Michael Heinrich, cofundador y director ejecutivo de 0G – Serie de entrevistas

Michael Heinrich, cofundador y director ejecutivo de 0G, es un emprendedor en serie, inversor y ejecutivo tecnológico centrado en crear infraestructura descentralizada para la inteligencia artificial. En 0G, lidera el desarrollo de una infraestructura concebida para que la IA sea más abierta, verificable y accesible. Heinrich también es presidente ejecutivo de ZeroStack Corp. y lleva más de una década como instructor y mentor en Stanford University, donde contribuye a programas de emprendimiento, capital de riesgo e innovación. Además, es socio de capital de riesgo e inversor ángel de Pioneer Fund, y ha invertido en empresas y proyectos como Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI y Binance. Anteriormente, Heinrich fundó Garten, una empresa de bienestar laboral que antes se llamaba Oh My Green, y ocupó cargos en Bridgewater Associates, Bain & Company, SAP Labs, Microsoft y J.P. Morgan. Estas experiencias le dieron una trayectoria en emprendimiento, tecnología, finanzas, estrategia e inversión de capital de riesgo.

0G está desarrollando una pila de infraestructura descentralizada para IA que aspira a servir como capa de confianza para la inteligencia artificial y permitir que las cargas de trabajo de IA se ejecuten, almacenen y verifiquen sin depender por completo de proveedores centralizados. Su arquitectura integra cómputo verificable, almacenamiento descentralizado cifrado, inferencia privada de IA y una cadena de bloques de capa 1, nativa para IA y compatible con EVM. Así, proporciona infraestructura para aplicaciones que abarcan desde agentes autónomos de IA y modelos descentralizados hasta mercados de IA y economías de máquinas. La plataforma está diseñada con una arquitectura modular que permite a los desarrolladores usar componentes individuales, como el almacenamiento o el cómputo, de forma independiente, y también admite aplicaciones de IA completamente en cadena, en las que los datos, los modelos y las acciones pueden auditarse y verificarse. Con este enfoque, 0G busca proporcionar la infraestructura subyacente para un ecosistema de IA más abierto y transparente, en el que los desarrolladores, las empresas y los usuarios conserven un mayor control sobre los recursos de IA y los datos.

Antes de cofundar 0G, creaste y dirigiste Garten y trabajaste en los ámbitos del software, las finanzas, la inversión de capital de riesgo y el emprendimiento. ¿Qué observaste en el campo de la IA que te convenció de fundar 0G en 2023, y cómo influyeron esas experiencias anteriores en tu visión de la empresa?

A lo largo de mi carrera, he pasado de un mundo a otro, aunque rara vez se comunican entre sí. Al principio de mi trayectoria, escribí software en SAP y Microsoft. Después me dediqué a las finanzas: primero estudié los mercados de capitales mundiales mientras investigaba en Harvard Business School y, luego, trabajé en Bain y Bridgewater, donde viví desde dentro la crisis de 2008. Esa experiencia me llevó a fundar Garten, una empresa de Y Combinator.

Cada etapa me enseñó la misma lección desde una perspectiva distinta: cuando un sistema concentra el control y oculta su funcionamiento interno, quienes dependen de él son los últimos en enterarse de que está fallando.

Así que, en 2023, vi cómo se perfilaba una tendencia en la IA a una velocidad que nunca había observado en ningún otro mercado. Los modelos eran asombrosos, pero la infraestructura que los sustentaba estaba concentrada en manos de unas pocas empresas y, lo que es más importante, no se podía inspeccionar qué se ejecutaba, adónde iban los datos ni cuánto costaba realmente el cómputo. Al mismo tiempo, el capital necesario para participar aumentaba de forma compuesta cada trimestre. Para alguien que había visto desarrollarse la crisis de 2008, aquello parecía apalancamiento sobre una caja negra, mientras todos daban por sentado que la caja negra funcionaba bien.

