Resumen ejecutivo
El fundador de Akash Network, Greg Osuri, ha emitido una advertencia sobre las crecientes demandas de energía del entrenamiento de inteligencia artificial (IA), afirmando que el rápido crecimiento de la industria podría precipitar una crisis energética global. Osuri aboga por un enfoque descentralizado para el entrenamiento de IA, trazando paralelismos con la minería temprana de Bitcoin, como una solución más sostenible y económicamente viable para mitigar la tensión ambiental y financiera impuesta por los centros de datos centralizados tradicionales.
El evento en detalle
Greg Osuri, fundador de Akash Network, destacó el profundo consumo de energía de la IA, señalando que a medida que los modelos de IA se expanden, su entrenamiento pronto podría requerir potencias energéticas equivalentes a las de un reactor nuclear. Durante una entrevista, Osuri afirmó que la industria está subestimando el ritmo al que se duplican las demandas de cómputo, junto con sus costos ambientales asociados. Señaló que los centros de datos centralizados existentes ya consumen cientos de megavatios de energía de combustibles fósiles, lo que contribuye al aumento de las facturas de energía para los consumidores y genera millones de toneladas de emisiones adicionales anualmente.
Bloomberg informó el 30 de septiembre que los centros de datos de IA son un factor principal en el aumento de los costos de energía en los Estados Unidos. Los costos de electricidad al por mayor en áreas adyacentes a los centros de datos se han disparado un 267% en los últimos cinco años. Osuri postuló que el entrenamiento descentralizado de IA, utilizando redes distribuidas de diversas GPU, desde chips de nivel empresarial hasta tarjetas de juegos de consumo, ofrece una alternativa a este modelo de consumo de energía concentrado.
Osuri describió una visión en la que las computadoras domésticas podrían contribuir con la potencia de cómputo sobrante y ganar tokens, reflejando las estructuras de incentivos tempranas de la minería de Bitcoin, donde los usuarios comunes eran recompensados por la participación en la red. Este cambio de los megacentros de datos centralizados a una red distribuida tiene como objetivo mejorar la eficiencia y la sostenibilidad al reducir la dependencia de los combustibles fósiles y disminuir las emisiones.
Implicaciones para el mercado
Las crecientes demandas de energía de los centros de datos de IA y la minería de criptomonedas de prueba de trabajo amenazan con obstaculizar la transición a la energía limpia y podrían conducir a un aumento de las tarifas de electricidad. Se proyecta que la demanda de energía de los centros de datos se duplique para 2030 a 35 GW, una cantidad suficiente para alimentar a 40 millones de hogares estadounidenses. Este aumento sustancial de la demanda ha generado preocupaciones sobre la descarbonización de la red y el aumento de los costos de la electricidad.
El entrenamiento descentralizado de IA, particularmente a través de Redes de Infraestructura Física Descentralizadas (DePINs), presenta una solución potencial a estos desafíos de infraestructura. Proyectos como Bittensor (TAO) y Render (RNDR) están siendo pioneros en redes de IA descentralizadas, aprovechando la infraestructura de GPU existente. La red de Render, con más de 45.000 nodos, ofrece renderizado de GPU y entrenamiento de IA escalables y rentables, superando a los proveedores de la nube tradicionales hasta en un 70% en casos de uso específicos.
Además, los incentivos económicos para que los mineros de Bitcoin existentes se orienten hacia el alojamiento de IA son convincentes. Los centros de datos de IA pueden generar hasta 25 veces más ingresos por kilovatio-hora que la minería de Bitcoin, lo que hace que la diversificación sea estratégicamente atractiva para los mineros y potencialmente impulse la inversión en soluciones de cómputo descentralizadas.
Comentario de expertos
Greg Osuri enfatizó la necesidad crítica de un cambio de paradigma, afirmando: "Estamos llegando a un punto en el que la IA está matando gente", haciendo referencia a los impactos en la salud del uso concentrado de combustibles fósiles alrededor de los centros de datos. Él cree que una vez que se perfeccionen los mecanismos de incentivo, la IA descentralizada experimentará una adopción similar a la minería temprana de criptomonedas, donde los usuarios eran recompensados por contribuir con el poder de procesamiento.
Contexto más amplio
El entrenamiento descentralizado de IA tiene como objetivo democratizar el acceso a los recursos de IA y reducir el dominio de los laboratorios de IA centralizados. Este enfoque aprovecha los principios de las criptomonedas, incluida la ausencia de permisos, la falta de confianza y los mecanismos de incentivo robustos, para construir redes capaces de entrenar modelos fundamentales potentes. Los nodos en ubicaciones geográficas separadas contribuyen al entrenamiento de modelos de IA en una red incentivada, coordinando recursos de cómputo heterogéneos.
Avances como OpenDiLoCo y Protocol Models están permitiendo una IA de alto rendimiento en redes distribuidas, fomentando el desarrollo de modelos rentables, resilientes y transparentes. Las estructuras de incentivos de las redes descentralizadas, ejemplificadas por Bittensor, alinean las recompensas económicas con las contribuciones de los participantes, motivando a los mineros a ofrecer resultados de IA de alta calidad. Los validadores dentro de estas redes son recompensados por evaluar y mantener con precisión la integridad de la red. Este marco contribuye a una pila de IA totalmente en cadena que es sin permisos y accesible en cada capa, contrastando con los entornos estrictamente controlados del desarrollo de IA tradicional.
Edgen Crypto·Sep 30 2025, 12:57