Estos días, mientras investigaba los fundamentos de la infraestructura de los agentes de IA, traduje con bastante detalle el material de @Acurast.
Al principio, solo lo veía como un proyecto de cómputo tipo “potencia de un móvil”. Pero luego descubrí que el chip de seguridad del teléfono es una capa fundamental en esta red.
Los nodos de cómputo de Acurast provienen de dispositivos personales de todo el mundo. Los desarrolladores no saben a qué teléfono se asignará finalmente la tarea; además, el dueño del dispositivo puede ser una persona totalmente desconocida. Enviar solo el código para que se ejecute, obviamente, no es suficiente en términos de seguridad.
Utiliza un entorno de ejecución confiable integrado en el propio teléfono para procesar las tareas. Esta zona normalmente también la usan las aplicaciones bancarias, el reconocimiento biométrico y las funciones de pago; el código en ejecución queda aislado del sistema del teléfono, de otras aplicaciones y del usuario del dispositivo.
Cuando la tarea termina, el hardware además genera una prueba de firma para confirmar que el dispositivo de ejecución es real, que el código no se modificó y que el resultado proviene del entorno de ejecución especificado.
Este mecanismo encaja muy bien con los agentes de IA.
Un agente que necesita estar en línea todo el día puede llegar a manejar claves de API, instrucciones de los usuarios, datos de cuentas y tareas programadas. Si lo colocas en un servidor en la nube convencional, necesitas confiar en el proveedor; si lo colocas en dispositivos distribuidos sin capacidad de verificación, entonces tienes que confiar en muchos nodos desconocidos.
Acurast elige el dispositivo verificado, el entorno de ejecución y el resultado de la ejecución, de modo que los desarrolladores no tengan que conocer con antelación a quienes proporcionan la potencia de cómputo.
Ahora, la red ya puede soportar OpenClaw, servicios de Node.js, programas de robots y parte de la inferencia de modelos. El rendimiento del teléfono quizá no sea adecuado para entrenar modelos grandes, pero para ejecutar el backend del agente, tareas programadas e inferencia ligera, sí que encaja bastante bien.
Mi comprensión de Acurast también ha cambiado.
El móvil en desuso solo indica de dónde viene el cómputo; el aislamiento del hardware y la prueba de ejecución determinan si esos recursos de cómputo pueden usarse con confianza por parte de los desarrolladores.
Al principio, solo lo veía como un proyecto de cómputo tipo “potencia de un móvil”. Pero luego descubrí que el chip de seguridad del teléfono es una capa fundamental en esta red.
Los nodos de cómputo de Acurast provienen de dispositivos personales de todo el mundo. Los desarrolladores no saben a qué teléfono se asignará finalmente la tarea; además, el dueño del dispositivo puede ser una persona totalmente desconocida. Enviar solo el código para que se ejecute, obviamente, no es suficiente en términos de seguridad.
Utiliza un entorno de ejecución confiable integrado en el propio teléfono para procesar las tareas. Esta zona normalmente también la usan las aplicaciones bancarias, el reconocimiento biométrico y las funciones de pago; el código en ejecución queda aislado del sistema del teléfono, de otras aplicaciones y del usuario del dispositivo.
Cuando la tarea termina, el hardware además genera una prueba de firma para confirmar que el dispositivo de ejecución es real, que el código no se modificó y que el resultado proviene del entorno de ejecución especificado.
Este mecanismo encaja muy bien con los agentes de IA.
Un agente que necesita estar en línea todo el día puede llegar a manejar claves de API, instrucciones de los usuarios, datos de cuentas y tareas programadas. Si lo colocas en un servidor en la nube convencional, necesitas confiar en el proveedor; si lo colocas en dispositivos distribuidos sin capacidad de verificación, entonces tienes que confiar en muchos nodos desconocidos.
Acurast elige el dispositivo verificado, el entorno de ejecución y el resultado de la ejecución, de modo que los desarrolladores no tengan que conocer con antelación a quienes proporcionan la potencia de cómputo.
Ahora, la red ya puede soportar OpenClaw, servicios de Node.js, programas de robots y parte de la inferencia de modelos. El rendimiento del teléfono quizá no sea adecuado para entrenar modelos grandes, pero para ejecutar el backend del agente, tareas programadas e inferencia ligera, sí que encaja bastante bien.
Mi comprensión de Acurast también ha cambiado.
El móvil en desuso solo indica de dónde viene el cómputo; el aislamiento del hardware y la prueba de ejecución determinan si esos recursos de cómputo pueden usarse con confianza por parte de los desarrolladores.
