BitTorrent lanza BTTInferGrid, una red descentralizada de cómputo de inferencia de IA

A medida que los agentes de IA se implementan en diversos escenarios complejos, como flujos de trabajo empresariales, producción automatizada y ejecución autónoma, la industria global de la IA ha entrado oficialmente en una nueva etapa, pasando de la “respuesta pasiva” a la “ejecución autónoma”. El núcleo de la competencia industrial ya no se centra únicamente en la comparación de parámetros de grandes modelos, sino en la capacidad de implementación y ejecución, y la poderosa capacidad de razonamiento lógico es precisamente la base fundamental que sustenta este cambio.

El cambio de paradigma en los escenarios de aplicación también ha impulsado una transformación fundamental en la demanda de infraestructura de poder de cómputo en la cadena de suministro: el centro de consumo de poder de cómputo se está desplazando continuamente del entrenamiento de modelos hacia la inferencia operativa, una tendencia irreversible. Sin embargo, el sistema centralizado de poder de cómputo dominante actual enfrenta problemas como altos costos operativos, escasa capacidad de escalabilidad elástica y inestabilidad del servicio ante solicitudes de inferencia masivas, frecuentes y con fuertes fluctuaciones pico-valle. La industria de la IA se encuentra actualmente ante un cuello de botella en el suministro de poder de cómputo.

El 17 de junio, la madura ecosistema descentralizado de transmisión BitTorrent lanzó oficialmente su producto estratégico: BTTInferGrid, enfocado en la pista de inferencia de IA, creando una red descentralizada de capacidad de cómputo. Esta plataforma, basada en una arquitectura descentralizada y distribuida, agrega eficientemente recursos dispersos de GPU ociosos de todo el mundo, eliminando las barreras entre el suministro de recursos y los desarrolladores de IA, ofreciendo servicios de capacidad de cómputo para inferencia de IA abiertos, de fácil integración, con resultados verificables en la cadena y tarifas flexibles según el consumo.

Leveraging the advantages of decentralized technology, BTTInferGrid not only addresses the shortcomings of traditional centralized computing power in high-concurrency and load-fluctuation scenarios but also achieves a transformative breakthrough on the computing power supply side, redefining the entire computing ecosystem's resource allocation and flow logic.

Al mismo tiempo, BTTInferGrid es un producto estratégico desarrollado por BitTorrent a partir de la mejora de su servicio existente BTFS, lo que no solo representa una extensión clave de la capacidad de programación descentralizada de recursos que BitTorrent ha perfeccionado durante años, pasando del ámbito del almacenamiento al de la computación, sino también un movimiento fundamental en su estrategia para posicionarse en el sector de la inteligencia artificial descentralizada.

BTTInferGrid busca reestructurar el sistema de suministro de potencia de cómputo mediante un modelo descentralizado, abordando problemas como los altos costos y la escasez de potencia de cómputo para inferencia de IA, mejorando al mismo tiempo la eficiencia de la inferencia de modelos grandes, con el fin de proporcionar una infraestructura de potencia de cómputo de alto rendimiento, alta resistencia y alto valor.

Si 2024 a 2025 fue la era de la "guerra de mil modelos" y la carrera armamentista de parámetros dominada por clústeres de miles de tarjetas en la industria de la IA, entonces en 2026, con la implementación a gran escala de los AI Agentes, la IA da un paso definitivo hacia la era del "razonamiento", marcada por una explosión en su aplicación masiva. El razonamiento de la IA es el eslabón clave para materializar el valor del modelo, ya que convierte los "modelos entrenados" en aplicaciones prácticas, valor comercial y servicios cotidianos. En resumen, el entrenamiento es "enseñar a la IA a aprender", mientras que el razonamiento es "hacer que la IA se utilice en la práctica"—por ejemplo, un automóvil autónomo que identifica una señal de alto en una carretera que nunca ha recorrido es un ejemplo clásico de razonamiento. La capacidad de razonamiento determina directamente la experiencia del usuario, los costos operativos y el valor comercial de los productos de IA.