Por eso, el rumbo de 0G surgió de una pregunta financiera que no me dejaba en paz: «¿Qué ocurre cuando el insumo más importante de la economía carece de un mercado transparente y de verificación independiente?». Junto con mis cofundadores Thomas Yao, Fan Long y Ming Wu, respondimos a esa pregunta creando 0G.

La respuesta es una capa de confianza para la IA: una pila unificada que reúne cómputo privado, nuestros propios modelos 0gm de pesos abiertos, mecanismos de protección como la alineación de inferencia dispersa y la verificación Tee, almacenamiento cifrado y una cadena de bloques diseñada específicamente para cargas de trabajo de IA. Aquí se verifican y auditan las tareas de IA, desde la inferencia hasta las acciones de los agentes.

Las empresas de IA están destinando cantidades enormes de capital a GPU, centros de datos y energía. ¿Qué está cambiando fundamentalmente en la economía del cómputo? ¿Crees que el acceso al cómputo podría llegar a ser tan importante estratégicamente como el acceso al capital o a la energía?

El cómputo ya está adquiriendo una importancia estratégica comparable a la del capital o la energía. Los cuatro mayores hiperescaladores comprometieron más de 500.000 millones de dólares en gastos de capital para IA solo en 2025, y van camino de duplicar esa cifra este año. Eso ya no es un presupuesto tecnológico: es gasto en infraestructura nacional gestionado por un puñado de empresas privadas.

El cambio fundamental es que el cómputo se ha convertido en el principal factor limitante de la propia inteligencia. Toda mejora de los modelos, cada agente y cada producto dependen, en última instancia, de las horas de uso de GPU. Cuando un solo insumo condiciona todo lo que viene después, deja de comportarse como una materia prima que se compra y empieza a comportarse como un capital que se posee. El acceso al cómputo determina ahora qué empresas, universidades y países pueden desarrollar soluciones.

Lo curioso es que este activo no tiene un mercado propio. La capacidad de cómputo se produce a gran escala, se alquila en todo el mundo y se fija su precio a diario; sin embargo, no hay forma de adquirir derechos sobre ella, cubrirse frente a sus riesgos ni asignarla de manera transparente. El capital tiene mercados. La energía tiene mercados. La capacidad de cómputo se contrata mediante acuerdos de compra con un puñado de proveedores.

Todos los recursos escasos siguen el mismo recorrido: primero se producen, luego se les pone precio y, después, se financian. Eso ocurrió con el petróleo. También con la electricidad. Y con el ancho de banda. La capacidad de cómputo está entrando ahora en esa tercera etapa, y construir la infraestructura financiera que la sustente es uno de los proyectos de infraestructura que definirán esta década.

0G está introduciendo la idea de que la capacidad de cómputo se puede poseer, generar y utilizar, en lugar de simplemente comprar como un servicio en la nube. En términos prácticos, ¿qué significa convertirla en un activo y cómo podría cambiar la relación entre los proveedores de infraestructura, los desarrolladores y las empresas de IA?

Pensemos en cómo funciona cualquier otro activo productivo. Las acciones generan dividendos. Los bonos pagan cupones. Las Finanzas del Cómputo, término que acuñamos como ComFi, aplican esa misma lógica a la capacidad de cómputo. En lugar de pagar simplemente por acceder a GPU, puedes tener una posición que te dé acceso a capacidad de cómputo para IA que realmente puedas utilizar.

En la práctica, pones un activo a trabajar y, a cambio, recibes capacidad de cómputo para IA. Esta puede servir para todo tipo de tareas, desde ejecutar modelos de forma privada hasta crear y lanzar aplicaciones de IA. Todo esto funciona sobre la cadena de bloques de 0G. Los usuarios hacen staking —es decir, bloquean— de 0G como garantía, reciben a0G, acuñan iAI y, después, comprometen ese iAI para obtener capacidad de cómputo que pueden utilizar en distintos servicios de IA.

El objetivo es que la capacidad de cómputo sea algo que se pueda poseer, generar y utilizar, en lugar de alquilarla simplemente por horas a un proveedor de servicios en la nube. Con los parámetros iniciales, los usuarios pueden comprometer iAI y recibir créditos de cómputo por valor de más de 1 $ al día en los servicios de IA compatibles de 0G. La garantía subyacente permanece bloqueada mientras la posición está activa y se puede recuperar cuando se quema el iAI.

