DGrid AI

¿Qué es DGrid AI?

DGrid AI es una red descentralizada de inferencia de IA y servicios de agentes que intenta conectar la oferta de modelos de IA, la demanda de desarrolladores, el enrutamiento, la verificación y la liquidación basada en blockchain a través de una única capa de acceso nativa de Web3. En términos prácticos, no es una blockchain de Capa 1 de propósito general; es un protocolo de infraestructura de IA a nivel de aplicación construido en torno a la liquidación en BNB Chain, DGrid AI Gateway, acceso estilo DGridRPC, ejecución de inferencia basada en nodos, puntuación Proof of Quality y el token dgai como activo de staking, pago, incentivos y gobernanza.

El problema que aborda es la concentración de la inferencia de IA detrás de proveedores de API centralizados, donde el precio, el tiempo de actividad, la disponibilidad de modelos, la política de moderación, la facturación y el bloqueo de desarrolladores están controlados por un pequeño grupo de empresas. Su foso competitivo propuesto no es solo la propiedad de cómputo en bruto, sino la combinación de una API unificada para muchos modelos, facturación on-chain, responsabilidad del servicio basada en staking y una capa de verificación que puntúa las salidas de inferencia en lugar de pedir a los usuarios que confíen en operadores de nodos opacos.

La propia documentación del proyecto describe una puerta de enlace a más de 200 modelos, evaluación de preferencias AI Arena, un mercado de modelos, la selección de modelos Dori, las herramientas de agentes DClaw y el staking y la gobernanza basados en dgai, mientras que el white paper en formato MiCA presenta el protocolo como un sistema descentralizado para inferencia de IA y servicios de agentes en lugar de un primitivo DeFi convencional. (docs.dgrid.ai)

La posición de mercado de DGrid AI es temprana y de nicho más que dominante. Pertenece a las categorías de IA, DePIN, infraestructura y ecosistema de BNB Chain, y su escala debe leerse con cautela porque las métricas fiables a nivel de aplicación siguen siendo escasas. A 25 de agosto de 2026, páginas de mercado de terceros mostraban una estimación de oferta circulante de 150 millones de dgai frente a un máximo de 1.000 millones, mientras que las clasificaciones por capitalización de mercado variaban materialmente entre agregadores, con la página de DGrid AI en Decrypt mostrando una posición de capitalización de mercado en el rango alto de los 200 y TVL como “N/A”, y otros agregadores reportando clasificaciones diferentes porque el tratamiento de la oferta circulante y la cobertura de exchanges eran inconsistentes. Eso importa porque DGrid no es un protocolo de préstamos ni un AMM donde el TVL sea una métrica primaria natural; para este activo, los indicadores relevantes a largo plazo son el volumen de inferencia de pago, la fiabilidad de los nodos, las claves de desarrollador activas, las solicitudes exitosas, la profundidad del mercado y la proporción de uso liquidada mediante dgai. Los paneles de control públicamente verificables para esas métricas operativas aún no eran comparables a las analíticas DeFi maduras, por lo que el volumen especulativo de trading no debe confundirse con encaje producto‑mercado. (decrypt.co)

¿Quién fundó DGrid AI y cuándo?

DGrid AI parece haber surgido públicamente entre 2025 y 2026, durante un ciclo de mercado en el que la infraestructura de IA descentralizada, las redes de GPU y la inferencia verificable se convirtieron en temas favoritos de venture crypto tras la rápida comercialización de los grandes modelos de lenguaje. La hoja de ruta del propio proyecto sitúa el diseño de la arquitectura, el trabajo del modelo económico, el desarrollo de DGrid AI Gateway, un algoritmo Proof of Quality y las herramientas de preventa premium en la primera mitad de 2025, seguido por un sitio web, white paper, financiación semilla y preventa de membresía premium en la segunda mitad de 2025. El white paper MiCA identifica a DGrid AI Labs Limited, domiciliada en las Islas Vírgenes Británicas, como una entidad involucrada en la implementación, y enumera a Yunpeng Ding, Teng Chen y Chaymaa Khaldi como personas involucradas en la implementación, pero no presenta claramente una biografía de fundador tradicional comparable a proyectos de Capa 1 más antiguos con equipos fundadores públicamente conocidos. Los rastreadores de financiación reportaron una ronda semilla asociada con Waterdrip Capital, IoTeX, Paramita Ventures, Zenith Capital, CatcherVC e inversores relacionados, con la base de datos de recaudaciones de DefiLlama registrando una ronda semilla de 5 millones de dólares en julio de 2026. (docs.dgrid.ai)

La narrativa del proyecto ha evolucionado desde un amplio concepto de “inferencia de IA descentralizada” hacia una pila más estructurada que enfatiza una puerta de enlace nativa de Web3, la evaluación ciega de modelos, los agentes de IA, la formación de precios en el mercado, la liquidación on-chain y una gobernanza posterior. Según ICO Analytics, el evento de generación del token dgai ocurrió el 17 de agosto de 2026, mientras que la presentación MiCA de DGrid enumera el 1 de junio de 2026 como la fecha de publicación y de inicio conectada a la documentación de admisión a cotización, por lo que la fase del activo público debe entenderse como reciente incluso si la hoja de ruta técnica comenzó antes. Esto es importante para los inversores porque las redes de tokens jóvenes suelen presentar una arquitectura objetivo madura antes de que el sistema haya demostrado un uso productivo descentralizado a escala. La narrativa más reciente de DGrid se centra por tanto menos en construir una nueva cadena base y más en insertar responsabilidad cripto‑nativa, pagos programables e incentivos de mercado en el consumo de APIs de IA. (icoanalytics.org)

¿Cómo funciona la red DGrid AI?

DGrid AI se entiende mejor como una red descentralizada de aplicaciones y servicios anclada a liquidaciones compatibles con EVM en lugar de una blockchain de consenso soberano. El token dgai está documentado como un token BEP‑20 en BNB Smart Chain, con una representación en Arbitrum One también referenciada en la documentación oficial del token, lo que significa que la finalidad de las transacciones y la seguridad de la capa base dependen de las cadenas subyacentes en lugar de un conjunto de validadores separado de DGrid. Dentro del sistema DGrid, el mecanismo de coordinación relevante se describe como Proof of Quality, o PoQ, y en parte de la hoja de ruta como un diseño de “PoS Quality Proof”, pero esto no debe confundirse con la prueba de trabajo al estilo Nakamoto ni con un protocolo de consenso de prueba de participación de Capa 1 convencional. PoQ es un modelo de verificación y puntuación a nivel de aplicación destinado a evaluar las salidas de inferencia, la fiabilidad de los nodos, la latencia y el cumplimiento de los formatos solicitados, mientras que el staking de dgai funciona como garantía para el comportamiento de nodos y proveedores de servicios. (docs.dgrid.ai)

El diseño técnico combina DGrid AI Gateway, enrutamiento descentralizado, ejecución en nodos, contratos de facturación, una capa de disponibilidad de datos para registros de auditoría, autorización de pago por solicitud al estilo x402 y datos de preferencias de AI Arena. Se supone que los desarrolladores acceden a múltiples modelos de IA a través de un único endpoint de API compatible con OpenAI, mientras que la red enruta las solicitudes según el tipo de tarea, el presupuesto, la latencia y el rendimiento histórico. Los Nodos DGrid ejecutan cargas de trabajo de inferencia, reportan datos de latencia y unidades de cómputo, y están sujetos a la puntuación PoQ que considera la alineación de la salida, la consistencia entre nodos, el cumplimiento de formatos, la eficiencia de costos y la similitud semántica. La capa de facturación calcula las tarifas usando unidades de cómputo y latencia, con pagos depositados en escrow y distribuidos mediante contratos inteligentes, mientras que los nodos maliciosos o poco fiables pueden ser penalizados mediante mecanismos de slashing y listas negras. Estos controles son conceptualmente útiles, pero el diseño enfrenta un problema técnico difícil común a la IA descentralizada: verificar la calidad de las salidas probabilísticas de LLM no es tan sencillo como verificar una transición de estado determinista de blockchain, por lo que la credibilidad de DGrid depende de si PoQ se convierte en un sistema de evaluación robusto y resistente a adversarios en lugar de un simple heurístico de reputación. (docs.dgrid.ai)

¿Cuáles son los tokenomics de dgai?

El modelo de oferta de dgai está limitado pero no es inmediatamente líquido. La documentación oficial establece que la oferta total está fijada en 1.000 millones de tokens sin acuñación inflacionaria posterior al lanzamiento prevista, mientras que los datos de mercado de terceros a finales de agosto de 2026 usaban comúnmente 150 millones de dgai como estimación de oferta circulante.