La industria ha llegado a un consenso generalizado de que más del 70% de los recursos de cómputo en el futuro se utilizarán para escenarios de inferencia. Oracle predijo anteriormente que el mercado de cómputo para inferencia eventualmente superará al de cómputo para entrenamiento. El académico de la Academia China de Ingeniería, Zheng Weimin, también señaló que la gran mayoría de la capacidad de cómputo actual se consume en interacciones diarias entre usuarios y modelos grandes. En términos de composición de costos, en los gastos de inferencia de modelos grandes, el personal representa solo el 3%, los datos el 2%, mientras que el cómputo representa hasta el 95%; los costos de cómputo para aplicaciones líderes son muy significativos: el costo diario de inferencia de ChatGPT es aproximadamente de 700.000 dólares estadounidenses, y el de DeepSeek V3 alcanza los 87.000 dólares estadounidenses.

Cuando la demanda de capacidad de IA se extendió desde el entrenamiento centralizado de unas pocas grandes empresas tecnológicas a escenarios comerciales de inferencia de millones de desarrolladores en diversos sectores, los criterios de evaluación de la infraestructura subyacente también cambiaron. En la era del entrenamiento, los desarrolladores se centraban principalmente en la escala y eficiencia centralizadas de la capacidad; al entrar en la era de la inferencia, los servicios de IA se dirigen directamente a una enorme cantidad de usuarios finales, y miles de millones de interacciones diarias generan un consumo masivo de capacidad, lo que hace que los desarrolladores cambien su enfoque hacia el costo por llamada, la velocidad de respuesta y la estabilidad del servicio. Hoy en día, la oferta de capacidad, el costo de llamada y la disponibilidad del servicio se han convertido en los criterios fundamentales para evaluar la infraestructura de IA, y son clave para determinar si las aplicaciones de IA pueden implementarse con éxito.

Sin embargo, frente a la demanda de inferencia que crece exponencialmente, las debilidades de los sistemas centralizados de potencia de cálculo se vuelven cada vez más evidentes: los alquileres de GPU siguen aumentando, los servicios de la plataforma experimentan interrupciones frecuentes, y muchas aplicaciones de IA se ven obligadas a cerrar debido al costo de la potencia de cálculo. Estos problemas se manifiestan claramente en los siguientes tres aspectos:

En primer lugar, la capacidad de programación de la potencia de cómputo es insuficientemente elástica y no puede adaptarse a las fluctuaciones del tráfico, lo que lleva a un desequilibrio entre costos y estabilidad: aunque las principales empresas de IA y proveedores de nube continúan aumentando su inversión en infraestructura de cómputo, la demanda de inferencia crece rápidamente y presenta características marcadas de picos y valles: durante el día, en horarios laborales o de pico de marketing, la cantidad de solicitudes puede aumentar decenas de veces; mientras que en la madrugada cae bruscamente. Las instalaciones centralizadas carecen de capacidad de programación elástica para adaptarse a estos cambios dinámicos: si se configuran según el pico, los costos de depreciación en los periodos de baja son excesivos; si se configuran según el promedio, se producen interrupciones del servicio durante los picos, atrapando a las empresas en un dilema entre “altos costos” y “baja estabilidad”. Al mismo tiempo, la potencia de cómputo centralizada debe soportar múltiples capas adicionales de costos, como construcción de centros de datos, electricidad, mantenimiento y beneficios comerciales, lo que resulta en costos extremadamente altos de potencia de cómputo y comprime significativamente el espacio para experimentar de los pequeños y medianos equipos innovadores. El mercado necesita urgentemente una nueva solución que combine ventajas de costo y capacidad de programación elástica.

