Por Canuto  

Dos startups quieren pagar a los propietarios de PC gamer por usar sus GPU inactivas en tareas de inferencia de IA, pero la electricidad, la seguridad y la rentabilidad todavía dejan grandes interrogantes.
***

  • Far Labs y Evolving Edge preparan redes para distribuir inferencia de IA entre computadoras personales inactivas.
  • El aislamiento mediante sandbox y la comunicación cifrada buscan reducir los riesgos de entregar recursos locales a terceros.
  • Los costos eléctricos y antecedentes cuestionables de proyectos similares ponen en duda cuánto ganarían realmente los usuarios.

La capacidad de cómputo que permanece inactiva en millones de computadoras gamer está comenzando a atraer a empresas que quieren utilizarla para inteligencia artificial. Far Labs y Evolving Edge desarrollan mercados donde los propietarios podrían alquilar sus GPU para ejecutar tareas de inferencia mientras sus equipos no están en uso, aunque el modelo todavía no demuestra que sea rentable para todas las partes.

La propuesta se parece a un servicio de alojamiento bajo demanda, pero en lugar de ofrecer una habitación o un vehículo pone a trabajar el hardware doméstico. Según Tom’s Hardware, que cita un informe de IEEE Spectrum, Far Labs prevé lanzar su plataforma Far AI en las próximas semanas y asegura que puede mantener una latencia de 100 milisegundos o menos, mientras Evolving Edge afirma operar una beta abierta.

Un mercado para GPU que permanecen inactivas

Ilman Shazhaev, fundador y CEO de Far Labs, describió el concepto como un modelo similar a Uber o Airbnb para tareas de computación de inferencia de IA. La inferencia es la fase en la que un modelo ya entrenado procesa una solicitud y genera una respuesta, por lo que no requiere necesariamente la gigantesca infraestructura utilizada para desarrollar los sistemas de inteligencia artificial más avanzados.

Las dos startups apuntan a modelos de código abierto relativamente pequeños, en lugar de intentar competir directamente por cargas de trabajo de escala fronteriza. Esa decisión reduce las exigencias técnicas y permite utilizar tarjetas gráficas de consumo, un segmento que ya cuenta con redes como Salad, una plataforma que afirma tener más de 60.000 GPU de consumidores activas diariamente.

Far Labs utiliza un programador propietario que divide los modelos en fragmentos distribuidos entre varias máquinas. Después, un orquestador y un balanceador de carga coordinan los resultados parciales para reconstruir una respuesta, un proceso que podría ampliar la capacidad disponible, aunque también introduce dependencias de red y coordinación entre dispositivos que no se encuentran en un centro de datos convencional.

Evolving Edge, por su parte, distribuye los trabajos mediante Ray, un marco de código abierto que también se utiliza dentro de centros de datos tradicionales. La estrategia busca convertir equipos dispersos en una infraestructura flexible, pero su desempeño real dependerá de la conexión de cada anfitrión, la disponibilidad de su computadora y la capacidad de la red para compensar fallos o variaciones de rendimiento.

Seguridad y control sobre las computadoras

Permitir que una carga de trabajo de un tercero se ejecute en una computadora personal genera riesgos evidentes para los anfitriones. Un programa malicioso podría intentar acceder a archivos locales, aprovechar vulnerabilidades del sistema o utilizar recursos que no forman parte del acuerdo, especialmente si el software de coordinación no establece límites verificables.

Far Labs y Evolving Edge plantean el aislamiento como respuesta principal a esas amenazas. Sus propuestas ejecutan la inferencia dentro de entornos sandbox, utilizan comunicación cifrada y fijan restricciones sobre el acceso a la GPU, la CPU, la memoria, el almacenamiento y la red, mientras los clientes no reciben acceso directo al equipo anfitrión.

Evolving Edge también publicó el código de su software de nodo para que los propietarios puedan auditar qué se ejecuta en su hardware. Esa decisión puede favorecer la confianza de los usuarios técnicos, aunque la publicación del código no elimina por sí sola los riesgos asociados con su instalación, sus dependencias, las actualizaciones futuras o la configuración específica de cada computadora.

