Microsoft patenta entrenar IA con tarjetas gráficas inactivas y pagar por el trabajo

Imagina: cierras el juego y te vas a cenar, y mientras tanto tu tarjeta gráfica calcula un trocito de una red neuronal ajena. Vuelves, el juego arranca como siempre, los ventiladores están silenciosos y en tu cuenta han caído unos puntos. Más o menos ese es el esquema que Microsoft describe en la solicitud de patente Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization.

La solicitud la presentó la división Microsoft Technology Licensing en abril de 2025 y apareció en la base de datos de la USPTO el 5 de noviembre de 2026. Por ahora es solo papel: la compañía no ha dado ni plazos de lanzamiento ni tarifas.

Qué problema resuelve y cómo funciona

El entrenamiento de modelos choca con la escasez y el precio de las GPU en los centros de datos. Al mismo tiempo, millones de personas tienen en casa potentes tarjetas gráficas que pasan la mayor parte del día sin hacer nada. La patente propone reunirlas en un único conjunto.

El esquema es el siguiente. Los servidores de entrenamiento dividen una tarea grande en muchas microtareas y las envían por internet a PC, portátiles e incluso smartphones. La aplicación cliente vigila de forma constante la carga de la GPU, la memoria de vídeo ocupada, la temperatura del chip y el consumo de energía. Si lanzas un juego o un renderizado, la carga baja o el cálculo se pausa. Si la tarjeta empieza a calentarse mucho, ocurre lo mismo.

La verificación de resultados se describe aparte. Los ordenadores domésticos no están protegidos frente a fallos de cálculo aleatorios como el hardware de servidor. Por eso los servidores de la plataforma revisan lo recibido de los usuarios, para que el error de un portátil no estropee el modelo principal.

Por el trabajo se acreditan puntos internos. Según los autores, se pueden canjear por dinero real, software con licencia o acceso gratuito a servicios comerciales de IA. En espíritu es Folding@home, pero con carácter comercial y dirigido a tareas de aprendizaje automático.

¿Le compensará al dueño de la tarjeta gráfica?

Hagamos un cálculo con un ejemplo. Supongamos que un ordenador bajo carga consume 250 W más de lo habitual durante cuatro horas al día. Son 0,25 kW × 4 horas × 30 días = 30 kWh al mes. Con una tarifa de 0,35 $ por kWh (como ocurre en algunas regiones de EE. UU. y Europa), la factura de la luz aumentará 10,50 $ al mes.

A esa cantidad hay que sumar el desgaste de la tarjeta gráfica y de los ventiladores. Para que participar tenga sentido, los pagos deben cubrir tanto la electricidad como la amortización. No hay tarifas, así que hoy es imposible calcular el beneficio. Ni siquiera el propio dueño del PC puede estimar cuántos puntos le corresponderían por 30 kWh.

Qué importa aquí para desarrolladores y responsables de producto

Primero, una advertencia. En la descripción de la patente que conocemos no hay respuesta a la principal cuestión de ingeniería: cómo entrenar un modelo grande si las GPU están conectadas por el internet doméstico habitual. El entrenamiento clásico exige un intercambio rápido de datos entre tarjetas, y las conexiones domésticas tienen alta latencia y baja velocidad. Por eso las «microtareas» del título probablemente se refieren a un ajuste fino de pequeño tamaño o a subtareas que se paralelizan bien. Es nuestra interpretación, no una afirmación de la solicitud.

Las conclusiones prácticas son estas:

• No incluyas un servicio así en tus planes. Una patente no es un producto, y muchas solicitudes se quedan en solicitudes.
• Si desarrollas una aplicación de escritorio con carga de GPU en segundo plano, toma el esquema de la patente como lista de comprobación. Monitoriza la carga, la VRAM, la temperatura y la potencia, y cede de inmediato los recursos a los procesos prioritarios.
• Todo cálculo en clientes no fiables debe verificarse. Un recálculo selectivo en el servidor suele ser más barato que un modelo envenenado o dañado.
• Los fundadores deberían seguir el mercado de alquiler de GPU. Si un gran actor lanza en serio un conjunto distribuido, presionará los precios de la capacidad en la nube. Por ahora la señal es débil.

También quedan preguntas abiertas que la solicitud de patente, tal como se ha contado, no responde. ¿Qué datos y pesos de modelos llegarán a ordenadores ajenos? ¿Cómo se protegerán frente a la extracción? ¿Qué pasa con la responsabilidad legal si la tarjeta se estropea? De las respuestas dependerá que la idea se convierta en un servicio o se quede en un bonito esquema en la base de datos de la USPTO.

En resumen: Microsoft ha mostrado que piensa en los millones de GPU domésticas como un recurso más para la IA. Para la industria es una señal curiosa del hambre de computación, pero no un motivo para cambiar nada en tus planes hoy.