En segundo lugar, los precios de alquiler de GPU continúan aumentando, y los altos costos obstaculizan la implementación de innovaciones por parte de pequeñas y medianas empresas y desarrolladores: aunque los modelos de código abierto (como Qwen, DeepSeek, etc.) han reducido la barrera de entrada en el campo de la IA, el despliegue y funcionamiento de estos modelos aún dependen de capacidad de inferencia estable, económica y fácil de integrar. Sin embargo, la realidad es que los costos de alquiler de GPU siguen subiendo; por ejemplo, el precio por hora de la tarjeta gráfica principal H100 aumentó de 1.70 dólares en octubre de 2025 a 2.35 dólares en marzo de 2026, un incremento del 40% en seis meses. Los altos costos han disuadido a muchos desarrolladores individuales y pequeñas empresas con soluciones de calidad, sumiéndolos en una situación de “tener modelos pero sin capacidad de cómputo”, lo que reprime gravemente la vitalidad innovadora y el crecimiento escalable de la industria de la IA.

En tercer lugar, una gran cantidad de recursos GPU inactivos en todo el mundo no se utilizan eficazmente, lo que genera un grave desequilibrio entre oferta y demanda: en contraste con la "escasez de potencia de cómputo" en el mercado, existe una cantidad masiva de potencia de cómputo GPU de alto rendimiento inactiva, dispersa en dispositivos personales, laboratorios universitarios, pequeñas salas de servidores y instalaciones heredadas de la transición fuera de la minería de criptomonedas. Debido a la falta de canales de acceso estandarizados y un motor de programación eficiente, estos recursos de cómputo no pueden acceder al mercado principal de inferencia, creando una situación contradictoria en la que coexisten la escasez de tarjetas en el lado de la demanda y la inactividad de la potencia de cómputo en el lado de la oferta. Existe un gran potencial para mejorar la utilización de los recursos, y es urgente resolver este desequilibrio entre oferta y demanda.

En resumen, el mercado actual de capacidad de inferencia de IA enfrenta tres problemas estructurales: por un lado, la oferta centralizada no puede equilibrar costo y elasticidad; por otro, los alquileres de capacidad siguen aumentando, reprimiendo la innovación en IA; y, por último, existe una gran cantidad de recursos GPU inactivos que permanecen dormidos y no se han activado. Frente a esta serie de desafíos industriales, BTTInferGrid, basado en tecnología descentralizada, ofrece una solución innovadora para resolver el desajuste entre la oferta y la demanda de capacidad.

BTTInferGrid busca conectar de manera descentralizada los recursos GPU ociosos y dispersos a nivel mundial con una gran cantidad de desarrolladores de IA, rompiendo así fundamentalmente el monopolio y los cuellos de botella de la potencia de cómputo centralizada. Por un lado, la plataforma integra la potencia de cómputo GPU ociosa dispersa para construir una infraestructura de cómputo abierta y compartida; por otro, establece canales de conexión entre la oferta y la demanda, eliminando las barreras de entrada y los precios opacos del modelo centralizado tradicional. Al mismo tiempo, aprovechando los mecanismos de incentivo y colaboración de DePIN, BTT InferGrid puede generar continuamente potencia de inferencia de alto rendimiento y bajo costo, abordando desde la raíz los principales problemas de altos costos de cómputo y escasez de oferta, liberando verdaderamente el rendimiento y el valor comercial de la inferencia de modelos grandes.

BTTInferGrid tiene una ubicación clara y precisa, enfocada en construir una red descentralizada de capacidad de cómputo para escenarios de inferencia de IA, conectando la oferta global de capacidad GPU ociosa con la demanda del mercado de inferencia de IA, y ofreciendo un servicio global de capacidad de IA con acceso abierto, resultados verificables y pago por uso.

Específicamente, BTTInferGrid, basado en el mecanismo de red subyacente DePIN, empareja con precisión la oferta de capacidad de cómputo con la demanda de inferencia de IA en crecimiento exponencial, logrando un empoderamiento de valor bidireccional en ambos extremos de la oferta y la demanda:

En el lado de la oferta de potencia de cómputo, se agrega eficientemente recursos GPU fragmentados y ociosos a nivel global para construir una base de potencia de cómputo abierta y compartida. Al mismo tiempo, mediante los mecanismos de incentivos y programación inteligente de DePIN, se abre una vía de ingresos de bajo umbral y sostenible para los propietarios de potencia de cómputo, convirtiendo verdaderamente los GPU ociosos y "dormidos" en "activos líquidos"; además, se garantiza la estabilidad de la potencia de cómputo y su capacidad de expansión elástica, creando un servicio global de inferencia de alto rendimiento, alta escalabilidad y confiable.

