Diario de la Innovación

inteligencia-artificial

Alquilar tu ordenador para entrenar IA: el nuevo negocio que crece como alternativa a los centros de datos

Fotografía que ilustra la noticia: Alquilar tu ordenador para entrenar IA: el nuevo negocio que crece como alternativa a los centros de datos
(El Español)

La demanda de centros de datos para entrenar y ejecutar modelos de inteligencia artificial está tensando la industria tecnológica: escasez de chips, encarecimiento de componentes y un consumo energético disparado. Frente a ello, un puñado de proyectos emergentes propone una vía alternativa: alquilar la potencia de cómputo de ordenadores y servidores domésticos para crear una gran red distribuida de IA. La idea, que recuerda a las redes de computación voluntaria de hace dos décadas, ahora se convierte en un negocio con potencial de ingresos para los propietarios de hardware.

Por

De la computación voluntaria al alquiler de hardware

La computación distribuida entre miles de hogares no es nueva. IBM, con su proyecto World Community Grid, ya utilizaba la potencia sobrante de los procesadores de millones de ciudadanos para cederla a la investigación científica. De forma similar, SETI@Home, activo entre 1999 y 2020, aprovechaba ordenadores particulares para buscar señales de vida extraterrestre en datos de radiotelescopios.

La novedad es que esta idea deja de ser altruista para convertirse en una vía de ingresos. Plataformas como Evolving Edge, con sede en Austin (Texas), ya opera en fase beta, mientras que Far Labs, con su plataforma Far AI, se lanzará en las próximas semanas y cuenta con lista de espera. También se suman nombres como Bless Network, Salad o Gradient.

El objetivo común es alcanzar una escala suficiente para construir una red de dispositivos con capacidad de procesamiento siempre disponible. Una propuesta que, según sus impulsores, puede servir de apoyo a modelos de código abierto más pequeños, que distribuyen sus tareas para reducir presupuesto, y que además se presenta como un sistema más resiliente ante caídas o ciberataques, al no depender de un único punto central.

Cómo funciona y qué prometen los proyectos

La inferencia de IA, el proceso por el que un modelo entrenado analiza nuevos datos y da respuestas en tiempo real, es la carga de trabajo que se repartiría entre ordenadores gaming o servidores caseros inactivos. Far Labs explica que los desarrolladores pueden usar una API sencilla para ejecutar inferencias de IA en sistemas existentes, integrar la IA en productos y crear nuevas aplicaciones. Según la compañía, registrarse en su lista de espera lleva solo dos minutos y no tiene costes de instalación.

Entre las garantías que ofrecen está la protección de la privacidad: aseguran que el uso de la GPU no da acceso a los archivos ni al software local del propietario. Far Labs afirma que su software se diseña con el principio de 'privilegio mínimo', otorgando al inquilino y al propietario solo el acceso mínimo necesario para completar la tarea. Para generar confianza, han liberado el código fuente del software para que la comunidad de desarrolladores pueda supervisarlo.

En cuanto a los ingresos, Far Labs promete un retorno del 233% sobre la inversión en electricidad, con una estimación mensual de 4,41 dólares, aunque matizan que los pagos reales pueden variar según demanda, tiempo de actividad, precios y normas de la red. Gradient, por su parte, propone una arquitectura en tres capas: una capa de comunicación (Lattica) tipo red P2P de alta velocidad, una capa de ejecución (Parallax) que divide tareas de inferencia en fragmentos más pequeños para procesarlos en paralelo, y una capa de aprendizaje (Echo) que descentraliza los algoritmos de aprendizaje por refuerzo.

Privacidad y limitaciones del modelo

Uno de los puntos críticos de este modelo es la seguridad, tanto para los propietarios de los equipos como para las empresas que alquilan la potencia. Far Labs asegura que las cargas de trabajo se segmentan y solo se expone la información mínima necesaria a cada nodo. Además, las cargas de trabajo empresariales sensibles pueden restringirse a hardware controlado, evitando que se enruten a través de dispositivos de consumo.

La protección también actúa en sentido contrario: los proyectos que ejecutan IA en estas redes pueden exigir que los datos con los que trabaja el modelo no queden expuestos. Esta doble vía de protección es clave para que empresas con requisitos estrictos de privacidad consideren esta alternativa.

No obstante, los ordenadores particulares no pueden competir en potencia con los centros de datos de última generación. La viabilidad del modelo depende de que la red de dispositivos sea lo suficientemente amplia para que cada tarea pueda dirigirse a un nodo cercano, reduciendo la latencia. La escasez de componentes como chips de memoria, que encarece otros dispositivos como los móviles, y el aumento del consumo energético de los centros de datos tradicionales, alimentan el interés por esta vía descentralizada, que aún debe demostrar su capacidad para escalar y convertirse en una alternativa real a la infraestructura centralizada.