El desafío consiste en convencer a los jugadores de que el ingreso compensa el desgaste del equipo y la exposición operativa. Una red distribuida necesita miles de participantes disponibles, pero cada anfitrión debe tomar una decisión individual sobre privacidad, seguridad, consumo eléctrico y el posible impacto de mantener una tarjeta gráfica bajo carga durante largos periodos.

La rentabilidad todavía no está probada

Salad comercializa capacidad de GPU de consumo a clientes mediante tarifas que varían según el modelo y la disponibilidad. El propietario de la tarjeta recibe solo una parte después de la comisión de la plataforma. En 2021, un análisis citado por Tom’s Hardware estimó que la compañía había generado aproximadamente USD $3,6 millones con las computadoras de sus usuarios mientras distribuía USD $500.000 en recompensas, equivalente a cerca de USD $0,14 por cada dólar generado para quienes aportaban el silicio.

La electricidad reduce aún más ese ingreso potencial, sobre todo cuando la tarjeta opera continuamente. Una RTX 4090 consume entre 350 y 450 vatios bajo una carga sostenida, lo que representa aproximadamente USD $40 a USD $50 mensuales con una tarifa de USD $0,15 por kilovatio-hora si funciona las 24 horas; por debajo de ese nivel, el usuario estaría pagando por mantener activo el servicio.

El informe no precisa cuánto pagarán Far AI o Evolving Edge a los anfitriones, de modo que todavía no es posible calcular un rendimiento neto. La tarifa anunciada para los clientes, la comisión de la plataforma, la duración de cada tarea, el consumo del resto del equipo y el precio local de la energía determinarán si el modelo ofrece un ingreso atractivo o apenas cubre sus costos.

Los fundadores sostienen que las redes distribuidas pueden resistir fallos que paralizarían una nube centralizada. John Federico, fundador y CEO de Evolving Edge, mencionó una interrupción de AWS ocurrida en octubre de 2025 que dejó camas inteligentes conectadas a Internet atascadas en posición vertical, y afirmó que su red podría perder 100 de 250.000 nodos sin que el sistema dejara de funcionar.

El problema de la credibilidad en la IA distribuida

La resistencia a fallos no resuelve por sí misma la pregunta central: si la red produce trabajo útil a un costo competitivo. Distribuir inferencia entre computadoras domésticas puede aumentar la disponibilidad, pero también exige medir latencia, ancho de banda, confiabilidad, privacidad y calidad de servicio con una precisión que los modelos de marketing todavía no sustituyen.

Un preprint de investigación publicado en junio aseguró que Pearl, una blockchain promocionada como una forma de transformar la minería de criptomonedas en trabajo de IA, ejecutó el equivalente a 320.000 GPU de clase RTX 3090 en cálculos de matrices aleatorias sin producir computación de inteligencia artificial útil. Ese caso alimenta la preocupación de que algunas redes puedan exhibir una gran cantidad de capacidad aparente sin demostrar resultados verificables.

Far Labs y Evolving Edge intentan diferenciarse de ese enfoque porque enrutan trabajos reales de inferencia de clientes, en lugar de repartir recompensas en tokens por tareas cuya utilidad resulta difícil de comprobar. Aun así, la diferencia deberá probarse con operaciones sostenidas, métricas independientes y clientes capaces de confirmar que recibieron respuestas correctas dentro de los tiempos prometidos.

Por ahora, las afirmaciones sobre costos y latencia siguen sin verificación pública a escala. Si las plataformas consiguen coordinar hardware heterogéneo, proteger los equipos y pagar más que el consumo eléctrico, podrían abrir una nueva fuente de capacidad para modelos pequeños; si no, el supuesto Airbnb de la IA podría terminar siendo otro negocio en el que la plataforma captura el valor y el usuario asume la factura.

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