Por Canuto  

La expansión de la inteligencia artificial está encareciendo el acceso a las GPU que también utilizan los sistemas de pruebas de conocimiento cero. El CEO de Cysic, Leo Fan, sostiene que el problema no es únicamente la escasez de chips, sino el uso ineficiente del hardware, y apuesta por FPGAs, ASIC especializados y mercados abiertos de provers.
***

  • Cysic atribuye buena parte del costo actual de las pruebas ZK a la coordinación ineficiente entre CPU y GPU, no solo a la falta de potencia bruta.
  • Las pruebas de Ethereum en tiempo real y los ZK-rollups podrían sentir antes el aumento de los precios y la disponibilidad limitada de GPU.
  • La empresa desarrolla backends para GPU, FPGA y ASIC, mientras plantea un mercado global de provers con distintos tipos de hardware.

La infraestructura utilizada para generar pruebas de conocimiento cero enfrenta una presión cada vez mayor por la expansión de la inteligencia artificial. Leo Fan, fundador y CEO de Cysic, dijo a crypto.news que los sistemas ZK compiten con centros de datos de IA por las mismas GPU de Nvidia, aunque ambas cargas de trabajo aprovechan esos aceleradores de maneras diferentes. La consecuencia es una disputa por capacidad que puede elevar el costo de probar transacciones, bloques y ejecuciones verificables.

Fan sostuvo que el desafío no consiste únicamente en conseguir más potencia de cómputo, sino en utilizar mejor el hardware disponible. Según su explicación, el software de las máquinas virtuales de conocimiento cero no siempre encaja con la arquitectura de las GPU, por lo que una parte de la capacidad permanece ociosa mientras aumentan las horas de alquiler y el gasto asociado con cada prueba. Esta ineficiencia se vuelve más relevante cuando los operadores deben competir con presupuestos de centros de datos de escala multibillonaria.

La eficiencia se convierte en el nuevo campo de batalla

Cysic afirma que su motor de pruebas Venus redujo en más de 9% el tiempo de extremo a extremo frente a ZisK 0.16.1, sin sustituir el hardware utilizado. La mejora se concentró en disminuir el tiempo de coordinación entre la CPU y la GPU, un componente que puede quedar oculto cuando las comparaciones se enfocan únicamente en la velocidad máxima de los chips. El resultado, de acuerdo con la empresa, muestra que los aceleradores existentes todavía no se aprovechan por completo.

Venus fue construido como una extensión centrada en hardware del zkVM ZisK de Polygon Hermez y representa la generación de pruebas como un grafo de cómputo con un único componente conectado. Cysic sostiene que este diseño permite programar el flujo completo en lugar de tratar cada función del hardware como una llamada independiente. La integración con CUDA Graph, el ajuste de núcleos y los cambios en memoria compartida buscan reducir transferencias repetidas de datos y sincronizaciones innecesarias.

La compañía también ha señalado que ZisK puede generar una prueba de un bloque de Ethereum en 7,4 segundos usando 24 GPU, mientras que una configuración con una sola RTX 4090 permitiría presentar pruebas en tiempo real. Sin embargo, esos resultados provienen de Cysic y no han sido evaluados de forma independiente bajo un punto de referencia común que mida simultáneamente consumo energético, tamaño de la prueba, nivel de seguridad y costo total del equipo. Esa falta de uniformidad limita las comparaciones directas entre proveedores.

Succinct informó en noviembre de 2025 que SP1 Hypercube probó 99,7% de una muestra de 954 bloques de Ethereum en menos de 12 segundos utilizando 16 GPU Nvidia RTX 5090. El 95,4% de la muestra quedó por debajo de 10 segundos, umbral que la Fundación Ethereum utiliza como referencia para la generación de pruebas en tiempo real cuando se cubre al menos 99% de los bloques de la red principal. La evaluación también contempla pruebas de menos de 300 KiB, seguridad mínima de 128 bits, hardware inferior a USD $100.000 y un límite energético de 20 kilovatios.

