El crecimiento acelerado de la inteligencia artificial y la demanda de capacidad en datacenters que albergan servicios como ChatGPT, Claude o Gemini están generando una presión creciente sobre estos centros. A la contra, proliferan voces que señalan impactos ambientales—alto consumo de electricidad y agua—y efectos en comunidades cercanas, proponiendo una alternativa: aprovechar la potencia de cómputo ociosa de equipos domésticos, desde computadoras personales y consolas gaming hasta servidores caseros.
Un artículo de IEEE Spectrum revisa cómo varias empresas están dispuestas a pagar a usuarios particulares para arrendar su procesamiento sobrante. El objetivo central es realizar tareas de “inferencia” de IA, es decir, responder consultas mediante un modelo previamente entrenado. “Imaginen un Uber o un Airbnb, pero para tareas de cómputo de inferencia de IA”, resumió Ilman Shazhaev, fundador y CEO de Far Labs.
La propuesta retoma la idea de iniciativas pioneras como SETI@Home, que entre 1999 y 2020 movilizó equipos voluntarios para analizar datos astronómicos en busca de señales de vida extraterrestre, pero ahora añade un incentivo económico de carácter comercial. John Federico, CEO de Evolving Edge, subraya que una porción significativa de la población ya dispone de conexiones de banda ancha y que muchos entusiastas mantienen pequeños centros de datos en sus armarios. Mientras que los grandes data centers resultan para algunas comunidades una carga, estas plataformas de cómputo distribuido ofrecen beneficios directos a los propietarios de los equipos.
El proceso para el anfitrión está diseñado para ser sencillo y seguro. El usuario se registra, instala una aplicación y ésta ejecuta las tareas solo en las franjas horarias que él permita. En cuanto a privacidad y seguridad, Evolving Edge optó por liberar el código fuente de su software de nodo. Por su parte, Far Labs aplica el principio de “mínimo privilegio”, aislando las cargas de trabajo con comunicaciones cifradas y imponiendo límites estrictos en el uso de GPU, memoria y CPU, con la posibilidad de pausar el sistema o revocar accesos en cualquier momento.
Aunque la potencia de un equipo doméstico no iguala a la de una infraestructura industrial, la clave está en el tipo de modelos que se ejecutan. En lugar de desplegar sistemas masivos de borde, estas plataformas trabajan con modelos de código abierto más pequeños y orientados a tareas empresariales concretas. Si una tarea sobrepasa la capacidad de un único dispositivo, se recurre a la fragmentación: Evolving Edge utiliza la solución de código abierto Ray, mientras que Far Labs desarrolló un software propio que reparte la carga entre varios equipos y consolida las respuestas en un coordinador central.
Al no requerir los inmensos gastos de capital de un centro de datos tradicional, estas iniciativas buscan distribuir la demanda entre usuarios y equipos heterogéneos, reduciendo costos y el impacto ambiental asociado, según el análisis de IEEE Spectrum.