La asignación oficial destina el 50% de la oferta a incentivos para nodos e infraestructura, el 15% a programas comunitarios, el 10% a incentivos para el equipo, el 10% a inversores, el 8% a airdrops y el 7% a liquidez inicial. Los incentivos para nodos están programados para liberación lineal durante diez años con emisiones que se reducen a la mitad cada dos años, mientras que los tokens comunitarios tienen un bloqueo de seis meses seguido por dos años de liberación lineal, y las asignaciones de equipo e inversores tienen un bloqueo de un año seguido por dos años de vesting lineal.

Esto hace que dgai sea no inflacionario a nivel de acuñación pero inflacionario a nivel de oferta circulante durante años después del lanzamiento, porque los desbloqueos programados y las recompensas a nodos pueden aumentar la oferta líquida incluso sin nueva creación de tokens. (docs.dgrid.ai)

La utilidad del token se concentra en el staking, el pago, los incentivos y la gobernanza. Se espera que los operadores de nodos y proveedores de servicios de IA hagan staking de dgai para recibir tráfico de red, construir reputación y colateralizar su desempeño, mientras que los usuarios pagan dgai por servicios de inferencia y agentes valorados según unidades de cómputo, latencia y complejidad de la tarea.

La documentación describe un Bill Contract que deposita en escrow y distribuye pagos a nodos, proveedores de servicios, funciones de tesorería y pools de gobernanza, con una comisión de procesamiento del 2% para gas y archivado de disponibilidad de datos y el 5% de los pagos por tareas asignados a los participantes en la gobernanza. La captura de valor es por tanto dependiente del uso: dgai se vuelve más económicamente relevante si la demanda real de inferencia produce flujos de pago recurrentes, si el staking reduce la oferta libremente negociable y si las penalizaciones crean un riesgo creíble a la baja para los operadores de baja calidad.

El mecanismo de quema no se presenta como una quema amplia de comisiones comparable a la EIP‑1559 de Ethereum; está ligado principalmente a la garantía confiscada por mala conducta de nodos o tiempo de inactividad excesivo, con rangos de slashing documentados del 5% al 20% y quema de los tokens confiscados. (docs.dgrid.ai)

¿Quién está usando DGrid AI?

Las señales de uso más visibles para DGrid AI son del lado del producto y del lado del mercado, pero no son equivalentes. En el lado del producto lado de la red, ofrece un AI Gateway, AI Arena, un mercado de modelos, la interfaz de selección de modelos Dori, herramientas de agente DClaw y referencias de pago compatibles con x402; en el lado de mercado, dgai ha mostrado un alto volumen de negociación después del lanzamiento tanto en sedes centralizadas como descentralizadas. Esta distinción es importante porque el volumen en exchanges puede estar impulsado por creadores de mercado, incentivos de listado, actividad de airdrops o rotación especulativa, mientras que la utilidad genuina en cadena se reflejaría en solicitudes de pago sostenidas, desarrolladores recurrentes, operadores de nodos activos, volumen de unidades de cómputo liquidadas y participación en la gobernanza. El propio sitio web y la documentación de DGrid mencionan miles de interacciones diarias en partes del sistema y participación en AI Arena, pero esas afirmaciones aún no vienen acompañadas del tipo de analítica pública independiente que permitiría a los usuarios institucionales distinguir la demanda duradera del compromiso propio de la fase de lanzamiento. (docs.dgrid.ai)

La validación externa legítima es actualmente más sólida en el frente de financiamiento y conocimiento del ecosistema que en el de adopción empresarial. La base de datos de rondas de financiación de DefiLlama y ICO Analytics registran una ronda semilla de DGrid AI que incluye a Waterdrip Capital, IoTeX, Paramita Ventures, Zenith Capital, CatcherVC y otros inversionistas cripto-nativos, y el white paper oficial de MiCA describe un esfuerzo por buscar la admisión a negociación en la plataforma Payward Global Solutions operada por Kraken en Europa. Estas son señales significativas de visibilidad y preparación de cumplimiento, pero no equivalen a adopción en producción por grandes empresas ni a acuerdos de contratación a largo plazo para inferencia de IA. Hasta que DGrid publique estadísticas de uso auditadas, estudios de caso empresariales o ingresos en cadena verificables vinculados directamente a la liquidación de inferencia, la visión conservadora es que su base de usuarios actual es una mezcla de desarrolladores tempranos, evaluadores de la comunidad, participantes del token y especuladores de infraestructura, más que una base probada de clientes institucionales de IA. (defillama.com)

¿Cuáles son los riesgos y desafíos para DGrid AI?