La IA disputa el mismo silicio

El entrenamiento y la inferencia de modelos de IA dependen principalmente de operaciones matriciales, mientras que las pruebas ZK utilizan en gran medida multiplicaciones en espacios escalares múltiples y transformaciones teóricas de números. Las GPU pueden procesar estas operaciones, pero no fueron diseñadas específicamente para todas las etapas de la generación de pruebas. Para Fan, esa diferencia fortalece el argumento a favor de aceleradores construidos expresamente para las cargas criptográficas.

A pesar de sus diferencias técnicas, ambos sectores dependen de una cadena de suministro dominada por aceleradores de Nvidia, desde tarjetas RTX de consumo hasta sistemas de centro de datos H100. Cuando la demanda de IA aumenta el precio o reduce la disponibilidad de esos equipos, los operadores ZK enfrentan una presión inmediata sobre sus costos, porque las horas de GPU representan una parte importante de la factura de cómputo. El problema puede trasladarse a las tarifas de redes que dependen de pruebas frecuentes.

La escala de la demanda de IA aparece reflejada en los resultados financieros de Nvidia. La compañía reportó USD $75.200 millones en ingresos de centros de datos durante el período cerrado el 26 de abril, un aumento interanual de 92%, mientras que los ingresos por cómputo de centros de datos alcanzaron USD $60.400 millones, con un crecimiento anual de 77%.

Amazon Web Services acordó por separado comprar un millón de GPU de Nvidia, con entregas previstas hasta 2027, según un reporte de Reuters citado en la información. Jensen Huang, CEO de Nvidia, estimó una oportunidad de ventas de USD $1 billón para las familias de productos Blackwell y Rubin entre ese año, mientras una emisión de bonos planificada buscaba captar al menos USD $20.000 millones para financiar inversiones en IA y refinanciar deuda.

La competencia también alcanza a empresas vinculadas con la minería de Bitcoin, que han anunciado contratos de servicios de IA y computación de alto rendimiento por más de USD $70.000 millones. Un estudio de Bernstein citado en mayo elevó el valor de las asociaciones de infraestructura de IA a casi USD $90.000 millones y estimó que los mineros controlaban más de 27 gigavatios de capacidad eléctrica planificada, frente a unos 3,7 gigavatios relacionados con acuerdos de IA anunciados. Algunas conexiones a la red en Estados Unidos podrían tardar hasta 50 meses, lo que añade presión sobre la expansión de infraestructura.

Ethereum y los ZK-rollups sienten primero la presión

Fan considera que la generación de pruebas para la capa 1 de Ethereum está entre las aplicaciones más expuestas, porque exige producir una prueba nueva para cada bloque. Un retraso puede hacer que un prover incumpla el límite de la red, de modo que los operadores necesitan capacidad de reserva además del hardware requerido para la demanda habitual. Esa redundancia aumenta el costo incluso cuando el promedio de utilización parece moderado.

Los ZK-rollups y los mercados de alto volumen aparecen después en la lista de riesgos, ya que sus gastos operativos dependen directamente de las horas de GPU. Un análisis previo basado en datos de L2Beat estimó que la generación de pruebas representaba entre 60% y 70% de las tarifas en redes de capa 2 ZK. Para un lote de 4.000 transacciones, el mismo análisis calculó entre dos y cinco minutos de generación en una Nvidia A100 y un costo de cómputo en la nube de entre USD $0,04 y USD $0,17, según el sistema, el lote, la configuración y la tarifa.

La zkML podría enfrentar una presión adicional, porque combina una carga de trabajo de inteligencia artificial con la necesidad de demostrar criptográficamente que el modelo se ejecutó de manera correcta. Fan señaló que los pagos privados, los juegos en cadena y otras aplicaciones de consumo suelen tolerar costos de prueba medidos en centavos, pero advirtió que incluso ese nivel puede limitar la adopción si el gasto aumenta de forma persistente. La sensibilidad es mayor en productos que dependen de muchas operaciones pequeñas y frecuentes.

