¡Felices fiestas del Día Nacional! @Acurast × @EchoHunt_ai La segunda semana de la campaña ya ha comenzado.
En estos días de vacaciones por el Festival del Medio Otoño y el Día Nacional, ¿a todos les ha dado pereza?
He revisado los datos actuales de la clasificación: solo hay 106 cuentas participantes. Hay recompensas para los 150 primeros, así que basta con participar para aparecer en la tabla. ¿De verdad no vais a participar por $ACU valorados en más de 26.000 U?
Además de ganar recompensas solo con publicaciones, poned también a minar los móviles que tengáis sin usar en casa
Enlace para participar:
hub.acurast.com/rebellion?ref=…
Código de invitación: ohvv5f
Tutorial detallado: consulta el tuit citado o los tutoriales de otros KOL de Twitter
════════════════
La tendencia hacia una IA más ligera ya está clara, y la ligereza es precisamente una de las características distintivas de DePIN. Acurast utiliza la capacidad de cómputo de los teléfonos para ofrecer computación verificable y apuesta por la combinación de IA y DePIN: sin duda, una decisión muy acertada.
La demanda de computación se desplaza hacia el borde
En los últimos años, el entrenamiento de modelos grandes ha llevado la demanda de computación al límite de los centros de datos. Sin embargo, cada vez más aplicaciones reales no necesitan «clústeres más grandes».
La clasificación de spam, la moderación de contenido, las decisiones de enrutamiento, la gestión de riesgos en tiempo real y la inferencia en el borde requieren baja latencia, bajo coste y que los datos permanezcan dentro de su dominio, no añadir otra H100.
Por eso están ganando terreno los modelos pequeños, los modelos cuantizados y los modelos de toma de decisiones al estilo System 1. La capacidad de cómputo no tiene por qué concentrarse en unos pocos centros de datos: también puede distribuirse cerca de donde se generan los datos.
════════════════
Los teléfonos son una fuente de capacidad DePIN ya disponible
La lógica de DePIN sigue el mismo principio. En lugar de construir nueva infraestructura, organiza dispositivos que ya existen, ya están conectados a la corriente y ya están distribuidos por todo el mundo.
Los teléfonos son precisamente el recurso más abundante de este tipo, y cuyas capacidades de seguridad de hardware están más infravaloradas. Se envían miles de millones cada año, su ciclo de renovación es inferior a tres años y muchos teléfonos antiguos acaban olvidados en cajones, aunque sus CPU y enclaves seguros siguen funcionando.
Acurast convierte estos dispositivos en nodos de computación sin servidor, en lugar de coordinar GPU en centros de datos.
════════════════
Cómo funciona la computación verificable
A nivel de protocolo, los desarrolladores envían un Deployment que especifica el código, la programación y el destino de los resultados; el Matcher on-chain asigna un Processor según los recursos y la reputación.
La ejecución tiene lugar en un entorno de ejecución confiable (TEE) compatible con el hardware del teléfono. El TEE puede demostrar que el código no ha sido manipulado y que se ejecuta en hardware auténtico certificado por el fabricante, al tiempo que impide que el propietario del dispositivo inspeccione directamente las entradas y los estados intermedios.
Los proveedores de computación pueden participar con solo instalar la aplicación Processor. En el uso diario, los teléfonos utilizan el modo Lite y aportan capacidad de cómputo únicamente mientras están inactivos y cargándose; los teléfonos antiguos sin uso pueden bloquearse en modo Core para dedicarlos exclusivamente a esta tarea.
Las recompensas se liquidan en ACU. A septiembre de 2026, la red cuenta con unos 320.000 teléfonos conectados en más de 175 países y regiones, ha realizado más de 670.000 despliegues y supera los 1.000 millones de transacciones on-chain. Además, es compatible con Android, iOS y Solana Mobile.
════════════════
La IA ligera ya funciona en los teléfonos
Este diseño es especialmente adecuado para la IA ligera. Hace poco, Acurast ejecutó en su red Laya, un modelo de toma de decisiones de código abierto.
Laya no genera textos largos, sino que procesa juicios estructurados: clasificación, moderación, enrutamiento, seguridad de prompts, etc.
En experimentos anteriores, algunos equipos también empaquetaron una pasarela de IA completa en un contenedor y la ejecutaron continuamente en el TEE de un teléfono. Para los clientes existentes, la forma de invocarla es casi igual que cambiar a un endpoint compatible.
La red también admite la inferencia de modelos compatibles con llama.cpp y colabora con socios como FLock en aprendizaje federado y LLM confidenciales, de modo que los datos sensibles no tienen que enviarse primero a un centro de datos centralizado.
════════════════
Quién se beneficia de la oportunidad
Para los desarrolladores, la inferencia en el borde y las tareas confidenciales no requieren alquilar primero una nube centralizada ni confiar en el operador del centro de datos. El pago puede hacerse en ACU o liquidarse directamente en USDC a través de Base.
Para quienes tienen teléfonos antiguos, el dispositivo pasa de ser un activo inactivo a convertirse en una fuente verificable de capacidad de cómputo. Además, poner esa capacidad en staking permite demostrar su fiabilidad y participar en el reparto de recompensas.
En los casos que requieren privacidad, el procesamiento local de datos, la asistencia basada en telemetría robótica y la automatización on-chain permiten acercar la computación a la fuente de datos y conservar, al mismo tiempo, la auditabilidad.
La distribución geográfica también es naturalmente más amplia: a los proveedores de la nube les cuesta enormes inversiones de capital crear una región, mientras que las redes de telefonía móvil siguen a la población y su coste de cobertura es casi nulo.
════════════════
Límites y ubicación
Por supuesto, los teléfonos no sustituirán a los clústeres de entrenamiento de modelos grandes. La capacidad de cómputo de un solo dispositivo, la alimentación continua y las fluctuaciones de la red son limitaciones reales.
Acurast tiene un posicionamiento muy claro: cubre ese segmento del mercado de computación que ya es suficientemente ligero, pero aún requiere confianza y escala. El entrenamiento sigue concentrándose en los grandes clústeres, mientras que la inferencia, la toma de decisiones y las tareas confidenciales pueden distribuirse en el borde.
Si los clústeres de varios dispositivos logran funcionar de forma estable, el límite podría ampliarse aún más. Pero, por ahora, las cargas de trabajo que se ejecutan de manera fiable siguen estando dentro de los límites de un solo dispositivo. Si DePIN se limita a replicar el modelo de los centros de datos, su diferenciación será escasa; si convierte el hardware seguro más extendido en una capa de computación verificable, la curva de oferta será distinta.
════════════════
El centro brilla, el borde respira
En última instancia, el futuro quizá no consista en que cada persona lleve un superordenador en el bolsillo, sino en que innumerables bolsillos formen juntos un superordenador invisible.
El centro sigue brillando y el borde empieza a respirar. La capacidad de cómputo sigue a las personas, la confianza sigue al hardware y el valor sigue a las contribuciones: quizá esa sea la forma más sencilla y, a la vez, más difícil de replicar de DePIN.#DePIN+AI #DePIN #币安推出BinanceIntelligence