La privacidad onchain se está revalorizando.
En lo que va del año, hemos visto cómo esta narrativa domina las conversaciones de la industria: $ZEC (+159 %), $VVV (+1693 %), $NEAR (+237 %) y $ARX (+122 %) se han convertido en los grandes protagonistas de los portafolios, mientras que $XMR (+29 %) y $LINK (+22 %) también han mostrado fortaleza.
Si ampliamos la perspectiva, las categorías de monedas de privacidad e infraestructura de privacidad se dispararon en el tercer trimestre, con un crecimiento agregado de su capitalización de mercado de aproximadamente un 164 % y un 103 %, respectivamente.
Y no veo que este tren vaya a frenar pronto, sobre todo si consideramos hacia dónde se dirige la IA.

Rendimiento por capitalización de mercado de los principales sectores de privacidad en el Q3
La privacidad es hoy un tema definitorio en toda la IA.
Hemos visto 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 ocurra, el capítulo de transparencia absoluta en cripto llegará a su fin.
Para ambos casos, la lógica detrás de esto es bastante sencilla.
El argumento a favor de la privacidad en cripto
Empecemos por cripto.
Las instituciones de todo tipo —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 en vivo 24/7/365.
Y por si has estado viviendo debajo de una piedra, nada de esto es una novedad. A estas alturas, 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 permanecen al margen para evitar esa vulnerabilidad.
Un fondo no quiere que sus competidores lo vean armando una posición. Una empresa que paga a sus empleados en stablecoins no quiere que el salario de todos sea visible. 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 cripto cuanta más gente la usa para sus finanzas reales, y por eso los equipos pioneros de privacidad llevan más de una década trabajando en esto.
https://x.com/milianstx/status/1995883036970258825
Así que si compartes la creencia generalizada de que todas las finanzas operarán sobre rieles cripto, felicidades: también eres alcista en privacidad onchain. Simplemente no puedes 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 cripto
El problema de privacidad de la IA viene desde la dirección opuesta a la de cripto.
Cripto empieza con rieles públicos y necesita privacidad para que la gente pueda usarlos en actividades financieras reales. La IA empieza con contexto sensible del usuario y necesita garantías de privacidad más fuertes para que la gente pueda entregarle 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 crea el riesgo de que un proveedor interprete información profundamente personal, decida que cruza una 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 genuinos sin convertir a las empresas que gestionan nuestros asistentes de IA en investigadores de facto de nuestra vida privada.
Esto cobra mayor importancia a medida que la IA avanza hacia 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 aquí. 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 utilizado para generarla.
Otra vía es mantener la computación completamente local. @qvac está impulsando la IA en el dispositivo, donde los modelos pueden ejecutarse en tu propio hardware y los datos sensibles se quedan ahí, 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 diseñados 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 cripto.
En cripto, la red debe verificar la transacción sin exponérsela a todo el mundo. En IA, la infraestructura debe ejecutar la computación sin exponer el contexto del usuario a todos los involucrados en procesarla.
Esto me hizo preguntarme si hay startups abordando ambos problemas a la vez, así que me metí de lleno a explorar el panorama de privacidad en ambas industrias.
Estas son algunas de las categorías y proyectos donde estoy viendo avances interesantes.
Dinero privado
@Zcash ha tenido 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 el caso alcista ahora tiene uso real detrás.
Aproximadamente 4,9 millones de ZEC, cerca del 29 % de la oferta circulante, están ahora 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 aquí se refleja en uso privado real.

Oferta protegida de Zcash y total de transacciones protegidas
Es una gran razón por la que nombres más grandes se han involucrado con Zcash.
Los gemelos Winklevoss, por ejemplo, lanzaron Cypherpunk con 100 millones de dólares para adquirir ZEC para su tesorería, y dijeron que la empresa busca acumular hasta el 5 % de la oferta circulante, con Tyler Winklevoss calificando a la IA como "el amanecer" del catalizador de privacidad.
Zcash también les da a sus usuarios la posibilidad de elegir qué nivel de privacidad quieren.
Soporta transacciones transparentes y protegidas, por lo que la privacidad que obtienen los usuarios 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 utilizable en la vida financiera cotidiana.
Por eso Zcash sigue superando al mercado.
Aplicaciones privadas
Lo que viene por defecto moldea el comportamiento.
Si la privacidad requiere pasos adicionales, mucha gente simplemente los omitirá. Por eso busco equipos que construyan en la capa de aplicación para encargarse de esos pasos por los usuarios, sin todo el lío técnico; así pueden aprovechar los beneficios sin necesidad de entender la criptografía que hay detrás.
Creo que los equipos que hagan esto bien serán grandes ganadores, ya que funcionarán como puntos clave de incorporación a la IA y a cripto privados.
Ya lo he visto ocurrir este año con @AskVenice. La mayoría piensa en la app como IA privada, y eso es porque todos sus componentes cripto internos están abstraídos. Con esta fórmula, la app superó recientemente los 4 millones de usuarios y los 100 millones de dólares en ARR:
https://x.com/AustinBarack/status/2089447460275994875
@keet_io es otro ejemplo de cómo la privacidad se convierte en el producto mismo. Los chats, las llamadas y las transferencias de archivos tienen cifrado de extremo a extremo y son peer-to-peer, sin depender de servidores centrales ni requerir un número de teléfono o correo electrónico.
Las wallets cripto son otra oportunidad evidente, porque es justo donde la privacidad suele romperse.
Si usas una wallet para varias cosas, alguien que sepa dónde recibes pagos podría rastrear también dónde operas, qué tienes y cómo se mueve el resto de tu vida financiera.
Técnicamente, los usuarios pueden intentar solucionarlo abriendo más wallets. Pero eso añade fricción y tampoco garantiza que su actividad no pueda vincularse.
No creo que la mayoría quiera gestionar eso por su cuenta. Esperarán privacidad de la wallet o la aplicación, igual que la esperan de una app bancaria.
De ahí veo que vendrá 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 los usuarios, no como un proyecto de investigación.
@zodl_app es un buen ejemplo de esto.
Fue creada por los desarrolladores originales del protocolo Zcash, e incluye 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 demuestran o revelan selectivamente 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.
Sí, un precio fuerte del token puede atraer gente, pero el uso prolongado de las aplicaciones es una evidencia mucho más concreta de la demanda de privacidad.
Privacidad como infraestructura: Arcium, Venice y 0G
Repasemos rápidamente a algunos de los actores clave en privacidad. Zcash es el referente obvio de dinero privado, @zama está llevando FHE onchain, Venice salió de la cámara de eco cripto 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 una infraestructura diseñada para abarcar tanto cripto como IA.
Cada uno de ellos domina una capa del stack y, por lo tanto, 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, han empaquetado todo y están lanzando soluciones 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 original
Extiende la privacidad más allá de una moneda dedicada: C-SPL añade confidencialidad programable a cualquier activo de Solana, mientras que Umbra recibió 150 millones de dólares en compromisos en la ICO más grande de la historia de Solana.
Zama
Computación cifrada general para blockchains (FHE)
Activo en Mainnet, impulsando más de 10 apps (el ecosistema de privacidad más activo de cripto) con casi 3 millones de computaciones ejecutadas.
VVV (Venice)/0G/Near
IA privada / Infraestructura de IA
Blackthorn extiende Arcium de la computación cifrada a la IA confidencial en GPUs cifradas, manteniendo privados los prompts, archivos y resultados, y habilitando apps similares a Venice.
Lo que me gusta aquí es que las aplicaciones pueden usar la capa de privacidad en segundo plano.
Además, mientras los otros proyectos de privacidad mencionados han trabajado en los problemas de privacidad de cripto, Arcium ha dado pasos para ir más allá de su misión original de llevar computación cifrada a las blockchains, extendiendo la red para hacer lo mismo con la IA.
Así funciona todo esto (primero la parte técnica, luego lo que realmente significa para ti).
Enfoque técnico
El enfoque central de Arcium es la computación segura multipartita (MPC). Los inputs privados se dividen en participaciones secretas y se distribuyen entre un clúster de nodos Arx. Los nodos evalúan conjuntamente la computación sin que ninguno reconstruya los datos subyacentes.
El protocolo actual de Arcium, Cerberus, utiliza 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 un fallo 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 cripto: las cadenas públicas pueden manejar la coordinación y la liquidación, mientras que la lógica de aplicación privada se ejecuta en todo el 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 múltiples partes.
La contrapartida es una mayor comunicación y un posible aborto cuando los nodos o la red no están disponibles.
Pero la misma arquitectura no tiene por qué limitarse a las 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 cripto se está convirtiendo en una parte cada vez más importante de la apuesta de Arcium.
Ya vimos cómo Venice construyó un producto de IA exitoso sobre rieles cripto; Arcium busca llevar esos rieles más 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 otra cara de la misma apuesta.
Eso es lo que hace interesante a Blackthorn. Está diseñado para ejecutar IA confidencial en las GPUs de NVIDIA que los centros de datos ya utilizan, 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 alojados.
Es Arcium decidiendo no elegir entre la privacidad cripto 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 objetivo de la computación confidencial de Arcium no es ocultarlo todo, sino revelar únicamente lo que la aplicación necesita.
Para los usuarios, eso puede significar una subasta que calcule un precio de liquidación a partir de ofertas confidenciales sin publicar cada oferta perdedora, o una aplicación de trading que mantenga privada la información sensible de las órdenes mientras ejecuta sus reglas, de modo 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 añadir funciones y estados confidenciales junto a las partes públicas de una aplicación en Solana, eligiendo qué información expone la aplicación.
Arcium también tiene C-SPL, su estándar de tokens confidenciales para Solana, que lleva saldos y montos de transferencia confidenciales a las aplicaciones de tokens sin exigir a los usuarios migrar a un activo de privacidad dedicado. Eso podría soportar nóminas en stablecoins donde los empleados no vean los salarios de los demás, o subastas donde los participantes puedan verificar el resultado sin publicar cada oferta perdedora. Son razones para usar un producto incluso si nunca has operado con un token de privacidad.
La misma lógica aplica a la IA. Las aplicaciones deberían poder usar información sensible sin revelarla innecesariamente a la infraestructura que realiza la computación.
Para mí, esa es la oportunidad más grande.
Qué estoy observando
De aquí en adelante, la privacidad seguirá siendo una categoría principal en mi lista de seguimiento.
En Zcash, estoy atento a qué tan rutinaria puede volverse la actividad protegida. Mejores wallets y un acceso más sencillo deberían reflejarse en gente usando la red precisamente por su característica definitoria.
Como trader, quiero entender cómo el uso llega a los activos que respaldan algunos de estos proyectos nativos de cripto.
¿Ajustarán los equipos sus flywheels correctamente para que la incorporación genere presión de compra de manera efectiva?
También hay mucho en juego con los efectos de red en privacidad debido a la falta de composabilidad.
Cuando los activos se protegen con una tecnología, en realidad no son componibles con activos protegidos con otra tecnología. Así que existe una necesidad urgente entre los equipos de construir liquidez/incorporar capital institucional, conseguir la mejor profundidad para swaps, ofrecer mejores rendimientos, etc.
Cómo se desarrolle eso determinará cómo se reparte el pastel de la privacidad onchain.
Del lado de la IA, presto mucha atención a lo que ocurre alrededor de los laboratorios frontier.
Con todo el alarmismo que hemos visto últimamente, ¿intervendrán los reguladores de forma significativa, y será la privacidad del usuario parte de sus políticas?
También busco equipos que estén apostando fuerte en la intersección de cripto x IA x privacidad. Ya tenemos algunas pruebas de que funciona e historias convincentes. Quiero ver cuánto crecen estas bases de usuarios y qué porcentaje del uso total de IA puede capturar la IA privada.
Aquí, realmente se trata de 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.
Dado lo interconectados que siguen estando cripto e IA, los equipos que compiten en ese crisol tienen muchas posibilidades de capitalizar las dos tendencias con las que creo que todos podemos coincidir en que continuarán: las finanzas seguirán migrando onchain y, con ello, impulsando la adopción de la privacidad, y la demanda de privacidad del usuario seguirá creciendo a medida que aumente la adopción de la IA.





