¿Puede tu smartphone entrenar modelos de IA avanzados? Tether dice que sí

Tether Desafía el Monopolio de GPUs con Su Nuevo Marco de IA

En un movimiento que podría redefinir el panorama del desarrollo de inteligencia artificial, Tether, conocido mundialmente por emitir el stablecoin USDT, ha presentado un nuevo marco de entrenamiento de IA. Este sistema, integrado en su plataforma QVAC, promete permitir el ajuste fino de modelos de lenguaje extensos (LLMs) utilizando hardware de consumo común, incluyendo smartphones y tarjetas gráficas que no sean de Nvidia. Este anuncio del martes marca un hito al expandir el soporte más allá de las GPUs dominantes que hasta ahora han acaparado el entrenamiento de IA.

El marco aprovecha la arquitectura BitNet de Microsoft y técnicas como LoRA para minimizar drásticamente los requisitos de memoria y computación. El objetivo es claro: reducir las barreras económicas y de hardware para la creación y el despliegue de modelos de IA. La solución de Tether es notablemente versátil, ofreciendo soporte para entrenamiento e inferencia multiplataforma en una amplia gama de chips. Esto incluye hardware de fabricantes como AMD, Intel y Apple Silicon, así como GPUs móviles de Qualcomm y Apple.

Los ingenieros de Tether demostraron la potencia del sistema al lograr ajustar modelos con hasta 1.000 millones de parámetros en smartphones en menos de dos horas. Modelos más pequeños se completaron en cuestión de minutos. La capacidad se extiende a modelos de hasta 13.000 millones de parámetros en dispositivos móviles, una hazaña impresionante dada la naturaleza del hardware. La arquitectura BitNet, un modelo de 1 bit, es clave en esta optimización. Según la compañía, reduce las necesidades de VRAM hasta en un 77,8% en comparación con modelos de 16 bits similares. Esto permite que modelos más grandes operen eficientemente en hardware con recursos limitados.

Democratizando la IA: Capacidades y Beneficios Clave

Este desarrollo no solo facilita el ajuste fino de modelos 1-bit con LoRA en hardware no Nvidia, sino que también impulsa significativamente el rendimiento en la inferencia. Las GPUs móviles que ejecutan modelos BitNet demuestran ser varias veces más rápidas que las CPUs. Las aplicaciones potenciales son vastas, incluyendo el entrenamiento directamente en el dispositivo (on-device training) y el aprendizaje federado. Este último permite actualizar modelos a través de dispositivos distribuidos sin necesidad de centralizar datos, lo que podría disminuir la dependencia de la infraestructura en la nube y mejorar la privacidad.

La entrada de Tether en la infraestructura de IA se produce en un momento de creciente interés de las empresas cripto por el cómputo y el aprendizaje automático. La actividad se ha acelerado notablemente, abarcando desde la infraestructura de minería de Bitcoin hasta el desarrollo de agentes de IA autónomos. Ejemplos recientes incluyen la inversión de Google en Cipher Mining para capacidad de centro de datos de IA y los planes de mineros como IREN para financiar infraestructura de IA.

Empresas como HIVE Digital Technologies han reportado ingresos récord impulsados por sus operaciones de IA y computación de alto rendimiento (HPC). Core Scientific, por su parte, ha asegurado financiación significativa de Morgan Stanley para expandir sus capacidades. Este giro hacia la IA y HPC en el sector minero coincide con el auge de los agentes de IA, programas capaces de realizar transacciones e interactuar con servicios de forma autónoma. Plataformas como Coinbase han introducido billeteras que permiten a estos agentes operar en cadena, mientras que Alchemy facilita el acceso a datos blockchain. Incluso redes de identidad como World, cofundada por Sam Altman, están lanzando herramientas para que los agentes de IA verifiquen identidades y realicen pagos.

Perspectivas del Mercado y Conexiones con Otros Activos

La iniciativa de Tether representa un paso audaz hacia la democratización de la tecnología de IA. Al habilitar el uso de hardware de consumo, la compañía no solo reduce los costos, sino que también abre la puerta a una base más amplia de desarrolladores e innovadores. Esto podría acelerar el ritmo de descubrimiento y aplicación de la IA en diversos campos.

Para los inversores y traders, esta noticia tiene implicaciones significativas. La reducción de las barreras de entrada para el desarrollo de IA podría fomentar una mayor competencia y diversificación en el sector. Podríamos ver un aumento en la demanda de hardware de consumo de alto rendimiento, beneficiando potencialmente a fabricantes de chips como AMD y Apple. Además, la creciente interconexión entre el sector cripto y la IA podría generar nuevas oportunidades de inversión. El desarrollo de agentes de IA autónomos y la infraestructura de cómputo asociada podrían impulsar el valor de proyectos cripto enfocados en estos nichos, así como de empresas tecnológicas tradicionales que se posicionen fuertemente en IA.

Los traders deberían monitorear de cerca cómo las empresas de hardware reaccionan a esta nueva demanda y si surgen nuevas plataformas que aprovechen este marco. La competencia en el espacio de las GPUs para IA podría intensificarse, lo que podría afectar los precios de las acciones de empresas como Nvidia. Asimismo, la evolución de los agentes de IA y su integración con las finanzas descentralizadas (DeFi) podría ser un motor clave para activos digitales relacionados. La capacidad de ejecutar modelos complejos en dispositivos móviles también abre vías para aplicaciones descentralizadas (dApps) más sofisticadas y accesibles.