DGrid AI tiene exposición regulatoria en varios frentes. Su white paper de MiCA establece que dgai es un criptoactivo distinto de un token de dinero electrónico o un token referenciado a activos y dice explícitamente que no califica como un “utility token” de MiCA porque su uso previsto va más allá del acceso a un bien o servicio suministrado únicamente por el emisor. El mismo documento también indica que dgai no otorga derechos legalmente exigibles de propiedad, participación en beneficios, gobernanza u otros derechos financieros tradicionales similares, pero esa renuncia no elimina el riesgo de clasificación en otras jurisdicciones. En Estados Unidos, el tratamiento de los criptoactivos sigue siendo específico a cada caso y puede depender de cómo se venden, se promocionan, se usan y se gobiernan los tokens; no se encontró ninguna acción de cumplimiento activa de la SEC o la CFTC específica de DGrid en las búsquedas realizadas para este explicador, pero la ausencia de una demanda no equivale a una autorización regulatoria afirmativa. El riesgo de centralización también es significativo porque el proyecto está en etapas tempranas, las asignaciones al equipo y a los inversionistas aún están sujetas a vesting, la participación de nodos todavía no está probada a gran escala y la dependencia de BNB Chain y de proveedores de modelos de IA centralizados o suministro de API podría limitar la descentralización práctica de la red. (static.dgrid.ai)

La amenaza competitiva es severa porque DGrid se sitúa en la intersección de varios mercados saturados. Compite con agregadores centralizados de API de IA y proveedores de nube a hiperescala en costo, fiabilidad, amplitud de modelos y experiencia de desarrollador; con redes descentralizadas de cómputo e IA en incentivos de tokens y suministro de nodos; y con mercados de modelos en distribución y monetización. Su afirmación técnica de que Proof of Quality puede proporcionar inferencia verificable también debe resistir comportamientos adversarios, colusión, manipulación de benchmarks, ataques Sybil y la subjetividad inherente de muchas salidas de LLM. Económicamente, el mayor riesgo es que la demanda de dgai no escale con el uso si los usuarios prefieren facturación en stablecoins, ruteo centralizado o modelos de suscripción fuera de cadena, o si los incentivos para nodos generan emisiones sin ingresos reales correspondientes. En ese escenario, la red podría tener una economía de tokens funcional pero con poca sustancia económica, con recompensas que reciclan el suministro de tokens en lugar de reflejar una demanda externa pagada. (docs.dgrid.ai)

¿Cuál es la perspectiva futura para DGrid AI?

El futuro de DGrid AI depende menos de la liquidez de su token a corto plazo y más de si puede convertir su hoja de ruta en un uso medible de infraestructura.

La hoja de ruta verificada apunta a una fase de gobernanza y expansión del ecosistema en 2026 que incluye un launchpad de agentes, la activación de la gobernanza en cadena y AI DAO 1.0, y el lanzamiento de un Mercado de Modelos y Agentes y DGrid Scan. Hitos anteriores en 2026 incluían el lanzamiento del DGrid AI Gateway, la integración de modelos de nivel empresarial, AI Arena, recompensas premium, integración x402, pagos multichain y acceso multichain al gateway.

Estos hitos crean una tesis de producto coherente, pero la parte difícil es la ejecución: DGrid debe demostrar que el ruteo descentralizado puede igualar la fiabilidad de las API centralizadas, que PoQ puede evaluar salidas de una forma en la que los usuarios confíen, que la liquidación en dgai no es simplemente una capa adicional de fricción y que los operadores de nodos pueden proporcionar capacidad duradera sin una dependencia excesiva de subsidios. (docs.dgrid.ai)

La perspectiva de la infraestructura es, por tanto, asimétrica pero no probada. Si DGrid puede publicar datos transparentes de volumen de solicitudes, tiempo de actividad de nodos, liquidación de comisiones, eventos de slashing, retención de desarrolladores e ingresos del marketplace, podría convertirse en una capa de middleware creíble para aplicaciones de IA nativas de cripto que necesitan pagos programables e inferencia auditable. Si esas métricas siguen siendo opacas, el activo será juzgado principalmente por la liquidez en exchanges y la fortaleza de la narrativa, que son cimientos más débiles para un protocolo cuya propuesta de valor declarada es una infraestructura de IA verificable.

No se justifica ningún pronóstico de precios; la cuestión institucional relevante es si DGrid puede demostrar que la inferencia de IA descentralizada no solo es técnicamente posible sino económicamente preferible a los gateways de modelos centralizados.