Resumen:
Microsoft está explorando una forma de utilizar la potencia informática inactiva de las computadoras de consumo comunes para entrenar modelos de inteligencia artificial. Según una solicitud de patente publicada recientemente, Microsoft propuso establecer una red informática distribuida para dividir las tareas de entrenamiento de modelos de IA a gran escala en una gran cantidad de tareas pequeñas y distribuirlas a computadoras de juegos, portátiles e incluso teléfonos inteligentes inactivos. Los usuarios que estén dispuestos a proporcionar potencia informática a sus equipos pueden recibir puntos, software gratuito, derechos de uso del modelo de IA e incluso recompensas en efectivo.
Esta tecnología se llama "Microentrenamiento oportunista en dispositivos perimetrales que utilizan la utilización de GPU de repuesto" (Microentrenamiento oportunista en dispositivos perimetrales que utilizan el uso de GPU de repuesto) y fue presentada por Microsoft Technology Licensing, una empresa de licencias de tecnología de Microsoft. La solicitud de patente fue presentada el 30 de abril de 2025 y publicada el 5 de noviembre de 2026, con el número US 2026/0349820 A1.
Microsoft señaló en los documentos de la solicitud que la demanda de GPU para el entrenamiento de modelos de inteligencia artificial continúa creciendo, lo que ha provocado una escasez de recursos informáticos y presión sobre el suministro de hardware. Al mismo tiempo, muchas PC para juegos están equipadas con potentes tarjetas gráficas discretas, pero estos dispositivos a menudo permanecen con poca carga durante largos períodos de tiempo cuando el usuario no está jugando. Microsoft espera integrar esta potencia informática inactiva dispersa para formar una red informática distribuida que pueda servir para el entrenamiento de IA.
La idea básica es diferente a la de los grandes centros de datos tradicionales. Las tareas de entrenamiento de IA a gran escala generalmente requieren que miles o incluso decenas de miles de GPU funcionen juntas. Microsoft propone primero analizar el modelo, establecer dependencias entre diferentes tareas informáticas y luego dividir todo el proceso de capacitación en múltiples tareas pequeñas relativamente independientes, las llamadas microtareas.
Luego, el sistema distribuye estas tareas a las PC que participan en la red según el rendimiento de la GPU, la capacidad de la memoria de video y el tiempo disponible de los diferentes dispositivos. Una vez que el dispositivo completa el cálculo, carga los resultados en el sistema central, donde el servidor los verifica, los integra y continúa promoviendo el entrenamiento posterior.
Para evitar que las diferencias de rendimiento entre diferentes dispositivos afecten la eficiencia general, Microsoft también ha diseñado un mecanismo dinámico de asignación de tareas. El sistema evaluará el costo de comunicación, la sobrecarga de memoria adicional y la frecuencia de transmisión de datos entre diferentes dispositivos después de la división de tareas, e intentará elegir un método de división de tareas adecuado para la ejecución distribuida.
Una de las características más importantes de este sistema es su capacidad para determinar cuándo la computadora del usuario está realmente inactiva. Microsoft planea monitorear continuamente la utilización de la GPU, el uso de la memoria de video, la carga del procesador, la temperatura del dispositivo y el consumo de energía, y usar estos datos para predecir la potencia informática disponible del dispositivo en el futuro.
Por ejemplo, cuando el usuario está ejecutando un juego grande, el sistema puede reducir la frecuencia de asignación de tareas o incluso suspender los cálculos por completo; cuando la computadora está en modo de espera de escritorio, la temperatura de la GPU es baja y la memoria de video es suficiente, se pueden asignar más tareas de capacitación. El sistema también ajustará la frecuencia de monitoreo de acuerdo con la situación real del equipo para evitar una carga adicional causada por las propias inspecciones frecuentes.
Microsoft enfatizó específicamente que el objetivo de diseño de todo el mecanismo es evitar afectar el uso normal de las computadoras por parte de los usuarios tanto como sea posible, incluida la reducción de la velocidad de ejecución de las aplicaciones, el aumento del calor del dispositivo y el consumo de energía de la batería. Las tareas asignadas a diferentes dispositivos también se ajustarán dinámicamente en función de sus capacidades de hardware. Los dispositivos con menor rendimiento o que pueden estar fuera de línea en cualquier momento solo realizarán tareas informáticas más pequeñas.
Para las redes informáticas distribuidas, otro problema difícil es cómo garantizar que los resultados devueltos por los dispositivos participantes sean confiables. Después de todo, las computadoras en la red pueden cometer errores de cálculo, desconectarse inesperadamente o incluso enviar resultados falsos intencionalmente.
