
 
 ¿Qué sucede cuando se permite a una máquina aprender de cómo las personas realmente intercambian poder de computación, en lugar de programarlo con reglas de optimización? ¿Qué sucede cuando se permite a una máquina aprender de cómo las personas realmente intercambian poder de computación, en lugar de programarlo con reglas de optimización? El 21 de octubre, la compañía anunció una plataforma de mercado que capacita su sistema de IA en el comportamiento real de las subastas humanas, creando lo que el CEO Andrew Sobko llama un "benchmark vivo" para la economía de la computación. El argentino Lo que importa es el tiempo.La Se prevé que alcance los 811,6 mil millones de dólares en 2035, creciendo en un 41,39% anual desde una línea de base de 25 mil 41 mil millones de dólares en 2025.A pesar de esta expansión, el acceso sigue concentrado. La actividad de blockchain ha crecido un 86% año tras año, señalando la demanda de alternativas.Argentum entra en este paisaje con una tesis diferente: los mercados, no solo los algoritmos, deben determinar la asignación computacional. Mercado mundial de GPU Plataformas informáticas descentralizadas ¿Pueden los patrones de comercio humano mejorar la toma de decisiones de IA más que la pura optimización?¿Confiarán las empresas en un sistema de asesoramiento sobre el precio autónomo?¿Y puede un mercado entrenado en el comportamiento permanecer transparente cuando las señales de comportamiento se vuelven más complejas? Qué hace que un "benchmark vivo" sea diferente Argentum procesa dos flujos de datos para entrenar su sistema de IA. En primer lugar, la actividad de mercado en cadena verificada, incluyendo publicaciones, ofertas, cancelaciones, escudos y pagos. En segundo lugar, la telemetría de ejecución firmada criptográficamente de los nodos de computación informa sobre el tiempo de ejecución, la eficiencia y el consumo de energía. Juntos, estas entradas crean un círculo de retroalimentación donde la IA aprende de lo que realmente sucedió en lugar de lo que debería suceder en teoría. La distinción es importante en los mercados de computación. Los modelos de optimización tradicionales predicen curvas de demanda y establecen precios basados en patrones históricos. El enfoque de Argentum rastrea la profundidad del libro de pedidos, las proporciones de aceptación de las ofertas y el comportamiento de apuestas para evaluar la confianza y la fiabilidad en tiempo real. El sistema luego sugiere estrategias de licitación, niveles de precios de reserva y rotación de la carga de trabajo en diferentes entornos de computación. Cada recomendación viene con un indicador de razonamiento y confianza. El aprendizaje comportamental introduce complejidad. Los mercados evolucionan a medida que los participantes aprenden unos de otros y de las sugerencias de la IA. Esto crea loopes de retroalimentación donde los patrones de comercio de hoy influyen en las recomendaciones de mañana, que luego forman el comportamiento futuro. La plataforma afirma que esta adaptación fortalece la toma de decisiones a lo largo del tiempo, pero también significa que los datos de formación de la IA están cambiando constantemente. La capa de aprobación humana: necesidad o botellón Cada recomendación de Argentum requiere la aprobación humana antes de la ejecución. A diferencia de los sistemas de comercio autónomos que actúan sobre las señales de inmediato, Argentum se coloca estrictamente como asesor. Los usuarios revisan las sugerencias, ven el razonamiento subyacente y deciden si proceder. Esto preserva el control humano pero introduce la latencia en las subastas informáticas sensibles al tiempo. El ha demostrado ser eficaz en otros ámbitos. mejora de la precisión de 25 a 40% cuando se combinan las capacidades de IA con la supervisión humana en comparación con los sistemas totalmente automatizados.En la atención médica, los sistemas híbridos superan tanto a los médicos humanos como a los modelos de aprendizaje automático por sí solos en la identificación de condiciones como el cáncer de mama. Enfoque humano-in-the-loop Informe de Empresas El comercio es velocidad versus juicio. Ya se ven proveedores como Thunder Compute publicando A100s a $ 0,66 por hora, subcortando los hiperscalers por hasta 80%. En tales entornos competitivos, los retrasos de incluso minutos pueden significar oportunidades perdidas. El modelo de Argentum asume que las mejores decisiones justifican una ejecución ligeramente más lenta. Si las empresas aceptan este compromiso depende de su sensibilidad de carga de trabajo y tolerancia al riesgo. Mercados Spot de GPU Transparencia a través de la criptografía, no sólo reivindicaciones Argentum aplica la transparencia a través de pruebas de ejecución firmadas criptográficamente y ejecuciones de verificación redundantes. Esto permite a los participantes rastrear qué datos entrenaron la IA y cómo se generaron recomendaciones específicas.La compañía se compromete a las métricas abiertas, los procesos audibles y la gobernanza basada en la comunidad utilizando el voto cuadrático y la supervisión ponderada por la reputación. La transparencia se vuelve crítica cuando los datos de comportamiento impulsan las decisiones. Si la IA aprende de los patrones de negociación, los participantes necesitan verificar que ningún actor puede manipular esos patrones a las recomendaciones de bias. las pruebas criptográficas proporcionan esta garantía al crear un registro inmutable de lo que sucedió, cuándo y bajo qué condiciones. Este enfoque contrasta con los modelos de optimización opacos en los que las empresas confían en las afirmaciones del proveedor sobre la equidad y la exactitud. , ahora valorada en $12.2 mil millones en 2024 y se espera que llegue a $39.5 mil millones en 2033, ha crecido precisamente porque las empresas quieren alternativas al control centralizado. Mercado de computación descentralizado Contexto del mercado: dónde se ajusta el argumento al paisaje computacional El Se prevé que alcance los 49,84 mil millones de dólares en 2032, mostrando una tasa de crecimiento del 35,8%. América del Norte domina con una cuota de mercado del 39,63%, impulsada por proveedores establecidos y la adopción pesada de IA. Sin embargo, este crecimiento oculta problemas estructurales: para la memoria HBM3E, líneas de producción totalmente reservadas hasta 2025, y bloqueo del proveedor que limita la flexibilidad. GPU como mercado de servicios Restricciones de suministro Las plataformas descentralizadas surgieron como respuesta. Conecta proveedores con consumidores en un mercado peer-to-peer, reduciendo costes hasta en un 80% en comparación con la nube tradicional. Estas plataformas demuestran la demanda de alternativas pero enfrentan sus propios desafíos: liquidez fragmentada, calidad inconsistente y adopción limitada de la empresa debido a los riesgos percibidos de fiabilidad. Red Akash Red de Golem Argentum se coloca entre los hiperescaladores y las redes totalmente descentralizadas. Crea un mercado spot para las cargas de trabajo de GPU con precios transparentes y ejecución verificable, pero añade una capa de aprendizaje comportamental que carecen las plataformas descentralizadas tradicionales. La IA aprende de la actividad agregada del mercado para sugerir mejores estrategias, mejorando teóricamente los resultados para todos los participantes. Si este enfoque híbrido gana tracción depende de la calidad de ejecución y si las empresas ven suficiente beneficio para cambiar de proveedores establecidos. La implementación técnica y lo que significa para los usuarios La plataforma mide la eficacia a través de resultados de rendimiento reales: reducción de la ineficiencia de precios, tasas más altas de ejecución de tareas y costos horarios promedio de GPU más bajos.Estas métricas se relacionan directamente con el impacto financiero, que es importante para las empresas que evalúan si adoptar un nuevo mercado.El concepto de "benchmark vivo" significa que cada transacción verificada combina el aprendizaje de la IA, refinando las recomendaciones futuras. Esto crea un efecto de red donde más participantes generan mejores datos, lo que produce sugerencias más precisas, lo que atrae a más participantes. El desafío está alcanzando una masa crítica.Los primeros usuarios entrenan eficazmente el sistema con su comportamiento, pero pueden no ver beneficios inmediatos si el conjunto de datos permanece pequeño.Argentum necesita un volumen suficiente para generar patrones estadísticamente significativos antes de que las recomendaciones se conviertan en útiles de manera fiable. La compañía afirma que cada sugerencia está acompañada de un indicador de razonamiento y confianza. Esto es importante para el depósito y la confianza. Si una recomendación falla, los usuarios pueden rastrear el razonamiento para entender por qué. Con el tiempo, surgen patrones que muestran qué estrategias funcionan en qué condiciones. Este conocimiento se institucionaliza en la formación de la IA, creando un recurso compartido que beneficia a todos los participantes del mercado. Dinámica competitiva y posicionamiento de mercado Andrew Sobko explica la visión de la compañía: 
 
 "Un mundo donde la computación fluye tan libremente como el capital.El mercado de la IA de Argentum da a cada empresa, investigador y constructor acceso igual a la liquidez de la GPU, creando un mercado spot justo, sin fronteras y eficiente para la era de la IA". "Un mundo donde la computación fluye tan libremente como el capital.El mercado de la IA de Argentum da a cada empresa, investigador y constructor acceso igual a la liquidez de la GPU, creando un mercado spot justo, sin fronteras y eficiente para la era de la IA". Los mercados financieros han logrado liquidez a través de la normalización, la transparencia y el aprendizaje comportamental a lo largo de décadas. La respuesta depende en parte de si el aprendizaje comportamental resulta más eficaz que la optimización pura. Sugiere que los enfoques híbridos superan a los humanos o a las máquinas por sí solas en entornos de decisión complejos.Pero los mercados computacionales tienen características únicas: cargas de trabajo altamente variables, restricciones de suministro que cambian rápidamente, y los participantes con diferentes perfiles de riesgo y requisitos técnicos. Investigación reciente Los competidores abordan el problema de manera diferente. como AWS y Azure ofrecen estabilidad e integración pero cobran precios premium. Las plataformas descentralizadas puras ofrecen costes bajos pero calidad variable. Argentum apuesta por un terreno intermedio donde el aprendizaje comportamental más la supervisión humana crea mejores resultados que los extremos. El mercado probará esta tesis rápidamente a medida que las empresas toman decisiones de adquisición para la capacidad de computación de 2025 y 2026. Los hiperscales Cuestiones éticas de diseño y gobernanza Argentum se compromete a rechazar los sistemas de toma de decisiones autónomos o opacos, en lugar de enfatizar las métricas abiertas, los procesos audibles y la gobernanza basada en la comunidad. El voto cuadrático y la supervisión ponderada por la reputación sugieren la toma de decisiones democráticas sobre las reglas de la plataforma y la resolución de disputas. Considere un escenario en el que los grandes proveedores subsidien consistentemente a los pequeños proveedores, expulsándolos del mercado.¿Debería la IA de la plataforma recomendar contra esta estrategia para mantener la diversidad?O debería optimizar puramente para los resultados de los usuarios independientemente de los efectos de la estructura del mercado?Estas preguntas no tienen respuestas obvias y requieren marcos de gobernanza que equilibren valores competitivos. El marco de diseño ético también aborda el uso de datos. ¿Quién posee los datos de comportamiento que entrenan a la IA? ¿Pueden los participantes optar por no contribuir al conjunto de capacitación? ¿Qué sucede cuando los patrones de comercio de alguien se utilizan para generar insights que benefician a los competidores? La verificación criptográfica de Argentum proporciona transparencia sobre qué datos se utilizaron, pero la gobernanza determina cómo se pueden utilizar esos datos. Lo que realmente muestran los datos El Esta expansión se valoró en 3,17 mil millones de dólares en 2024 y se espera que llegue a 47,24 mil millones de dólares en 2033, creciendo en un 35% anualmente.Esta expansión refleja la creciente demanda de capacitación de IA, aprendizaje automático de inferencia y computación de alto rendimiento en todas las industrias. muestra una amplia varianza: algunos proveedores cobran $0.66 por A100 hora, mientras que otros superan $3.00 para recursos similares. Mercado de la computación en la nube GPU Precio del centro de datos GPU Esta ineficiencia de precios representa la oportunidad para los objetivos de Argentum. Si el aprendizaje comportamental puede ayudar a los participantes a identificar recursos de mejor precio o optimizar las estrategias de licitación, incluso las mejoras modestas se multiplican rápidamente a escala. Una reducción del 10% en los costos de GPU promedio ahorraría a las empresas millones anualmente dado el gasto de computación proyectado. Los datos de eficacia temprana serán críticos.La plataforma debe demostrar que las estrategias recomendadas por la IA superan la toma de decisiones manual por un margen lo suficientemente significativo como para justificar la curva de aprendizaje y los costos de cambio.Esto requiere un informe transparente de las métricas de rendimiento en diferentes casos de uso y tipos de participantes. Promesas y limitaciones del aprendizaje comportamental El concepto de capacitar a la IA sobre el comportamiento real del mercado en lugar de modelos teóricos tiene mérito.Los mercados son sistemas adaptativos complejos en los que los participantes responden a las acciones de los demás de maneras que los algoritmos de optimización a menudo faltan. Sin embargo, varias preocupaciones merecen atención.En primer lugar, el aprendizaje comportamental puede amplificar en lugar de atenuar las ineficiencias del mercado si las cadenas de retroalimentación refuerzan los patrones suboptimales.Si los participantes tempranos adoptan estrategias que suceden para trabajar en condiciones específicas, la IA puede recomendar esas estrategias ampliamente, causándoles a fallar cuando las condiciones cambian.El concepto de "benchmark vivo" asume que el aprendizaje es direccional y acumulativo, pero los mercados a menudo muestran