Together AI ha stretto una partnership con Pearl Research Labs per affrontare il crescente costo dell'inferenza AI, collegando i carichi di lavoro GPU alle ricompense in criptovalute. Le due aziende intendono utilizzare un sistema chiamato Proof of Useful Work — una variante del mining tradizionale che distribuisce token per calcoli che effettivamente addestrano o eseguono modelli. L'idea è di permettere ai fornitori di GPU di guadagnare criptovalute mentre eseguono inferenza, compensando quella che di solito è una spesa pura.
Come funziona Proof of Useful Work
Proof of Useful Work è esattamente ciò che sembra: invece di eseguire hash di numeri casuali per ottenere una ricompensa di blocco, i miner inviano calcoli utili — in questo caso, lavori di inferenza AI — che vengono verificati e ricompensati. Pearl Research Labs fornisce il protocollo sottostante, mentre Together AI contribuisce con la sua infrastruttura di inferenza. L'obiettivo dichiarato della partnership è ridurre i costi di inferenza AI, consentendo ai fornitori di recuperare parte dei costi hardware attraverso le ricompense in token.
Perché i costi di inferenza sono l'obiettivo
Eseguire modelli linguistici di grandi dimensioni e AI generativa è costoso, specialmente su larga scala. La maggior parte del tempo GPU viene pagata in anticipo, senza possibilità di recuperare il costo computazionale. Sovrapponendo una ricompensa in criptovaluta, Together AI e Pearl Research Labs scommettono che l'incentivo in token possa rendere l'inferenza più economica — o almeno più sostenibile — per chi gestisce le macchine. Il modello trasforma di fatto un centro di costo in un potenziale flusso di entrate.
Cosa succederà dopo
Nessuna delle due aziende ha rilasciato una tempistica per quando l'integrazione di Proof of Useful Work sarà operativa. La partnership è stata annunciata questa settimana ed entrambe le parti sono nelle fasi iniziali della collaborazione tecnica. Come verrà stabilito il tasso di ricompensa — e come si bilancia rispetto al valore del token sottostante — non è ancora pubblico. Questa matematica determinerà se il sistema ridurrà effettivamente i costi o aggiungerà solo complessità.
