Microsoft запатентовала обучение ИИ на простаивающих видеокартах с оплатой за работу

Представьте: вы закрыли игру и ушли ужинать, а ваша видеокарта в это время считает кусочек чужой нейросети. Вернулись — игра запускается как обычно, вентиляторы тихие, на аккаунте капнули баллы. Примерно такую схему Microsoft описала в патентной заявке Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization.

Заявку подало подразделение Microsoft Technology Licensing в апреле 2025 года, а в базе USPTO она появилась 5 ноября 2026-го. Пока это только бумага: ни сроков запуска, ни расценок компания не называла.

Какую проблему решают и как это устроено

Обучение моделей упирается в нехватку и цену GPU в дата-центрах. При этом у миллионов людей дома стоят мощные видеокарты, которые большую часть суток ничем не заняты. Патент предлагает собрать их в единый пул.

Схема выглядит так. Серверы обучения режут большую задачу на множество микрозадач и рассылают их на ПК, ноутбуки и даже смартфоны через интернет. Клиентское приложение постоянно следит за загрузкой GPU, занятой видеопамятью, температурой чипа и энергопотреблением. Запустили игру или рендер — нагрузка снижается или расчёт встаёт на паузу. Карта начала сильно греться — то же самое.

Отдельно описана проверка результатов. Домашние компьютеры не защищены от случайных вычислительных сбоев так, как серверное оборудование. Поэтому серверы платформы перепроверяют полученное от пользователей, чтобы ошибка одного ноутбука не испортила основную модель.

За работу начисляются внутренние баллы. По замыслу авторов, их можно обменять на реальные деньги, лицензионный софт или бесплатный доступ к коммерческим ИИ-сервисам. По духу это Folding@home, только на коммерческой основе и под задачи машинного обучения.

Окупится ли это владельцу видеокарты

Посчитаем на примере. Допустим, компьютер под нагрузкой тянет на 250 Вт больше обычного по четыре часа в день. Это 0,25 кВт × 4 часа × 30 дней = 30 кВт·ч в месяц. При тарифе 0,35 $ за кВт·ч (так бывает в ряде регионов США и Европы) счёт за свет вырастет на 10,50 $ в месяц.

К этой сумме надо добавить износ видеокарты и вентиляторов. Чтобы участие имело смысл, выплаты должны перекрывать и электричество, и амортизацию. Расценок нет, поэтому сегодня посчитать выгоду невозможно. Даже сам владелец ПК не сможет оценить, какие баллы ему светят за 30 кВт·ч.

Что здесь важно для разработчиков и продактов

Сначала оговорка. В известном нам описании патента нет ответа на главный инженерный вопрос: как учить большую модель, если GPU связаны обычным домашним интернетом. Классическое обучение требует быстрого обмена данными между картами, а у домашних каналов высокие задержки и низкая скорость. Поэтому «микрозадачи» из названия, скорее всего, относятся к небольшому дообучению или к подзадачам, которые хорошо параллелятся. Это наша интерпретация, а не утверждение из заявки.

Практические выводы такие:

• Не закладывайте такой сервис в планы. Патент не равен продукту, многие заявки остаются заявками.
• Если делаете десктопное приложение с фоновой GPU-нагрузкой, возьмите схему из патента как чеклист. Мониторьте загрузку, VRAM, температуру и мощность и сразу уступайте ресурсы приоритетным процессам.
• Любые вычисления на недоверенных клиентах нужно проверять. Выборочный пересчёт на сервере обычно дешевле, чем отравленная или испорченная модель.
• Основателям стоит следить за рынком аренды GPU. Если крупный игрок всерьёз запустит распределённый пул, это даст давление на цены облачных мощностей. Пока сигнал слабый.

Остаются и открытые вопросы, на которые патентная заявка в пересказе не отвечает. Какие данные и веса моделей попадут на чужие компьютеры? Как это защитят от извлечения? Что с юридической ответственностью, если карта выйдет из строя? От ответов зависит, станет ли идея сервисом или останется красивой схемой в базе USPTO.

Итог: Microsoft показала, что думает о миллионах домашних GPU как об ещё одном ресурсе для ИИ. Для индустрии это любопытный сигнал о голоде по вычислениям, но не повод что-то менять в планах уже сегодня.