Lo importante es que los usuarios no reciben dinero en efectivo ni un rendimiento financiero. Reciben acceso a capacidad de cómputo que realmente pueden utilizar.

Esto cambia la relación entre los proveedores de infraestructura, los desarrolladores y las empresas de IA. Los proveedores de infraestructura obtienen una nueva forma de ofrecer su capacidad de cómputo, más allá de los contratos tradicionales de servicios en la nube. Los desarrolladores obtienen un recurso más previsible, que pueden tener en cuenta al planificar y elaborar presupuestos. Las empresas de IA pueden asegurarse el acceso a capacidad de cómputo y planificar en consecuencia, en lugar de tratarla simplemente como un gasto controlado por un puñado de proveedores.

Y, como funciona sobre la capa de confianza de 0G, el uso de la capacidad de cómputo se puede verificar y auditar, en lugar de basarse simplemente en un «confíen en nosotros»

Presentamos ComFi como una categoría abierta para la industria de la IA, no como una marca propietaria. Ascend e iAI son las primeras implementaciones de esta idea, y habrá más en la red de 0G.

0G Compute funciona como un mercado descentralizado en el que los proveedores de GPU pueden competir por ofrecer servicios para cargas de trabajo de IA. ¿Qué ventajas económicas puede ofrecer este modelo frente a depender de un puñado de proveedores de servicios en la nube a gran escala, sobre todo cuando la demanda de GPU es alta?

Destacamos tres ventajas que se hacen más evidentes cuando escasean las GPU: el descubrimiento de precios, la elasticidad y la ausencia de dependencia de un proveedor.

1. Descubrimiento de precios: En 0G Compute, los proveedores fijan sus propios precios y compiten por las cargas de trabajo. El resultado puede ser una reducción considerable de los costos: la inferencia con modelos abiertos comparables cuesta hasta un 95 % menos, mientras que nuestra capa de almacenamiento cuesta más de un 90 % menos que AWS S3. Una parte de ese ahorro se debe a la competencia; otra, a poner a trabajar la capacidad de GPU ociosa y ejecutar modelos abiertos, en lugar de modelos de frontera cerrados en infraestructura dedicada.

2. Elasticidad: La capacidad de los grandes proveedores de servicios en la nube se planifica con años de anticipación y se asigna mediante relaciones a largo plazo. Un mercado puede captar oferta de cualquier lugar, incluidos operadores independientes, clústeres académicos y empresas con equipos sin utilizar. Cuando se dispara la demanda, los precios más altos pueden atraer más oferta. Una cola fija solo se hace más larga.

3. Sin dependencia de un proveedor: Todos los proveedores de nuestra red ofrecen la misma API compatible con OpenAI a través de un único enrutador, que cambia automáticamente a otro proveedor si uno deja de funcionar. Actualmente, eso significa 13 proveedores que ofrecen cientos de modelos a través de un único punto de acceso, con más de 373.000 millones de tokens procesados y 27 millones de solicitudes de inferencia. Los desarrolladores pueden cambiar de proveedor modificando un encabezado, sin necesidad de emprender un proyecto de migración.

También hay un dato que suele pasar desapercibido. Nuestro propio modelo, 0GM-1.0, es el segundo modelo más utilizado en la red en los últimos 30 días, solo por detrás de DeepSeek. Que el propio modelo abierto de una red descentralizada compita en uso con los mejores modelos abiertos del mundo demuestra que el mercado puede funcionar a gran escala.

Los grandes proveedores de servicios en la nube hacen muy bien su trabajo. Pero, cuando las GPU son el recurso más escaso de la IA, contar con más fuentes de capacidad de cómputo puede ofrecer un modelo de suministro muy distinto de limitarse a esperar a que esos proveedores amplíen su capacidad.

Uno de los retos de la infraestructura descentralizada es garantizar que un cómputo más barato y distribuido de forma más amplia no vaya en detrimento de la fiabilidad. ¿Cómo determina 0G si un proveedor de cómputo ha ejecutado correctamente una carga de trabajo de IA?

Es una pregunta excelente, y la respuesta distingue un mercado de cómputo real de un sistema en el que simplemente hay que confiar en un proveedor como AWS, Google Cloud o Microsoft Azure. Diseñamos 0G para que nunca tengas que fiarte de lo que diga un proveedor.

El nivel privado de 0G funciona dentro de un entorno de ejecución de confianza sellado. El hardware genera una atestación que muestra qué modelo y qué código se están ejecutando, y firma cada respuesta con una clave que solo existe dentro de ese entorno. Un cliente puede verificar la firma con la atestación y confirmar que el modelo especificado se ejecutó en el proveedor especificado sin modificaciones. Ni 0G ni el proveedor pueden ver la instrucción ni la respuesta. En todos los niveles, 0G no conserva instrucciones ni respuestas y no entrena con tus datos.

En el nivel verificado, las solicitudes se dirigen al modelo de origen previsto, por lo que sabes qué modelo respondió, incluso cuando el propio proveedor está centralizado. Estos niveles se definen para cada solicitud y la red los hace cumplir. Si una solicitud requiere un proveedor compatible con la privacidad y no hay ninguno disponible, falla en lugar de pasar silenciosamente a otro nivel. Los niveles honestos importan más que los niveles de marketing.

El pago está vinculado a una prueba. Los fondos se retienen hasta que se entrega el resultado firmado. Hasta ahora, la red ha registrado más de 24,9 millones de pruebas TEE, y el marco también admite la verificación optimista y la de conocimiento cero para cargas de trabajo en las que esos enfoques resultan más adecuados que la atestación de hardware.

La fiabilidad se gestiona de forma directa, con conmutación automática por error entre proveedores y datos en tiempo real sobre el estado y la latencia. La red subyacente está diseñada para que la verificación y la liquidación no se conviertan en un cuello de botella.

La economía de la infraestructura de IA está cada vez más ligada a la disponibilidad de electricidad. A medida que siguen creciendo los modelos y las cargas de trabajo de inferencia, ¿prevés que la energía se convierta en la principal limitación del cómputo de IA, por encima de las propias GPU, y cómo podría ayudar la infraestructura descentralizada a resolver ese cuello de botella?

La energía y el cómputo están definitivamente interrelacionados, y cada uno afecta al otro; además, ya se están produciendo cuellos de botella provocados por la energía. En el norte de Virginia, más de 3 GW de demanda de centros de datos se desconectaron repentinamente de la red eléctrica en julio, lo que puso de relieve la presión que las cargas concentradas de los centros de datos pueden ejercer sobre la infraestructura eléctrica.

Se prevé que el consumo eléctrico de los centros de datos de IA se duplique de aquí a 2030, y la AIE calcula que el consumo mundial de los centros de datos aumentará más del doble, hasta alcanzar alrededor de 945 teravatios-hora en 2030, impulsado principalmente por la IA. Se pueden construir más GPU más rápido de lo que se puede construir la infraestructura eléctrica necesaria para alimentarlas.

La IA centralizada agrava este problema al concentrar la demanda en un pequeño número de centros de datos gigantescos, cada uno de los cuales requiere enormes cantidades de energía y nueva infraestructura de red eléctrica.

La infraestructura descentralizada puede ayudar a aliviar esta limitación creciente al situar las cargas de trabajo allí donde ya hay energía y capacidad de cómputo. Esto puede incluir centros de datos regionales, instalaciones industriales con capacidad disponible o energía renovable que, de otro modo, no se aprovecharía. En lugar de llevar más energía a unos pocos campus gigantescos, se puede trasladar la carga de trabajo allí donde ya hay energía infrautilizada.

Para que quede claro, esto no elimina la limitación energética, pero puede permitir aprovechar mejor la infraestructura energética y de cómputo existente.