cambios de régimen donde los patrones pasados pierden poder predictivo. En segundo lugar, la capa de aprobación humana introduce la latencia que puede socavar la competitividad en los mercados en movimiento rápido. Las subastas computacionales a menudo se resuelven en minutos o segundos.El tiempo necesario para que los humanos revisen recomendaciones y aprueben acciones podría significar oportunidades perdidas, especialmente cuando compiten contra los sistemas de comercio autónomos. Sistemas human-in-the-loop En tercer lugar, la transparencia a través de pruebas criptográficas aborda la verificación técnica pero no resuelve los desafíos de interpretabilidad.Los participantes pueden verificar que ciertos datos produjeron ciertas recomendaciones, pero entender por qué esas recomendaciones surgieron de patrones de comportamiento complejos sigue siendo difícil. Dicho esto, el enfoque llena una verdadera brecha en los mercados de computación. Las opciones actuales obligan a elegir entre hiperscalers caros con rendimiento previsible y plataformas descentralizadas baratas con calidad variable. Un camino medio que combina la eficiencia del mercado con la optimización basada en el aprendizaje podría atraer a las empresas que buscan ahorros de costes y fiabilidad. El éxito depende de la calidad de ejecución y de si la ventaja de aprendizaje comportamental resulta duradera a medida que el mercado madura. Lo que viene a continuación para los mercados de computación comportamental El lanzamiento de Argentum representa un experimento en una tendencia más amplia hacia los mercados de computación híbrida. El espacio ha visto crecer las inversiones, con proyectos como AIOZ Network y Akash Network atrayendo una importante actividad de desarrolladores.La economía computacional se está fragmentando de la dominación de la hiperescala hacia modelos más diversos que equilibran los costes, el control y el rendimiento de manera diferente. Red de Infraestructura Física Descentralizada Si Argentum demuestra mejoras mensurables en la eficiencia de precios y las tasas de finalización de tareas, los competidores adoptarán enfoques similares.Si la capa de aprobación humana resulta demasiado lenta o las recomendaciones de la IA no superan las estrategias más simples, el modelo puede no ganar tracción. La pregunta a largo plazo es si los mercados de computación siguen la trayectoria de los mercados financieros hacia un aumento de la liquidez y la estandarización.Los mercados financieros evolucionaron a lo largo de los siglos, desarrollando mecanismos de compensación, contratos estandarizados y marcos regulatorios que permiten una asignación eficiente de capital.Los mercados de computación se enfrentan a desafíos similares con una complejidad técnica adicional en torno a la verificación de la carga de trabajo y la garantía de calidad.El experimento de Argentum con el aprendizaje comportamental más la verificación criptográfica representa un camino hacia adelante, pero ciertamente no el único. Pensamientos finales El lanzamiento de Argentum AI destaca una tensión fundamental en los mercados de computación: la necesidad de eficiencia y equidad, velocidad y supervisión, optimización y transparencia.El enfoque de la compañía de entrenar la IA en el comportamiento del mercado humano mientras mantiene la autoridad de aprobación humana intenta equilibrar estas demandas competitivas. El concepto de "benchmark vivo" es atractivo porque reconoce que los mercados de computación no son problemas estáticos de optimización, sino ecosistemas en evolución en los que los participantes se adaptan y aprenden. Sin embargo, el aprendizaje adaptativo introduce sus propios riesgos, especialmente en torno a los circuitos de retroalimentación y los cambios de régimen. Para las empresas que evalúan las estrategias de adquisición de GPU en 2025, Argentum representa una opción adicional que vale la pena monitorear.La plataforma puede no reemplazar inmediatamente a los hiperescaladores establecidos o a las alternativas totalmente descentralizadas, pero podría llenar un nicho para las cargas de trabajo que se benefician de la dinámica del mercado sin requerir un coste mínimo absoluto. ¡No te olvides de gustar y compartir la historia! 
 
 Este autor es un colaborador independiente que publica a través de nuestro programa de blogs de negocios. HackerNoon ha revisado el informe por la calidad, pero las afirmaciones aquí pertenecen al autor. #DYO Este autor es un colaborador independiente que publica a través de nuestro programa de blogs de negocios. HackerNoon ha revisado el informe por la calidad, pero las afirmaciones aquí pertenecen al autor. #DYO Programa de blogs de negocios Programa de blogs de negocios

This story contains new, firsthand information uncovered by the writer.

The writer was physically present in relevant location(s) to this story. The location is also a prevalent aspect of this story be it news or otherwise.

Hot off the press! This story contains factual information about a recent event.

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - DATA.

2020 - Hacker Noon Contributor of the Year in DATA

Read My Stories

Este audio es producido en el idioma original de la historia!

Cómo Argentum AI planea hacer que el acceso a GPU sea tan líquido como los mercados de capitales

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps