Rentan tu GPU para IA: el negocio de Far Labs y Evolving Edge

La fiebre del cómputo para IA ya busca GPUs en tu casa

El boom de la inteligencia artificial reordenó el mercado de tarjetas gráficas: hoy una RTX 4090 cuesta lo que hace dos años, y los proveedores hyperscaler como AWS, Google Cloud y Azure suben tarifas cada trimestre ante la escasez de capacidad. La presión por ejecutar inferencia y agentes en tiempo real obligó a las grandes tecnológicas a construir centros de datos a contrarreloj, mientras una camada de startups se preguntó lo contrario: si millones de PCs gamers están apagadas o sin uso, ¿por qué no aprovechar esa potencia?

La pregunta no es nueva. Antes de la IA, el modelo intentó dos veces: primero con la minería de criptomonedas, que terminó en granjas industriales y malware oculto en antivirus como Norton; después con proyectos como SETI@home, que donaban ciclos ociosos para buscar señales extraterrestres. Ahora el giro hacia la «infraestructura de IA descentralizada» busca rentar esos mismos ciclos, pero esta vez para procesar inferencia de modelos grandes.

Qué proponen Far Labs y Evolving Edge

Far Labs y Evolving Edge son dos de las startups más visibles de este nuevo intento. Según recogió Xataka México, ambas quieren convertir la computadora del jugador en un microcentro de datos mientras duerme o no está en uso.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El modelo de Evolving Edge, dirigido por su CEO John Federico, se apoya en software de código abierto: el usuario instala un cliente y puede definir horarios y límites. «Lo único que buscamos es ejecutar tareas cuando su máquina nos lo permita. La única información que veremos de la PC son los recursos que usamos», explicó Federico a IEEE Spectrum. El código abierto, argumenta, permite auditar que no se descargue malware ni se exfiltre información local.

Far Labs, en tanto, se presenta como un «Uber del cómputo»: aporta la máquina, la empresa paga por ejecutar procesos en hardware inactivo. Ninguna de las dos ha revelado públicamente cuánto pagará por hora de GPU.

Los números fríos: ¿cuánto paga, cuánto consume?

Un análisis de Tom’s Hardware citado por la nota de Xataka pone el modelo a prueba con un antecedente: Salad, una red que monetizaba tarjetas gráficas ociosas para minería de Ethereum. Salad vendía tiempo de GPU desde US$0,02 por hora y reportó US$3,6 millones de ingresos en 2021, pero repartió solo US$500.000 entre los dueños del hardware: unos 14 centavos por cada dólar que entraba a la plataforma.

La aritmética cambia poco del lado del costo. Una Nvidia GeForce RTX 4090 consume entre 350 W y 450 W bajo carga continua; mantenerla 24/7 puede sumar entre US$40 y US$50 al mes al recibo de luz en zonas con tarifas medias-altas. A eso se le suma el desgaste invisible: pasta térmica que se degrada, ventiladores que fatigan sus rodamientos y silicio castigado por operación sostenida.

Traducido: con tarifas como las de Salad, el margen neto mensual puede ser nulo o negativo antes de contabilizar la depreciación acelerada del hardware.

El ecosistema más amplio: io.net, Akash, SaladCloud, Render

Far Labs y Evolving Edge no están solas. El segmento de «decentralized compute» o DePIN (Decentralized Physical Infrastructure Networks) lleva años madurando con jugadores que ya tienen tamaño. Según un relevamiento de FinanceFeeds sobre las principales plataformas activas en 2026:

Akash Network lanzó en el primer trimestre de 2026 su Homenode Beta, que permite a dueños individuales de RTX 4090, RTX 5090 y Quadro RTX 6000 Ada rentar sus tarjetas directamente desde la red.
io.net agrega GPUs de data centers independientes, exmineros de cripto y redes asociadas como Render y Filecoin; la plataforma declara más de 320.000 GPUs distribuidas en 138 países y lanzó en junio de 2026 un motor de incentivos que promete recomprar y quemar al menos el 50% de los ingresos netos para sostener el token IO.
SaladCloud, heredera del Salad original, ofrece una nube distribuida sobre PCs de usuarios y se orienta a inferencia batch, transcripción y modelos abiertos en GPUs de 24 GB como la RTX 3090/4090.
Nosana ronda los 2.000 nodos con más de 826.000 trabajos de IA procesados, orientada a inferencia, agentes y generación de imagen.
Aethir, en el segmento enterprise, opera más de 440.000 contenedores de GPU en 94 países con hardware bare-metal H100, H200 y Blackwell.

Render Network, uno de los pioneros del rubro, migró de Ethereum a Solana en noviembre de 2023 y lanzó en 2025 una subred llamada Dispersed dedicada a cargas de IA. En abril de 2026, según Bitcoin.com, la comunidad aprobó la integración de la Salad Network, sumando cerca de 60.000 GPUs al pool.

El denominador común: Liquidar capacidad ociosa cobra un nuevo atractivo cuando el entrenamiento cede paso a la inferencia y los agentes, workloads que toleran mejor hardware heterogéneo y ejecuciones distribuidas.

Qué significa esto para tu startup

Para un founder que necesita GPU para correr modelos, estas redes bajan la barrera de entrada frente a AWS o CoreWeave, pero no son intercambiables con un hyperscaler. Son ideales para inferencia batch, agentes tolerantes a latencia, generación de imagen y prototipado de modelos abiertos sobre hardware de 24 GB. Para producción crítica con datos sensibles o cargas multi-GPU sincronizadas, el riesgo operativo sube: latencia variable, nodos que aparecen y desaparecen, y SLAs débiles.

Para un founder que tiene una o varias RTX 4090/5090 paradas, el cálculo depende de tres variables:

Costo eléctrico local. Si tu tarifa de luz es competitiva (<US$0,10/kWh) y puedes limitar horarios, una 4090 puede operar varios días a la semana sin comerse los ingresos.
Tarifa por hora. Esperá que plataformas recién lanzadas como Far Labs o Evolving Edge paguen menos que Akash o io.net hasta ganar volumen. No firmes exclusividad: probá dos o tres plataformas en paralelo.
Depreciación del hardware. Una GPU bajo carga 24/7 dura menos. Modelá una vida útil de 18-24 meses en vez de los 4-5 años de uso gamer normal; eso es 40-60% de depreciación anual, comparable a una granja cripto.

Dos acciones concretas que podés implementar esta semana:

Si necesitás GPU para tu producto: corré un piloto de dos semanas en Akash o io.net antes de firmar un contrato anual con un hyperscaler. Medí latencia, disponibilidad real y costo por 1.000 inferencias; suele sorprender lo competitivas que quedan las redes descentralizadas para cargas batch.
Si tenés hardware ocioso: instalá los clientes de SaladCloud y Akash Homenode en una sola máquina como prueba, con horarios nocturnos y topes de consumo. Compará el ingreso neto contra tu tarifa eléctrica real durante 30 días antes de escalar a más GPUs.

Riesgos abiertos y qué mirar en los próximos meses

Quedan tres frentes críticos. Primero, la regulación: ejecutar inferencia de terceros en hardware de consumidor reaviva discusiones de privacidad, cumplimiento contractual y jurisdicción de datos que aún no tienen respuesta clara. Segundo, la economía del lado de la oferta: si la entrada de Akash Homenode y la integración de Salad a Render suman decenas de miles de GPUs en 2026, la tarifa por hora puede caer aún más y volver marginal el negocio para el dueño del hardware. Tercero, el hardware: con Nvidia lanzando nuevas generaciones cada año, el ciclo de depreciación de tu tarjeta puede acelerarse antes de que el mercado se estabilice.

Lo que empezó como una idea para llenar el sillón del jugador mientras no juega, se está convirtiendo en una capa seria de infraestructura para la economía de la inferencia.