En el lado de la demanda de potencia de cómputo, BTTInferGrid ofrece un servicio de inferencia global accesible, con resultados verificables en la cadena y tarificación por uso, dirigido a desarrolladores de IA de todo el mundo. En comparación con los altos márgenes de los proveedores de nube centralizados, BTTInferGrid cuenta con una ventaja de costos extrema y capacidad de escalado elástico, lo que permite a equipos de innovación pequeños y medianos y desarrolladores independientes reducir los costos de prueba y validación de productos, completar eficientemente la validación y la iteración de negocios, y al mismo tiempo impulsar inversamente el ecosistema de suministro de potencia de cómputo aguas arriba.

Así, BTTInferGrid resuelve efectivamente la urgente necesidad de los desarrolladores de IA de contar con capacidad de cómputo de bajo costo y alta elasticidad durante la fase de "competencia de aplicaciones", y también abre un canal sostenible para monetizar recursos de hardware inactivos en todo el mundo.

Más importante aún, la plataforma BTTInferGrid logrará construir un ciclo de crecimiento positivo autosuficiente: los nodos GPU ociosos se expandirán continuamente, reduciendo constantemente el costo de la capacidad de inferencia y atrayendo a más desarrolladores; la demanda del mercado aumentará constantemente, incentivando aún más a los proveedores de capacidad de cómputo globales a unirse al ecosistema. BTTInferGrid reestructura la oferta de capacidad de cómputo mediante un modelo descentralizado, transformando la capacidad de IA especializada, escasa y costosa, en una nueva infraestructura pública de IA accesible y disponible bajo demanda.

En cuanto a las ventajas de rendimiento del producto, la mayoría de las plataformas descentralizadas de GPU en el mercado actual presentan problemas como altas barreras de entrada para el acceso a la potencia de cálculo, falta de confiabilidad en los servicios y modelos económicos insostenibles a largo plazo. BTTInferGrid aborda estas cuestiones desde la arquitectura subyacente, logrando avances integrales en tres dimensiones clave: agregación de potencia de cálculo, verificación de servicios y sostenibilidad del sistema económico, generando así una ventaja competitiva única. Las ventajas específicas son las siguientes:

1. Red de suministro de potencia de cálculo de acceso abierto que agrega rápidamente recursos GPU ociosos a nivel global: La entrada a la nube de cálculo tradicional tiene altos umbrales (como requerir centros de datos cumplidores, IP pública fija, conmutadores costosos, etc.), mientras que BTTInferGrid construye una red de suministro de potencia de cálculo verdaderamente abierta, permitiendo que cualquier entidad o individuo con recursos de cálculo ociosos, como GPU, se integre sin problemas siempre que cumpla con parámetros básicos de rendimiento (como capacidad de memoria VRAM y基准 de potencia de cálculo) y requisitos de estabilidad de red. Este diseño reduce significativamente el umbral de participación en el lado de la oferta de recursos de cálculo, permitiendo que la potencia de cálculo GPU ociosa global se agregue en red y en matriz a una velocidad extremadamente alta.

2. Calidad de servicio verificable y comportamiento de nodos: resuelve el desafío de la confianza descentralizada. El mayor problema del cómputo descentralizado es la credibilidad: ¿cómo evitar que los mineros usen tarjetas gráficas de baja gama para simular tarjetas de alto rendimiento? ¿Cómo garantizar que los resultados de inferencia sean auténticos y confiables? BTTInferGrid crea un ciclo cerrado verificable mediante programación de tareas (distribución inteligente), verificación desafiante (muestreo criptográfico), puntuación de consenso (puntuación de reputación dinámica) y coordinación en cadena (contratos inteligentes con recompensas y sanciones), mejorando así significativamente la credibilidad del servicio de inferencia.

3. Modelo económico impulsado por la demanda para construir un ecosistema sostenible: Los primeros proyectos DePIN a menudo caen en una espiral de muerte: emiten grandes cantidades de tokens para atraer a nodos que minan ciegamente, pero debido a la falta de demanda real, esto lleva a la inflación de tokens, una caída drástica en su precio y la salida de los nodos. BTTInferGrid estableció desde el inicio el objetivo de crear un ecosistema económico impulsado por la demanda real: la recompensa principal y el aumento de reputación se basan en llamadas reales de inferencia y el rendimiento de los nodos. Solo cuando los desarrolladores de IA paguen realmente por llamar a los modelos, los proveedores de capacidad de cómputo recibirán su parte de los ingresos principales y beneficios de reputación. Este diseño impulsará un crecimiento equilibrado y sostenible entre la oferta y la demanda del mercado, garantizando el desarrollo a largo plazo, saludable y sostenible del ecosistema de la red.

En resumen, desde la red abierta de suministro que elimina las barreras tradicionales de acceso y permite la integración fluida de GPU ociosas en cualquier parte del mundo que cumplan con los estándares de rendimiento, hasta la línea de defensa de confianza verificable en todo el proceso construida con cuatro ciclos cerrados: programación de tareas, verificación de desafíos, puntuación de consenso y recompensas/puniciones en cadena; y finalmente, el abandono definitivo de las burbujas especulativas, anclando el modelo económico impulsado por la demanda en llamadas reales de inferencia de IA, BTTInferGrid está redefiniendo el mecanismo de asignación de recursos de cómputo desde tres dimensiones: aggregación de recursos, confiabilidad del servicio y distribución de valor.

BTTInferGrid no es simplemente una "agregación de capacidad de cómputo", sino una red descentralizada de capacidad de cómputo sofisticada que integra la programación y ejecución de tareas de inferencia de IA, la coincidencia y conexión inteligente de la oferta y la demanda de capacidad de cómputo, la coordinación y liquidación de recursos en cadena, entre otras funciones.

En el ecosistema descentralizado de poder de cómputo de BTTInferGrid, todos los participantes forman tres roles centrales alrededor de la “oferta, uso y validación” del poder de cómputo:

· Proveedores de poder de cómputo (mineros): Proporcionan recursos GPU ociosos para recibir y ejecutar tareas de inferencia de IA. El sistema asigna automáticamente recompensas según el trabajo verificado, la calidad de la finalización de las tareas y la puntuación dinámica de rendimiento.

· Demandantes de poder de cómputo (desarrolladores de IA): BTTInferGrid ofrece una interfaz API estándar y unificada que permite a los desarrolladores acceder a recursos GPU distribuidos globalmente.

· Guardianes de red (validadores): Participan en un sistema descentralizado de validación y calificación, auditando y desafiando aleatoriamente el rendimiento computacional de los nodos mineros, identificando comportamientos anómalos y manteniendo la calidad del servicio de la red. Al mismo tiempo, los validadores reciben recompensas por mantener la integridad de la red, garantizando colectivamente la equidad y la confiabilidad de la red.

En resumen, para los desarrolladores de IA, BTTInferGrid ofrece servicios de inferencia de IA más rentables, altamente escalables y seguros, aliviando eficazmente los problemas de interrupción de productos y pérdida de clientes causados por la falta de capacidad de cómputo. Para los proveedores de GPU, permite aprovechar los recursos de hardware periféricos e inactivos a nivel mundial, estableciendo un canal de ingresos sostenible para los proveedores de recursos GPU, asegurando que cada unidad de capacidad de cómputo pueda desempeñar su valor adecuado en la era de la inferencia.

En la implementación concreta del producto, a diferencia del modelo de capital intensivo de los proveedores tradicionales de nube centralizada, que “acumulan hardware primero y esperan la demanda después”, DePIN enfrenta desde el inicio desafíos de coordinación bidireccional: un exceso de oferta lleva a la inactividad de nodos y al colapso de la economía de tokens, mientras que una oferta insuficiente perjudica la experiencia del desarrollador y la eficiencia del sistema. Para ello, BTTInferGrid ha establecido una estrategia de lanzamiento por fases clara, sólida y orientada a la demanda, rechazando el crecimiento desordenado y excesivo, y priorizando en cambio la utilización de recursos, la sostenibilidad económica y la expansión estable de la arquitectura técnica.

