La privacidad onchain se está revalorizando.
En lo que va del año, vimos cómo esta narrativa dominó las conversaciones de la industria: $ZEC (+159 %), $VVV (+1,693 %), $NEAR (+237 %) y $ARX (+122 %) se convirtieron en los grandes protagonistas de los portafolios, mientras que $XMR (+29 %) y $LINK (+22 %) también mostraron fortaleza.
Si ampliamos la perspectiva, las categorías de privacy coins e infraestructura de privacidad se dispararon en el tercer trimestre, con un crecimiento agregado en capitalización de mercado de ~164 % y ~103 %, respectivamente.
Y no veo que este tren vaya a frenar pronto, sobre todo si consideramos hacia dónde avanza la IA.

Rendimiento por capitalización de mercado de los principales sectores de privacidad en el Q3
La privacidad ya es un tema central en toda la IA.
Vimos al presidente Trump destacar la privacidad del portal de IA del sitio durante el lanzamiento de America.gov, a OpenAI bajo fuego por la controversia del Premio del Milenio de Navier-Stokes, advertencias de inversores como Jason Calacanis sobre exponer trabajo propietario a plataformas de IA centralizadas y muchísimos otros ejemplos.
Con todo esto sobre la mesa, creo que la privacidad se volverá omnipresente en la IA. Y a medida que eso suceda, el capítulo de transparencia absoluta en crypto llegará a su fin.
Para ambos casos, la lógica detrás de esto es bastante simple.
El caso a favor de la privacidad en crypto
Empecemos por crypto.
Las instituciones de todos los frentes —desde BlackRock y Robinhood hasta bancos, fondos y proveedores de pagos— están migrando onchain.
Todos los activos se tokenizarán y los mercados serán universalmente accesibles, con operaciones activas 24/7/365.
Y por si viviste debajo de una piedra últimamente, nada de esto es una novedad. A esta altura, son verdades inevitables y aceptadas por todos.
https://x.com/wallstreetbets/status/2105065548111372418
Pero el detalle es que estas instituciones no quieren que su actividad sea pública, y se sabe que los mercados onchain son un campo de juego para la explotación debido a la falta de privacidad.
Categorías enteras de aplicaciones, estrategias de inversión y flujos de trabajo institucionales siguen offchain, porque serían explotadas en el instante en que tocaran la red. Como resultado, enormes cantidades de capital quedan al margen para evitar esa vulnerabilidad.
Un fondo no quiere que sus competidores lo vean armando una posición. Una empresa que paga salarios en stablecoins no quiere que todo el mundo vea cuánto gana cada empleado. Enviarle dinero a alguien no debería permitirle revisar el resto de tu cuenta.
Así de simple: la privacidad se vuelve una parte mucho más importante de crypto cuanto más la usa la gente para sus finanzas reales. Por eso los equipos OG de privacidad llevan más de una década trabajando en esto.
https://x.com/milianstx/status/1995883036970258825
Entonces, si compartís la idea generalizada de que todas las finanzas van a operar sobre rieles crypto, felicitaciones: también sos bull de la privacidad onchain. Simplemente no podés tener una cosa sin la otra.
Y en cuanto a la IA, la privacidad va en la misma dirección, solo que más rápido, porque los usuarios le están entregando cada vez más su vida entera a estas herramientas.
El Yin del Yang de crypto
El problema de privacidad de la IA viene desde la dirección opuesta a la de crypto.
Crypto arranca con rieles públicos y necesita privacidad para que la gente pueda usarlos en actividades financieras reales. La IA arranca con contexto sensible del usuario y necesita garantías de privacidad más fuertes para que la gente pueda darle a los modelos, de forma segura, la información que los hace útiles.
El problema es que hoy gran parte de ese contexto sensible todavía puede procesarse en texto plano y quedar accesible para el proveedor del modelo. Eso genera el riesgo de que un proveedor interprete información profundamente personal, decida que cruza cierta línea y la escale a las autoridades sin el tipo de orden judicial, revisión o debido proceso que normalmente asociamos con las fuerzas del orden. Las protecciones de privacidad deberían permitir abordar riesgos de seguridad reales sin convertir a las empresas que operan nuestros asistentes de IA en investigadores de facto de nuestra vida privada.