El costo también puede restringir quiénes tienen capacidad para operar provers. Cysic calcula que más de 90% de las redes de capa 2 ZK depende de un grupo pequeño de servicios de generación de pruebas, aunque esa proporción debe tratarse como una evaluación de la compañía y requeriría un conjunto de datos identificado para verificarse de manera independiente. Una concentración semejante puede reducir la resiliencia operativa y aumentar la dependencia de proveedores especializados.

Causas de movimientos recientes

La información disponible no identifica un movimiento de mercado concreto ni permite atribuir una variación de precios a un catalizador específico. La competencia por GPU entre la IA y las pruebas ZK constituye, como máximo, una explicación plausible de presiones sobre los costos de infraestructura; no una causa confirmada de movimientos en tokens o mercados.

FPGAs, ASIC y un mercado abierto

Cysic desarrolla varios backends para reducir su dependencia exclusiva de las GPU. El repositorio público de Venus incluye optimizaciones para GPU, un backend de aceleración completa mediante FPGA y una implementación inicial orientada a ASIC, con núcleos para aritmética de campo Goldilocks, NTT, Poseidon2, matrices de Merkle, FRI y evaluación de expresiones.

El backend de FPGA está diseñado para dispositivos AMD UltraScale+ y Versal con memoria de alto ancho de banda, y su código se distribuye bajo licencias Apache 2.0 y MIT. A diferencia de un ASIC, un FPGA puede reprogramarse después de su fabricación, lo que permite actualizar circuitos cuando cambian los sistemas de prueba. Los ASIC ofrecen menos flexibilidad, pero podrían superar a las GPU en rendimiento y eficiencia energética si se destinan a un conjunto estable de operaciones ZK.

Para Fan, migrar hacia FPGAs y ASIC especializados permitiría que los operadores abandonen la misma cola de hardware que utilizan los desarrolladores de IA. Los chips dedicados también evitarían pagar por funciones de GPU que no son necesarias para una carga criptográfica, aunque el desarrollo inicial, la fabricación y los volúmenes limitados siguen siendo obstáculos importantes. La alternativa no elimina el costo, sino que busca distribuirlo de una forma más eficiente y predecible.

La estrategia de Cysic incluye además un mercado global de provers en el que dispositivos móviles y clústeres profesionales puedan aceptar tareas de prueba. La empresa plantea combinar backends de GPU y FPGA para reducir la dependencia de una sola clase de chip, mientras la verificación criptográfica permitiría rechazar una prueba inválida sin importar qué operador la haya generado. No obstante, abrir la participación no elimina los riesgos de errores en implementaciones nuevas, código incompleto o software que aún no haya sido auditado.

Cysic advierte en el repositorio de Venus que el proyecto continúa en desarrollo activo, por lo que la disponibilidad del código no equivale a una garantía de producción. Fan dijo que las auditorías y una estrategia con múltiples provers redundantes serían necesarias para mitigar el riesgo de implementación. En paralelo, el borrador del EIP-8025 permitiría a validadores de Ethereum optar por generar y verificar pruebas de ejecución entre la ejecución y la verificación de bloques, mediante un canal de difusión y nodos externos, aunque la propuesta no contempla actualmente incentivos para quienes generen y transmitan esas pruebas.

La disputa por el cómputo introduce una tensión estructural para el ecosistema ZK: mientras la IA puede absorber inversiones de escala extraordinaria, las redes blockchain necesitan demostrar que sus operaciones siguen siendo verificables y económicamente viables. La apuesta por hardware especializado y mercados abiertos podría aliviar esa presión, pero su éxito dependerá de la eficiencia real, la seguridad del software y la capacidad de coordinar proveedores diversos.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados