Acurast接入335,000部手机,算力网络难在哪?
手机有处理器、内存和网络连接,闲置时能不能拿来处理人工智能任务?已有项目在尝试把分散的手机连接起来,为开发者提供计算资源,减少对集中式数据中心的依赖。
这里容易混淆的是:模型能在手机上运行,不等于散布各地的手机能组成可靠的云服务。设备能做什么、任务怎么分配、断线后怎么协调,才是理解手机算力网络的关键。
Acurast的手机网络能做什么?
Acurast表示,其网络已接入超过335,000部智能手机。联合创始人Alessandro De Carli称,平均每天约有40,000部处于充分活跃状态,承担网页抓取、网络安全、AI推理和智能体托管等任务。
接入数量和日常活跃数量不是同一个口径。前者描述已有多少设备加入,后者更接近日常参与工作的设备规模,不能把全部接入手机都当成持续在线的计算资源。
De Carli认为,手机内置的硬件安全功能适合机密计算,以及在隔离环境中安装和运行程序;对处理器计算要求较高、需要广泛分布或访问互联网的任务,也有适用空间。不过,手机内存有限,服务器在并行处理多项任务时仍有优势。
他还称,网络中活跃手机的整体计算能力,可与约2,340台高端数据中心服务器相当。这是项目方基于特定服务器基准给出的说法,不能直接理解为手机网络在所有AI任务上都具有同等表现。
手机是在运行模型,还是提供网络?
不一定都在运行模型。Phase推出的Phase Proxy,让手机持有者提供互联网连接,并为AI智能体提供链上验证服务。它所使用的资源,不只是手机处理器,也包括设备所在的网络连接。
创始人Kirill Eves解释,网站经常阻止或限制来自数据中心的自动化流量,因此该系统会使用参与者的移动网络和家庭网络作为代理。这与把模型直接放到手机里计算,是不同的服务。
Phase计划中的Phase Router则负责分配请求:较简单的请求交给网络内手机运行的模型,其他请求根据任务复杂度、模型能力、性能和成本,转交OpenAI、Anthropic等外部服务提供方。这里说的是后续计划,不能写成已经全面运行的能力。
这也说明,去中心化AI网络不一定要完全取代外部计算服务。按其描述,手机计算、连接服务和外部模型可以出现在同一套任务分配流程里。
分散的手机为什么难变成可靠云服务?
数据中心能集中管理硬件、供电和连接,分布各地的手机却可能掉线、过热、耗尽电量或切换网络。设备之间的处理能力和内存也不一致,任务调度必须面对这些差异。
已有研究在受控环境下测试手机集群,发现它们在部分图像识别任务中可以取得有竞争力的表现。Google支持的加利福尼亚大学圣迭戈分校项目,也展示了退役手机集群承担课堂计算任务的能力。但这些设备受到统一组织,并不是散布在全球、随时可能离线的手机。
说白了,受控实验结果不等于开放网络的服务表现。把彼此独立的任务分发给可用手机,通常更容易处理;如果同一个任务需要多部手机协作,慢速连接或设备中断就可能影响整个任务。
XYO联合创始人Markus Levin提出了另一种判断:去中心化网络可能更适合采集和验证现实世界的数据,而不是运行AI模型。手机和传感器能够提供集中式数据集遗漏的本地信息,前提是数据准确且能抵抗操纵。他认为,判断网络是否有用,应看它是否解决了客户愿意付费解决的问题,而不是只看节点数量。
手机算力的成本和激励怎么计算?
使用现有手机,能避开新建数据中心所需的高额硬件建设投入,但不意味着服务没有成本。网络连接、设备协调和参与者激励,都需要纳入计算。
De Carli表示,Acurast参与者没有固定报酬,分配结果与设备在线时长、硬件基准表现、所质押的ACU总量,以及开发者的实际计算需求有关。他称,运营者竞争的是由增发支持的奖励池,并非直接获得客户付款。
Phase的奖励则与在线时长、参与程度和客户需求相关。Eves表示,项目计划将部分服务收入用于从公开市场购入PHASE,再按网络贡献分配给节点运营者。这是其描述的分配安排,不代表设备持有者能获得固定回报。
两种安排都指向同一个实际问题:客户支付的服务成本,与设备持有者承担的资源消耗和参与成本,能否形成可持续的服务关系。让模型在手机上运行,只解决了其中一部分技术问题。
结语:手机能做任务不等于能替代云服务
现有案例展示了手机在部分计算任务、网络连接和数据采集中的用途,也暴露了设备协调与服务可靠性的难题。理解这些项目,关键是分清接入规模、活跃设备、特定性能测试和实际交付能力,不能将它们混为一谈。
如果是通过COMP销毁机制搜索到本文,这篇报道讨论的是手机算力与AI基础设施,并未介绍COMP的销毁规则,也未提供其与上述项目存在关联的依据。手机算力网络的设备激励安排,不能当作COMP销毁机制的说明。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。