Con este fin, Microsoft propuso realizar una validación cruzada de los resultados de los cálculos devueltos por diferentes dispositivos y otorgar diferentes pesos a los resultados devueltos según la confiabilidad pasada del dispositivo, la coherencia de los resultados con los resultados de los cálculos de otros dispositivos y la novedad de los datos. Los dispositivos que funcionan consistentemente a lo largo del tiempo recibirán mayor credibilidad, mientras que los dispositivos que frecuentemente presentan resultados anormales pueden ser degradados.
Por supuesto, lo más atractivo de esta patente para los usuarios comunes de computadoras es la posibilidad de recibir un pago por proporcionar potencia informática.
Según lo presentado en los documentos de solicitud, los usuarios deben registrarse activamente y autorizar explícitamente al dispositivo a participar en los cálculos. El sistema puede registrar la cantidad de trabajo informático realizado por cada dispositivo y compensar al propietario del dispositivo en función de la contribución. Estas compensaciones pueden tomar la forma de puntos de cuenta, que los usuarios pueden canjear por software gratuito, acceso a modelos de IA en entrenamiento o simplemente recibir dinero en efectivo.
Vale la pena señalar que Microsoft no anunció estándares de compensación específicos en el documento, ni explicó cuántos ingresos pueden generar las diferentes tarjetas gráficas por hora. La patente sólo describe posibles mecanismos de incentivos y no significa que Microsoft esté listo para lanzar un servicio pago para los consumidores.
Además, este sistema no necesariamente sirve solo para los propios modelos de IA de Microsoft. La patente también describe un posible modelo en el que una organización de terceros proporciona tareas de capacitación y Microsoft es responsable de conectar a los solicitantes de tareas y los propietarios de dispositivos personales. En otras palabras, Microsoft tiene la oportunidad de convertirse en una plataforma intermedia en el mercado de potencia informática de GPU distribuida, permitiendo a las empresas que carecen de recursos informáticos alquilar potencia de GPU inactiva en computadoras de consumo comunes.
Sin embargo, este modelo también tiene algunos problemas prácticos. En primer lugar, el hecho de que la GPU esté inactiva no significa que la ejecución de tareas informáticas no consuma energía. Una vez que la tarjeta gráfica comienza a realizar tareas de entrenamiento de IA, el consumo de energía de toda la computadora puede aumentar significativamente y el usuario deberá pagar facturas de electricidad adicionales. Si el monto de la compensación no es suficiente para cubrir el costo de la electricidad, es posible que los participantes no puedan obtener ganancias reales.
En segundo lugar, ejecutar tareas informáticas de alta carga durante mucho tiempo aumentará la generación de calor y la presión de disipación de calor de la tarjeta gráfica, y también puede afectar el uso de hardware como ventiladores y sistemas de suministro de energía. Incluso si el sistema puede ajustar dinámicamente las tareas según la temperatura, el efecto operativo real aún debe verificarse mediante pruebas a largo plazo.
La seguridad de los datos también merece atención. Los ordenadores personales recibirán tareas informáticas de terceros. Cómo aislar el código externo, proteger los archivos locales y la privacidad del usuario, y cómo evitar que tareas maliciosas aprovechen las vulnerabilidades del dispositivo son cuestiones que deben resolverse en este tipo de red informática distribuida.
Hay otro detalle que fácilmente se pasa por alto: aunque la solicitud de patente menciona el pago de una compensación al propietario del equipo, la compensación correspondiente no aparece en sus 20 reivindicaciones. En otras palabras, la patente se centra en cómo dividir las tareas de capacitación, monitorear el estado inactivo del equipo, asignar trabajo informático y verificar los resultados, mientras que el mecanismo de pago es solo una implementación opcional descrita en la especificación.
Actualmente, Microsoft no ha anunciado el lanzamiento de este servicio, ni ha anunciado los modelos de tarjetas gráficas compatibles, las condiciones de participación, los estándares de remuneración ni la hora oficial de lanzamiento. La publicación de una solicitud de patente en sí no significa que productos relacionados entrarán definitivamente en el mercado.
Si esta idea finalmente se hace realidad, su modelo puede recordar a los primeros proyectos de computación distribuida, como Folding@home, que utiliza la potencia informática inactiva de las computadoras personales para participar en investigaciones científicas. La diferencia es que Microsoft espera comercializar aún más este modelo y hacer que las computadoras para juegos de los consumidores comunes formen parte de la infraestructura informática de la industria de la IA.
Para los usuarios con tarjetas gráficas de alto rendimiento, es posible que en el futuro las computadoras ya no se utilicen solo para juegos, renderizado e inferencia de IA local. Cuando la computadora no está en uso, la GPU inactiva también puede convertirse en un recurso informático que se puede alquilar. Sin embargo, la formación de un modelo de negocio realmente atractivo todavía depende de si la remuneración es suficiente para cubrir las facturas de electricidad, las pérdidas de hardware y la confianza de los usuarios en la seguridad y privacidad de los dispositivos.
Comentarios