Microsoft patenteia treino de IA em placas de vídeo ociosas com pagamento pelo trabalho

Imagine: você fechou o jogo e saiu para jantar, e nesse tempo sua placa de vídeo calcula um pedacinho da rede neural de outra pessoa. Você volta, o jogo abre como de costume, os ventiladores estão silenciosos e sua conta recebeu alguns pontos. Foi mais ou menos esse esquema que a Microsoft descreveu no pedido de patente Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization.

O pedido foi apresentado pela divisão Microsoft Technology Licensing em abril de 2025 e apareceu na base do USPTO em 5 de novembro de 2026. Por enquanto é só papel: a empresa não divulgou nem prazos de lançamento nem preços.

Que problema se resolve e como funciona

O treino de modelos esbarra na escassez e no custo das GPUs em data centers. Ao mesmo tempo, milhões de pessoas têm em casa placas de vídeo potentes que passam a maior parte do dia sem uso. A patente propõe reuni-las em um único pool.

O esquema é este. Os servidores de treino dividem uma tarefa grande em várias microtarefas e as enviam pela internet para PCs, notebooks e até smartphones. O aplicativo cliente acompanha constantemente a carga da GPU, a memória de vídeo ocupada, a temperatura do chip e o consumo de energia. Se você abre um jogo ou um render, a carga diminui ou o cálculo entra em pausa. Se a placa começa a esquentar demais, acontece o mesmo.

A verificação dos resultados é descrita à parte. Computadores domésticos não são protegidos contra falhas aleatórias de cálculo como o hardware de servidor. Por isso, os servidores da plataforma recheam o que recebem dos usuários, para que o erro de um notebook não estrague o modelo principal.

Pelo trabalho, são creditados pontos internos. Segundo a ideia dos autores, eles podem ser trocados por dinheiro de verdade, software licenciado ou acesso gratuito a serviços comerciais de IA. No espírito, é o Folding@home, mas em base comercial e voltado a tarefas de aprendizado de máquina.

Isso compensa para o dono da placa de vídeo?

Vejamos um exemplo. Suponha que o computador sob carga consuma 250 W a mais que o normal por quatro horas ao dia. São 0,25 kW × 4 horas × 30 dias = 30 kWh por mês. Com tarifa de US$ 0,35 por kWh (o que acontece em algumas regiões dos EUA e da Europa), a conta de luz sobe US$ 10,50 por mês.

A esse valor é preciso somar o desgaste da placa de vídeo e dos ventiladores. Para que a participação faça sentido, os pagamentos precisam cobrir tanto a eletricidade quanto a depreciação. Não há preços, então hoje é impossível calcular o benefício. Nem o próprio dono do PC consegue estimar quantos pontos receberia por 30 kWh.

O que importa aqui para desenvolvedores e product managers

Primeiro, uma ressalva. Na descrição da patente que conhecemos, não há resposta para a principal pergunta de engenharia: como treinar um modelo grande se as GPUs estão conectadas por uma internet doméstica comum. O treino clássico exige troca rápida de dados entre as placas, e os links domésticos têm alta latência e baixa velocidade. Por isso, as «microtarefas» do título provavelmente se referem a pequenos ajustes finos (fine-tuning) ou a subtarefas que se paralelizam bem. Esta é a nossa interpretação, não uma afirmação do pedido.

As conclusões práticas são estas:

• Não coloque esse serviço nos seus planos. Patente não é produto, e muitos pedidos continuam sendo apenas pedidos.
• Se você desenvolve um aplicativo desktop com carga de GPU em segundo plano, use o esquema da patente como checklist. Monitore carga, VRAM, temperatura e potência e ceda recursos imediatamente a processos prioritários.
• Qualquer cálculo em clientes não confiáveis precisa ser verificado. O recálculo por amostragem no servidor costuma ser mais barato do que um modelo envenenado ou corrompido.
• Fundadores devem acompanhar o mercado de aluguel de GPUs. Se um grande player lançar de fato um pool distribuído, haverá pressão sobre os preços da capacidade em nuvem. Por ora, o sinal é fraco.

Também restam questões em aberto que o pedido de patente, no resumo que temos, não responde. Que dados e pesos de modelos irão parar em computadores alheios? Como isso será protegido contra extração? E a responsabilidade legal se a placa queimar? Das respostas depende se a ideia virará um serviço ou continuará como um belo esquema na base do USPTO.

Em resumo: a Microsoft mostrou que pensa nos milhões de GPUs domésticas como mais um recurso para a IA. Para o setor, é um sinal curioso da fome por poder computacional, mas não é motivo para mudar nada nos planos hoje.