Esto cobra más importancia a medida que la IA entra en flujos de trabajo de mayor valor y mayores riesgos, porque las aplicaciones más útiles suelen ser las que requieren los datos más confidenciales.
https://x.com/kimmonismus/status/2106830228404228267
Un modelo genérico puede, por ejemplo, responder una pregunta financiera básica con información pública, pero ayudarte de verdad a entender tus propias finanzas requiere mucho más. Ingresos, deudas, extractos bancarios, documentos fiscales, historial de inversiones, metas personales.
Lo mismo aplica para las empresas. Las que saben lo que hacen no quieren exponer registros de clientes, investigaciones internas, código, documentos legales o presentaciones estratégicas al proveedor del modelo solo para obtener un mejor análisis.
Por eso la privacidad no puede quedarse en la capa de aplicación. La infraestructura misma tiene que cambiar.
La inferencia privada es uno de los primitivos clave acá. El objetivo es permitir que un modelo genere una respuesta útil sin darle al operador de la infraestructura visibilidad total sobre el prompt, los archivos o el resultado. Los usuarios obtienen la inteligencia que buscan, manteniendo el control sobre el material usado para generarla.
Otro camino es mantener la computación completamente local. @qvac está impulsando la IA on-device, donde los modelos pueden correr en tu propio hardware y los datos sensibles se quedan en el dispositivo en lugar de enviarse a un proveedor de nube.
@0G_labs aborda el mismo problema desde el lado de la infraestructura, con inferencia de IA privada y almacenamiento cifrado diseñado para mantener ocultos los datos sensibles y, al mismo tiempo, hacer que la computación sea verificable.
Aquí es también donde la privacidad en IA empieza a mezclarse un poco con la privacidad en crypto.
En crypto, la red debería verificar la transacción sin exponérsela a todo el mundo. En IA, la infraestructura debería ejecutar la computación sin exponer el contexto del usuario a todos los involucrados en procesarla.
Esto me hizo preguntarme si hay startups atacando ambos problemas a la vez, así que me metí de lleno a explorar el panorama de privacidad en las dos industrias.
Estas son algunas de las categorías y proyectos donde estoy viendo desarrollos interesantes.
Dinero privado
@Zcash tuvo una campaña muy impresionante en 2026.
Lo que hace interesante el movimiento reciente (más allá de todos los logros técnicos como Orchard y Halo 2, las direcciones unificadas y el nuevo pool protegido de Ironwood) es que ahora la tesis alcista tiene uso real detrás.
Aproximadamente 4.9 millones de ZEC, cerca del 29 % del suministro circulante, hoy están en direcciones protegidas, frente al 8 % de principios de 2024, mientras que las transacciones protegidas acaban de alcanzar unas ~62,000 semanales, un aumento del 652 % en lo que va del año.
El crecimiento acá se refleja en uso privado real.

Suministro protegido de Zcash y total de transacciones protegidas
Es una gran razón por la que nombres más pesados se han estado involucrando con Zcash.
Los gemelos Winklevoss, por ejemplo, lanzaron Cypherpunk con USD 100 millones para adquirir ZEC para su tesorería, y dijeron que la empresa busca acumular hasta el 5 % del suministro circulante, con Tyler Winklevoss llamando a la IA “el amanecer” del catalizador de privacidad.
Zcash también les da a sus usuarios una escala para elegir cuánta privacidad quieren.
Soporta transacciones transparentes y protegidas, así que la privacidad que obtienen depende de cómo usen la red. También incluye una capa de divulgación práctica. Las claves de visualización permiten que una parte autorizada vea información de la transacción sin poder gastar los fondos. Eso ayuda con auditorías, cumplimiento normativo o cualquier situación donde alguien necesite transparencia selectiva en lugar de exposición total.
