Los esfuerzos globales por ampliar la infraestructura de IA chocan con un escrutinio cada vez mayor del consumo de energía y agua, así como del capital necesario para construir grandes centros de datos. Los activistas sostienen que el impacto ambiental es demasiado alto, mientras que los participantes del mercado señalan el enorme costo de ampliar la capacidad de cómputo centralizada, como los aproximadamente 38.000 millones de dólares que, según los datos de Epoch AI, costaría construir un centro de datos de IA de un gigavatio.
En este contexto, una alternativa está ganando atención: redes que reutilizan teléfonos inteligentes de uso cotidiano como infraestructura distribuida de cómputo y conectividad. Según DataReportal, en octubre de 2026 había aproximadamente 7.680 millones de conexiones móviles en todo el mundo, lo que representa una enorme cantidad de dispositivos inactivos que, en teoría, podrían coordinarse para procesar cargas de trabajo de IA.
Conclusiones clave
Los diseños de redes descentralizadas de IA buscan reducir la dependencia de centros de datos que requieren mucha energía y capital mediante el uso de hardware de teléfonos inteligentes ampliamente distribuido.
Acurast informa que ha incorporado 335.000 teléfonos inteligentes, de los cuales unos 40.000 están activos en un día promedio en tareas que incluyen inferencia de IA y alojamiento de agentes.
Proyectos como Phase Proxy apuntan a resolver una brecha práctica de implementación: las plataformas web que bloquean o limitan el tráfico de los centros de datos, al enrutarlo a través de proxies residenciales o móviles.
La coordinación técnica es el principal cuello de botella: las redes telefónicas del mundo real varían en tiempo de actividad, conectividad, límites térmicos y especificaciones de los dispositivos.
La economía sigue siendo incierta, ya que los modelos de recompensas dependen en gran medida del tiempo de actividad, el staking o la participación, y de una demanda sostenida por parte de los clientes.
Los teléfonos inteligentes como capa de cómputo alternativa
Las redes descentralizadas de IA están posicionando los dispositivos móviles como una nueva capa de infraestructura: una que sustituye la capacidad centralizada de los centros de datos por un conjunto de teléfonos distribuidos por todo el mundo, con procesadores, memoria y acceso a internet integrados.
Acurast es uno de los ejemplos más destacados. Su cofundador, Alessandro De Carli, afirma que la empresa ha incorporado más de 335.000 teléfonos inteligentes y que, en promedio, unos 40.000 están plenamente activos cada día. Según explica, esos dispositivos activos aportan capacidad de cómputo a tareas como el rastreo web, las labores de ciberseguridad, la inferencia de IA y el alojamiento de agentes.
De Carli sostiene que los teléfonos pueden ser especialmente eficaces para ciertas categorías de trabajo. Destaca las funciones de seguridad del hardware, que, a su juicio, «sobresalen» en la computación confidencial y en la creación de entornos aislados para instalar y ejecutar archivos ejecutables. Los teléfonos inteligentes también pueden ser adecuados para cargas de trabajo «intensivas en CPU» y situaciones que requieren un acceso amplio y sin filtros a los puntos de conexión de internet, ámbitos en los que los servidores centralizados pueden verse limitados por restricciones de tasa o mecanismos de detección.
Se reconocen las limitaciones de memoria, pero De Carli sostiene que muchas tareas aún pueden realizarse dentro de la RAM disponible en los dispositivos. También afirma que la capacidad de cómputo agregada de los teléfonos activos puede alcanzar el equivalente a la de unos 2.340 servidores de centros de datos de alta gama, tomando como referencia un servidor ASUS RS720A-E11 diseñado para IA y computación de alto rendimiento.
Aunque estas comparaciones resultan convincentes como argumento de ingeniería, los inversionistas y operadores deberían considerarlas según la aplicación. La verdadera medida será si los teléfonos distribuidos pueden ofrecer un rendimiento y una fiabilidad constantes con cargas de trabajo de producción, sobre todo cuando la red debe funcionar como un servicio predecible y no como un prototipo de investigación.
Phase Proxy y el problema del tráfico de los centros de datos a través de proxies
No todas las redes basadas en teléfonos inteligentes intentan ejecutar de inmediato modelos completos de IA en los dispositivos. Algunas comienzan por resolver otro cuello de botella: el acceso y la conectividad en la internet pública.
En octubre, Phase lanzó Phase Proxy, un modelo centrado en utilizar las conexiones móviles y residenciales de los usuarios como proxies para agentes de IA. Su fundador, Kirill Eves, explica que los sitios web suelen bloquear o limitar el tráfico automatizado procedente de centros de datos. Al enrutar las solicitudes a través de redes móviles o residenciales, Phase busca reducir esos obstáculos para las tareas realizadas por agentes.
Eves describe un plan de precios para el servicio de proxy: 0,5 USDT por cada 1.000 solicitudes y 1 GB de tráfico. El siguiente componente, Phase Router, pretende dirigir las solicitudes más sencillas a modelos que se ejecutan en los teléfonos de la red y enviar las tareas más complejas a grandes proveedores externos, como OpenAI y Anthropic. Según explica, las decisiones de enrutamiento dependen de la complejidad de la tarea, la capacidad del modelo, el rendimiento y el costo.
Phase también anticipa una futura expansión más allá de los teléfonos, hacia computadoras de escritorio, servidores y GPU. Esto es importante para los usuarios porque apunta a una arquitectura híbrida: los dispositivos móviles podrían cubrir necesidades específicas —como el acceso mediante proxy o la distribución localizada—, mientras que otros conjuntos de hardware se encargarían de las tareas de inferencia más exigentes y de las necesidades de escalabilidad.
Fiabilidad y coordinación: el obstáculo práctico
Convertir dispositivos inactivos en un recurso de cómputo fiable es mucho más difícil que demostrar que un dispositivo puede ejecutar una carga de trabajo de forma aislada. Coordinar una gran cantidad de teléfonos inteligentes heterogéneos —cada uno sujeto al agotamiento de la batería, el sobrecalentamiento, las fluctuaciones de la red y las distintas especificaciones de hardware— plantea un problema de fiabilidad que la infraestructura centralizada suele evitar.
Un estudio de 2025 publicado en Sensors probó pequeños grupos de teléfonos inteligentes que ejecutaban tareas de reconocimiento de imágenes y determinó que los teléfonos agrupados podían ofrecer un rendimiento competitivo en condiciones controladas. Sin embargo, los resultados se obtuvieron en entornos donde los dispositivos estaban gestionados y no dispersos por todo el mundo, una diferencia importante al extrapolar los hallazgos a una red activa.
Una investigación realizada en el marco de una iniciativa respaldada por Google en la Universidad de California en San Diego aporta pruebas adicionales. El estudio informó que un conjunto de 20 teléfonos inteligentes retirados podía manejar la carga máxima de trabajo de una clase de más de 75 estudiantes, con tiempos de calificación inferiores a los de la configuración estándar en la nube de la universidad. Una vez más, el experimento se llevó a cabo con dispositivos organizados en un entorno controlado, no conectados en condiciones impredecibles del mundo real.
En entornos de producción, las redes deben lidiar con teléfonos que se desconectan, cambios en la conectividad, baterías que se agotan y capacidades de cómputo y memoria dispares. En sistemas de blockchain como Ethereum —mencionado en el artículo original—, el rendimiento también puede verse limitado por la latencia de las comunicaciones y las restricciones de procesamiento de los nodos con las especificaciones más bajas. En las redes de teléfonos inteligentes, el desafío de la programación se intensifica: distribuir subtareas entre dispositivos independientes puede fallar si incluso una pequeña proporción de ellos se retrasa, se desconecta o deja de estar disponible.
Quién paga y cómo se escalan las recompensas
Aunque sea posible resolver mediante ingeniería los problemas de coordinación y fiabilidad, las redes basadas en teléfonos inteligentes también deben tener sentido económico tanto para los clientes como para los operadores de dispositivos.
De Carli afirma que Acurast no depende de una única recompensa fija. En cambio, las recompensas varían según factores como el tiempo de actividad del dispositivo, las especificaciones del hardware (rendimiento en pruebas de referencia), el total de ACU en staking y la demanda activa de capacidad de cómputo por parte de los desarrolladores. Describe el sistema como uno que compite por un fondo de recompensas financiado mediante inflación, en vez de cobrar a los desarrolladores de una manera que se traduzca directamente en pagos a cada operador.
La estructura de recompensas de Phase se plantea de otra manera. Eves afirma que Phase destinará parte de los ingresos de su servicio a comprar PHASE en el mercado abierto y luego distribuirá tokens entre los operadores de nodos según sus contribuciones.
Ambos enfoques apuntan a la misma realidad práctica: ejecutar cargas de trabajo de IA en un teléfono ya no es el único desafío. La dificultad mayor consiste en crear incentivos y mecanismos operativos que mantengan decenas de miles de dispositivos participando de manera fiable, y al mismo tiempo garantizar que la demanda de los clientes sea lo bastante sólida para sostener los pagos y el uso de la red.
A medida que estos proyectos evolucionan, la señal más útil para el mercado quizá no sean las métricas de tokens ni el número de nodos, sino si las redes prestan de manera constante servicios que los usuarios estén dispuestos a pagar para mantener, con niveles de rendimiento lo bastante estables como para sustituir o complementar la infraestructura centralizada.
Por ahora, los inversionistas y constructores deberían observar cómo estas redes responden a tres preguntas en el mundo real: tiempo de actividad sostenido en condiciones impredecibles, rentabilidad en comparación con los proveedores convencionales y modelos de recompensas capaces de perdurar más allá de la adopción inicial sin perjudicar la fiabilidad.
Este artículo se publicó originalmente como «¿Pueden las redes telefónicas descentralizadas impulsar la próxima ola de IA?» en Crypto Breaking News, tu fuente confiable de noticias sobre criptomonedas, Bitcoin y actualizaciones de blockchain.