Minería de Perlas Consume 112 MW Sin Real Trabajo de IA

Un preimpreso de investigación en la red de "Proof-of-Useful-Work" de la cadena de bloques Pearl revela que aproximadamente 320,000 GPU de clase RTX 3090 están consumiendo 112 MW para producir ningún cómputo de IA verifiable, resultando en un apretón de oferta y un aumento del 38 por ciento en los precios de alquiler de GPU de presupuesto en vast.ai después del lanzamiento del software de minería de Pearl en mayo.

El protocolo cuPOW de Pearl reemplaza el hashing SHA-256 de estilo Bitcoin con la multiplicación de matrices enteras con ruido, que también es la aritmética subyacente a la inferencia de redes neuronales. Los mineros deben probar que realizaron la matemática correctamente, pero el paso de verificación solo comprueba la precisión de la multiplicación sin validar si las matrices de entrada provinieron de un modelo real, un cliente que paga o cualquier carga de trabajo de inferencia en vivo, como se detalla en el preimpreso de arXiv de Abhinaba Basu. El protocolo certifica la ejecución correcta, no la ejecución útil, permitiendo a los mineros cumplir con las reglas de consenso con datos sintéticos completamente.

Basu desarrolló un minero de código abierto utilizando matrices aleatorias uniformemente sin inferencia adjunta, envió salidas a un grupo de minería de Pearl y recopiló 44 partes aceptadas por el grupo en GPUs de Nvidia, hardware AMD incluyendo el Instinct MI300X, CPU y Apple Silicon. El MI300X logró 10.6 millones de mosaicos por segundo, superando a un minero de Nvidia de código cerrado en el RTX 3090. Analizando a 8,012 trabajadores en un grupo, que representa aproximadamente el 21 por ciento de la tasa total de hashrate de Pearl, se reveló que todos ejecutaban hardware capaz de inferencia, sin embargo, el binario principal de minería no contenía código identificable de marco de aprendizaje automático bajo inspección de cadena, un método que el paper señala puede ser derrotado por código despojado o ofuscado, por lo que el hallazgo se ofrece como evidencia fuerte en lugar de prueba definitiva.

El impacto en el mercado fue inmediato. El uso en vast.ai aumentó del 57 por ciento al 94 por ciento después del lanzamiento del software en mayo, y Basu estima que este cambio impuso aproximadamente $600,000 en costos adicionales anuales de alquiler en investigadores independientes compitiendo por el mismo silicio de presupuesto, aunque Basu advierte que la estimación depende de suposiciones sobre la estabilidad de precios en la línea de base pre-minería. A la actual precio del token PRL de aproximadamente $0.76, la minería de Pearl es marginalmente rentable, con el resumen de arXiv citando un ROI que varía desde -1% hasta +67% dependiendo de la gama de GPU y Tom's Hardware señalando que tarjetas de presupuesto como la RTX 3060 Ti son marginalmente rentables y la RTX 3090 está aproximadamente en punto de equilibrio, manteniendo la mayoría de la flota en línea independientemente de si se realiza algún trabajo de IA. Incluso el acuerdo exclusivo de Together AI para ofrecer un punto final de inferencia de Gemma-4-31B-it-pearl con descuento, subvencionado por los ingresos de minería, depende de la propia flota de GPU de Together para la inferencia real; los 8,012 trabajadores de minería medidos por Basu no produjeron ninguna.

El perfil de tiempo del software de minería muestra una firma computacional pesada en recursos, ligera en ancho de banda de memoria, coherente con matemáticas puras de matrices e inconsistente con la inferencia de transformadores que consumen memoria. La discrepancia indica que si las cargas de trabajo estuvieran ejecutando pasadas adelante del modelo, el muro de memoria sería evidente. Dado que la aritmética es matemática de enteros de commodity transportable a cualquier plataforma, el drenaje de oferta no está incluso bloqueado en silicio de Nvidia y puede migrar a cualquier hardware que sea el más barato de alquilar.

El preimpreso enmarca el fracaso como una tensión fundamental entre verificabilidad y utilidad. Probar que una multiplicación de matrices se calculó correctamente es fácil; probar que sirvió como modelo de cliente real es difícil, y el protocolo de Pearl no intenta lo último. Para los líderes de plataformas de ML que ya gestionan la volatilidad de instancias spot, la lección es que una etiqueta de trabajo de prueba no es suficiente: exijan un enlace criptográfico o estadístico entre el cómputo y una solicitud de inferencia verificada, o preparen que el mercado de alquiler trate el hardware como capacidad de hash cripto independientemente de la comercialización.

Cuando se evalúa un mercado de cómputo de "trabajo útil", verifique que el paso de verificación vincule los resultados a un modelo de cliente específico y distribución de entrada: cualquier cosa menos es solo una factura de energía con pasos adicionales.