0G utiliza mecanismos como los entornos de ejecución de confianza, la verificación optimista y las técnicas de conocimiento cero para que el cómputo de IA sea verificable. ¿En qué ámbitos crees que la verificación criptográfica cobrará más importancia a medida que los agentes autónomos de IA empiecen a tomar decisiones y ejecutar transacciones sin supervisión humana continua?

La verificación importa más justo cuando una persona deja de supervisar. Una persona revisa los resultados de un copiloto. En el caso de un agente autónomo, no es así. Cuando un agente puede tomar decisiones, firmar transacciones, custodiar fondos o interactuar con otros agentes, es necesario saber qué agente está actuando, qué modelo ejecuta y si hizo lo que debía.

Ahí es donde cobra importancia la verificación criptográfica. Cuando un agente funciona dentro de un entorno de ejecución de confianza, se puede obtener un registro firmado que indique qué modelo tomó una decisión y qué datos de entrada utilizó. La cadena de bloques es una capa de confianza ideal porque es inmutable, solo permite añadir registros y puede rastrear la procedencia. La cadena de bloques ofrece un registro compartido de esas pruebas, de modo que desarrolladores, auditores y contrapartes pueden verificar lo ocurrido sin confiar en la versión de los hechos de una sola parte.

El mismo principio se aplica cuando los agentes empiezan a interactuar entre sí a gran escala. No se puede tener a una persona revisando cada decisión o transacción. La verificación, la capacidad de auditoría y la confianza deben formar parte de la propia infraestructura. El objetivo es sencillo: en lugar de preguntarse si un agente afirma haber seguido las reglas, se puede demostrar que lo hizo.

Gran parte de la competencia actual en infraestructura gira en torno a la construcción de centros de datos centralizados cada vez más grandes. ¿Representa la computación descentralizada para IA una alternativa a ese modelo, o considera que, en última instancia, las redes descentralizadas y los hiperescaladores serán partes complementarias de un mismo mercado mundial de computación?

Diría que son complementarios y que la distribución se parecerá mucho a la red eléctrica. Los hiperescaladores son la carga base. Se les da muy bien gestionar cargas de trabajo masivas, previsibles y sensibles a la latencia para las empresas más grandes, y deberían seguir haciéndolo. Las redes descentralizadas pueden complementarlos al absorber la demanda variable, poner en funcionamiento capacidad de computación distribuida y que de otro modo quedaría sin usar, y dar acceso a capacidad de GPU a más empresas.

Las redes descentralizadas son una alternativa real por la confianza que ofrecen. La concentración es un problema económico, pero también de visibilidad. Cuando un puñado de empresas gestiona la infraestructura, también controla lo que uno puede ver. Un hiperescalador puede prometer que no examinará tus datos. Un enclave sellado con certificación pública puede demostrarlo. Esa propiedad no mejora por tener un centro de datos más grande. Se deriva de incorporar la verificación a la propia infraestructura.

Ya vemos ambos modelos funcionar en paralelo. Google Cloud y Alibaba Cloud estuvieron entre nuestros principales socios para el lanzamiento de la red principal. Las empresas quieren poder dirigir una carga de trabajo a un hiperescalador, un proveedor descentralizado o su propio hardware, según el precio, los requisitos de privacidad y el nivel de verificación que necesiten.

Así es como vemos que evoluciona el mercado: no con un modelo que sustituya a los demás, sino con un mercado mundial de computación en el que las cargas de trabajo puedan trasladarse entre distintas fuentes de infraestructura según lo que requiera cada tarea.

A medida que los agentes de IA se conviertan en actores económicos capaces de comprar servicios y gestionar recursos de forma autónoma, ¿podría la computación misma formar parte de una economía entre máquinas, en la que los agentes adquieran infraestructura dinámicamente según el precio, el rendimiento y la disponibilidad?