El dinero privado no se trata solo de ocultarse de alguien. Hace que el efectivo digital sea usable para la vida financiera cotidiana.
Por eso Zcash sigue superando al mercado.
Aplicaciones privadas
Lo que viene por defecto moldea el comportamiento.
Si la privacidad exige pasos extra, mucha gente simplemente los va a saltar. Por eso busco equipos que construyan en la capa de aplicación para manejar esos pasos por el usuario, sin todo el lío técnico; así pueden aprovechar el beneficio sin necesidad de entender la criptografía que hay detrás.
Creo que los equipos que hagan esto bien van a ser grandes ganadores, porque se van a convertir en puntos centrales de onboarding hacia la IA y crypto privadas.
Ya lo vi pasar este año con @AskVenice. La mayoría piensa en la app como IA privada, y eso es porque todos sus componentes crypto bajo el capó están abstraídos. Con esta fórmula, la app superó recientemente los 4 millones de usuarios y los USD 100 millones de ARR:
https://x.com/AustinBarack/status/2089447460275994875
@keet_io es otro ejemplo de cómo la privacidad se convierte en el producto mismo. Chats, llamadas y transferencias de archivos tienen cifrado de extremo a extremo y son peer-to-peer, sin depender de servidores centrales ni pedir número de teléfono o correo electrónico.
Las wallets crypto son otra oportunidad obvia, porque ahí es donde muchas veces se cae la privacidad.
Si usás una wallet para varias cosas, alguien que sepa dónde recibís pagos también podría seguir dónde operás, qué tenés y cómo se mueve el resto de tu vida financiera.
Técnicamente, los usuarios pueden intentar sortear esto abriendo más wallets. Pero eso suma fricción y tampoco garantiza que su actividad no pueda vincularse.
No creo que la mayoría quiera gestionar eso por su cuenta. Van a esperar privacidad de la wallet o la aplicación, igual que la esperan de la app de su banco.
De ahí veo que va a venir la demanda. La gente quiere usar estos productos sin darle a desconocidos acceso al resto de sus finanzas, y lograrlo debería sentirse invisible y fluido para el usuario, no como un proyecto de investigación.
@zodl_app es un buen ejemplo en este sentido.
Fue creada por los desarrolladores originales del protocolo Zcash, y trae privacidad por defecto, soporte para swaps privados e integración con Keystone para firmas protegidas air-gapped.
En la capa de red, @MidnightNtwrk está construyendo alrededor de la privacidad programable. Las apps pueden mantener privados los datos sensibles mientras prueban o revelan de forma selectiva solo lo necesario, usando pruebas ZK en lugar de poner todo en un ledger público.
En general, cuando se trata de aplicaciones, quiero ver cómo esto se traduce en un uso sostenido del dinero protegido a largo plazo.
Si bien un precio fuerte del token puede atraer gente, el uso prolongado de las aplicaciones es una evidencia mucho más concreta de la demanda de privacidad.
Privacidad como infraestructura: Arcium, Venice y 0G
Hagamos un repaso rápido de algunos de los actores clave en privacidad. Zcash es el referente obvio de dinero privado, @zama está llevando FHE onchain, Venice rompió la burbuja crypto con un producto de consumo de IA privada, y 0G impulsa infraestructura de IA privada y verificable. @Arcium aborda el mismo stack de privacidad desde la capa de computación confidencial, con infraestructura diseñada para abarcar tanto crypto como IA.
Cada uno domina una capa del stack y, por eso, el trade de privacidad en sí ha estado fragmentado.
Esa fragmentación es lo que hace que Arcium me resulte interesante.
En lugar de apostar por un solo elemento de privacidad, empaquetaron todo y están lanzando a lo largo de todo el stack:
- Dinero privado programable con C-SPL y Umbra (Zcash)
- Computación cifrada (Zama)
- Inferencia de IA confidencial con Blackthorn (Venice/0G/NEAR)
Proyecto
Qué dominan
Cómo lo aborda Arcium
ZEC
Dinero privado, el activo de privacidad OG
Extiende la privacidad más allá de una moneda dedicada: C-SPL suma confidencialidad programable a cualquier activo de Solana, mientras que Umbra recibió compromisos por USD 150 M en la ICO más grande de la historia de Solana.
Zama
Computación cifrada general para blockchains (FHE)
Activo en Mainnet, potenciando más de 10 apps (el ecosistema de privacidad más activo de crypto) con casi 3 M de computaciones ejecutadas.
VVV (Venice)/0G/Near
IA privada / Infraestructura de IA
Blackthorn extiende Arcium de la computación cifrada a la IA confidencial sobre GPUs cifradas, manteniendo privados los prompts, archivos y resultados, y habilitando apps similares a Venice.
Lo que me gusta de esto es que las aplicaciones pueden usar la capa de privacidad en segundo plano.
Además, mientras los otros proyectos de privacidad mencionados trabajaron en los problemas de crypto, Arcium dio pasos para ir más allá de su misión original de llevar computación cifrada a las blockchains y extender la red para hacer lo mismo con la IA.
Así funciona todo esto (primero la parte técnica, luego lo que realmente significa para vos).
Enfoque técnico
El enfoque central de Arcium es la computación segura multipartita (MPC). Los inputs privados se dividen en participaciones secretas (secret shares) y se distribuyen entre un clúster de nodos Arx. Los nodos evalúan la computación de forma conjunta sin que ninguno reconstruya los datos subyacentes.
El protocolo actual de Arcium, Cerberus, usa un modelo de mayoría deshonesta con detección y aborto. Mientras al menos un miembro del clúster sea honesto, preserva la privacidad y detecta manipulaciones; si ocurre una falla de protocolo, aborta en lugar de devolver un resultado corrupto. Eso protege la confidencialidad y la integridad del resultado.
Eso hace que el diseño encaje de forma natural con crypto: las cadenas públicas pueden encargarse de la coordinación y la liquidación, mientras que la lógica privada de la aplicación corre a través del clúster.
Comparado con un TEE, la confianza se distribuye en lugar de concentrarse en un solo enclave; comparado con FHE, MPC requiere más interacción, pero se adapta bien a flujos de trabajo descentralizados que ya coordinan entre múltiples partes.
El tradeoff es comunicación adicional y un posible aborto cuando los nodos o la red no están disponibles.
Pero la misma arquitectura no tiene por qué limitarse a aplicaciones blockchain. Si la computación puede distribuirse de modo que ningún operador individual vea los inputs subyacentes, el mismo modelo puede extenderse a cargas de trabajo de IA que involucren prompts, archivos y otros datos de usuario sensibles.
La apuesta por la expansión hacia la IA
Esa extensión más allá de crypto se está volviendo una parte cada vez más importante de la apuesta de Arcium.
Ya vimos cómo Venice construyó un producto de IA exitoso sobre rieles crypto; Arcium busca llevar esos rieles más profundo hacia el backend.
En lugar de controlar la experiencia de chat de cara al usuario, está construyendo infraestructura confidencial por debajo, diseñada para que los prompts, archivos y resultados sensibles no tengan que exponerse en texto plano ante un único proveedor de infraestructura.
Es la otra cara de la misma apuesta.
Eso es lo que hace interesante a Blackthorn. Está diseñado para correr IA confidencial sobre las GPUs NVIDIA que los centros de datos ya usan, en lugar de requerir un nuevo chip de seguridad o hardware confidencial dedicado. Si funciona como se espera, podría abrir flujos de trabajo de IA sensibles en salud, finanzas, derecho y gobierno sin obligar a los usuarios a entregar los datos subyacentes a un proveedor convencional de modelos hosteados.
Es Arcium decidiendo no elegir entre la privacidad en crypto y la privacidad en IA. El equipo trabaja para que ambas sean utilizables a través de un único sistema distribuido.
Qué significa para los usuarios
El punto de la computación confidencial de Arcium no es ocultarlo todo. Es revelar solo lo que la aplicación necesita.
Para los usuarios, eso puede significar una subasta que calcula un precio de liquidación a partir de ofertas confidenciales sin publicar cada oferta perdedora, o una aplicación de trading que mantiene privada la información sensible de las órdenes mientras ejecuta sus reglas, para que el resultado útil esté disponible sin convertir los inputs subyacentes en inteligencia de mercado pública.
El tipo de productos hacia los que apunta Arcium ya se ven en su directorio de ecosistema, que incluye Crafts, un proyecto de subastas de tokens con ofertas selladas, y Umbra, una wallet para transferencias y swaps protegidos.
Los desarrolladores pueden sumar funciones y estados confidenciales junto a las partes públicas de una aplicación en Solana, eligiendo qué información expone la app.
Arcium también tiene C-SPL, su estándar de token confidencial para Solana, que lleva saldos y montos de transferencia confidenciales a las aplicaciones de tokens sin exigir que los usuarios migren a un activo de privacidad dedicado. Eso podría soportar nóminas en stablecoins donde los empleados no ven el salario de los demás, o subastas donde los participantes pueden verificar el resultado sin publicar cada oferta perdedora. Son motivos para usar un producto incluso si nunca operaste un token de privacidad.
La misma lógica aplica para la IA. Las aplicaciones deberían poder usar información sensible sin revelarla innecesariamente a la infraestructura que hace la computación.
Para mí, esa es la oportunidad más grande.
Qué estoy siguiendo
De acá en adelante, la privacidad va a seguir siendo una categoría top en mi lista de seguimiento.
En Zcash, estoy atento a qué tan rutinaria puede volverse la actividad protegida. Mejores wallets y acceso más fácil deberían reflejarse en gente usando la red por su característica principal.
Como trader, quiero entender cómo el uso llega a los activos que respaldan algunos de estos proyectos crypto-native.
¿Lograrán los equipos ajustar bien sus flywheels para que el onboarding genere presión compradora de manera efectiva?
También hay mucho en juego con los efectos de red en privacidad por la falta de composabilidad.
Cuando los activos están protegidos con una tecnología, en realidad no son componibles con activos protegidos con otra. Así que hay una urgencia entre los equipos por construir liquidez, integrar capital institucional, conseguir la mejor profundidad para swaps, ofrecer mejores rendimientos, etc.
Cómo se resuelva eso determinará cómo se divide la torta de la privacidad onchain.
Del lado de la IA, presto mucha atención a lo que pasa alrededor de los frontier labs.
Con todo el alarmismo de los últimos tiempos, ¿intervendrán los reguladores de forma significativa? ¿Y será la privacidad del usuario parte de sus políticas?
También sigo de cerca a los equipos que apuestan fuerte en la intersección de crypto x IA x privacidad. Ya tenemos algunas pruebas de que funciona y historias convincentes. Quiero ver qué tanto crecen estas bases de usuarios y qué porcentaje del uso total de IA puede capturar la IA privada.
Acá la cuestión es realmente cuánto le importa a la gente su privacidad personal, y Venice, Arcium, Keet, QVAC, NEAR, Midnight y 0G son los proyectos que sigo porque abordan la misma tesis desde distintos ángulos: Venice en el frontend de IA privada, Arcium en la infraestructura profunda, Keet a través de mensajería privada, QVAC con IA local, NEAR en infraestructura y agentes de IA, Midnight con privacidad programable, y 0G con infraestructura de IA privada y verificable.
Con lo entrelazadas que siguen estando crypto y la IA, los equipos que compiten en ese crisol tienen buenas chances de capitalizar las dos tendencias en las que creo que todos coincidimos que van a continuar: las finanzas seguirán migrando onchain y, con eso, crecerá la adopción de la privacidad; y la demanda de privacidad del usuario seguirá aumentando a medida que crezca la adopción de la IA.





