrario, mejorarán las encuestas de opinión (y la información de las encuestas de opinión también puede alimentarse en los mercados de predicción). Como profesor de economía política, estoy más entusiasmado con el potencial de que los mercados de predicción trabajen en conjunto con el ecosistema diverso de encuestas de opinión, pero necesitaremos depender de nuevas tecnologías, como la IA, que puede mejorar la experiencia de la encuesta, y la encriptación, que puede proporcionar formas completamente nuevas de verificar que los participantes de encuestas y cuestionarios son humanos y no robots.

– Andy Hall, Asesor de Investigación Cripto en a16z, Profesor de Economía Política en la Universidad de Stanford

La tecnología de encriptación se expandirá a aplicaciones completamente nuevas más allá de la blockchain.

Durante años, los SNARKs (pruebas no interactivas concisas de conocimiento cero, un tipo de prueba criptográfica que verifica la corrección de una prueba sin volver a realizar el cálculo) se han utilizado principalmente en el campo de la blockchain. Esto se debe a que su sobrecarga computacional es prohibitivamente grande: probar un cálculo puede ser un millón de veces más laborioso que ejecutar directamente ese cálculo. En escenarios donde esta sobrecarga necesita distribuirse entre decenas de miles de validadores, vale la pena, pero en otros escenarios es impracticable.

Esta situación está a punto de cambiar. Para 2026, la sobrecarga computacional de los probadores de zkVM (máquina virtual de conocimiento cero) se reducirá a aproximadamente 10,000 veces, mientras que su huella de memoria será solo de unos pocos cientos de megabytes, lo suficientemente rápido para ejecutarse en teléfonos móviles y lo suficientemente barato para una aplicación generalizada en varios escenarios. Una razón por la que este "10,000 veces" podría ser un punto de inflexión crítico es que el rendimiento paralelo de las GPUs de alta gama es aproximadamente 10,000 veces mayor que el de las CPUs de laptops. Para fines de 2026, una sola GPU podrá generar pruebas computacionales que de otro modo requerirían ejecución de CPU en tiempo real.

Esto desbloqueará algunas de las visiones propuestas en artículos de investigación anteriores: computación en la nube verificable. Si ya está ejecutando cargas de trabajo de CPU en la nube (porque sus tareas computacionales son insuficientes para la aceleración de GPU, o carece de la experiencia relevante, o por razones históricas), podrá obtener pruebas criptográficas de corrección computacional a un costo razonable. Además, el probador ya está optimizado para GPUs, sin requerir ajustes adicionales a su código.

– Justin Thaler, miembro del equipo de investigación de criptografía de a16z, Profesor Asociado de Ciencias de la Computación en la Universidad de Georgetown

— Equipo Editorial de Encriptación de a16z