Ya hemos visto algunos ejemplos pequeños de esto en nuestra red. La mayoría de las solicitudes a través de 0G Compute no provienen de una persona que hace clic en un botón. Proceden de aplicaciones y agentes que llaman a una API, pagan por solicitud con un saldo prefinanciado y son dirigidos al proveedor que mejor se ajusta a la tarea. Cerca de 43.000 carteras han pagado por inferencia de esta manera, y más de 300 proyectos se han desarrollado sobre 0G. Ghast AI, por sí sola, ha procesado más de 100.000 millones de tokens a través de 0G Compute. NeoSoul opera millones de agentes en 0G y BNB Chain, otra red de cadena de bloques. Hoy ya se toman decisiones de enrutamiento como elegir un proveedor más barato para un trabajo por lotes y un enclave privado para una tarea sensible.

Para que exista una verdadera economía de máquinas, hacen falta elementos que los seres humanos dan por sentados: una identidad, una forma de reservar recursos por adelantado y una unidad de cuenta. Los agentes necesitan una identidad que funcione en distintos servicios, y eso es lo que 0G’s Agentic ID está diseñado para ofrecer. También necesitan una forma de asegurar capacidad de computación por adelantado, en lugar de pagar por cada solicitud, para poder planificar y operar de manera autónoma.

Ese es uno de los motivos por los que creamos Compute Finance. Cuando se puede obtener capacidad de computación participando en la red y gastarla en distintos servicios de IA, un agente puede recibir fondos una sola vez y utilizar la capacidad que necesita sin que una persona tenga que recargar una cuenta en la nube. Ascend e Infinite AI son las primeras implementaciones. La economía de máquinas se construirá sobre ellas gracias a personas que aún no conocemos.

El requisito de seguridad no es negociable. Cada una de esas decisiones automatizadas debe dejar un rastro verificable e incorporar salvaguardas de seguridad. Una economía de máquinas sin comprobantes no es más que una forma más rápida de perder dinero y provocar un desastre de seguridad que pase inadvertido.

De cara a los próximos cinco años, ¿cómo espera que evolucione el mercado de la computación para IA? ¿Las empresas seguirán pensando principalmente en términos de alquilar GPU y capacidad en la nube, o nos encaminamos hacia un mercado mundial más líquido, donde la capacidad de computación pueda poseerse, intercambiarse, monetizarse y asignarse dinámicamente?

No creo que el alquiler desaparezca, del mismo modo que el arrendamiento no desapareció cuando maduró la financiación de equipos. Pero ya no es la única opción, y dejará de ser la única manera en que los actores importantes conciban la computación como un recurso.

A medida que esto evolucione, espero que la computación desarrolle una infraestructura financiera similar a la de cualquier otro insumo estratégico. Las empresas mantendrán posiciones en capacidad de computación, como mantienen contratos de energía o divisas. Los proveedores venderán capacidad en un mercado abierto, en vez de negociar un contrato cada vez. La computación tendrá precios según la carga de trabajo y el nivel de confianza, porque la inferencia privada verificada y la inferencia no verificada son productos distintos. Y una proporción cada vez mayor de los compradores serán agentes, no equipos de compras.

Para eso existe Compute Finance (ComFi). Lanzamos Ascend y anunciamos Infinite AI en el primer aniversario de nuestra red principal porque la secuencia ya está clara. Se produce capacidad de computación. Se le asigna un precio. El siguiente paso es una capa financiera en la que los derechos sobre esa capacidad puedan mantenerse, obtenerse, gastarse e intercambiarse, y en la que cada unidad deje un registro verificable. Estamos convirtiendo deliberadamente ComFi en una categoría abierta, en lugar de una marca exclusiva, porque un mercado con un solo participante no es un mercado.

Lo que hace posible todo esto no es una GPU mejor. Es la capa de confianza: la prueba de qué se ejecutó, la prueba de quién lo ejecutó y una liquidación que se realiza conforme a esa prueba. Una vez que el cómputo es verificable, se vuelve lo bastante fungible como para financiarse. Una vez que puede financiarse, adquiere liquidez. Los próximos cinco años serán el periodo en que la industria dejará de tratar el recurso más importante de la economía como una partida contable.

Gracias por esta excelente entrevista. Los lectores que deseen saber más pueden visitar 0G.