· Objetivo a corto plazo (2026): Arranque en frío de la red, completar la integración de nodos centrales subyacentes y validar los servicios de inferencia distribuida, aumentando gradualmente la escala de nodos GPU.

· Objetivo a mediano plazo (2027): diversificar el ecosistema, mejorar la estabilidad y la seguridad privada del servicio de red, y compatibilizar con más formatos de modelos y marcos de inferencia, extendiéndose gradualmente a escenarios de aplicación como el ajuste fino de modelos.

· Objetivo a largo plazo (2028 y posterior): Convertirse en la infraestructura subyacente nativa de IA, construyendo la capa de potencia de cómputo preferida para agentes de IA y aplicaciones automatizadas, proporcionando soporte de potencia de cómputo elástica para aplicaciones de IA a gran escala, y finalmente logrando que la potencia de cómputo, el almacenamiento distribuido y los contratos inteligentes en cadena funcionen de manera coordinada dentro de una arquitectura unificada.

En la implementación práctica, BTTInferGrid también adopta una estrategia de evolución por fases. En la fase inicial de lanzamiento, la red se basará principalmente en tarjetas gráficas profesionales; el acceso de los proveedores de capacidad de cómputo (mineros) requerirá aprobación, mientras que los usuarios del lado de la demanda podrán utilizar servicios de inferencia a través de la plataforma. En el futuro, evolucionará hacia una red de supercomputación completamente abierta: admitirá diversos tipos de GPU, incluidos modelos de consumo, profesionales y de centros de datos, con acceso y precios diferenciados según el rendimiento; se permitirá el acceso abierto a mineros, junto con la introducción de un mecanismo de staking para garantizar la calidad del servicio; por su parte, el lado de la demanda ofrecerá una API unificada compatible con múltiples formatos de modelos de IA y marcos de inferencia, proporcionando opciones de despliegue flexibles.

Actualmente, BTTInferGrid ya se ha integrado con varios modelos de lenguaje grandes de código abierto líderes, incluyendo Qwen3.6 27B y Qwen2.5 7B Instruct de la serie Qwen de Alibaba Cloud, así como Llama 3.1 8B Instruct de Meta. Los desarrolladores de IA pueden invocar estos modelos de forma flexible según sus escenarios de negocio reales. En el futuro, la plataforma continuará ampliando su ecosistema de modelos para ofrecer a los desarrolladores un mayor soporte de modelos de vanguardia.

Más importante aún, BTTInferGrid cuenta con un sólido respaldo basado en el largo historial de BitTorrent y BTFS, lo que le confiere ventajas de desarrollo naturales. BitTorrent y su BTFS han estado profundizando en el campo del almacenamiento descentralizado durante años; BitTorrent, en particular, cuenta con más de 100 millones de usuarios activos y 2 mil millones de instalaciones, lo que ha validado exitosamente la viabilidad del modelo DePIN y ha acumulado capacidades maduras en acceso a recursos, incentivos de tokens, liquidación en cadena y operaciones comunitarias. Como producto estratégico de BitTorrent para su expansión en el sector de la IA, BTTInferGrid se basa en la mejora de los servicios actuales de BTFS, lo que permite migrar sin problemas estas experiencias maduras al ámbito del poder de cómputo para inferencia de IA, acelerando rápidamente el crecimiento del ecosistema.

Basado en tecnología descentralizada, BTTInferGrid ha resuelto con precisión el dilema industrial de la coexistencia de capacidad de cómputo inactiva y escasez de capacidad de cómputo. Su enfoque de acceso abierto, colaboración descentralizada, contribución verificable y construcción comunitaria no solo representa una poderosa ruptura contra el monopolio centralizado de la capacidad de cómputo, sino que también dibuja un nuevo y visionario panorama de capacidad de cómputo global descentralizada, gracias a su definición clara de producto y una base técnica sólida. Aquí, cada unidad de capacidad de cómputo inactiva se activará, y cada desarrollador podrá acceder al futuro inteligente con costos accesibles.