谷歌让旧手机重生为AI服务器只需三步

近期，谷歌与加州大学圣地亚哥分校（UCSD）合作开展了一项引人注目的项目：将2000台退役的Pixel手机整合成分布式计算平台。具体而言，这些二手手机被组装成一个庞大的云端服务器，充分利用每块芯片的算力，核心目标是实现低碳环保。

这一消息引发了许多人的好奇：芯片和算力是否已经稀缺到如此程度？同时，人们也想知道，旧手机究竟如何转化为服务器设备？

旧手机中挖宝：芯片和存储皆是珍贵资源

据外媒The Register报道，加州大学圣地亚哥分校的前博士生Jennifer Switzer与谷歌合作，将谷歌提供的2000台Pixel Fold改造成分布式服务器。研究团队最初尝试直接将大量二手手机堆叠进行测试，但很快发现，电池密集堆叠会给数据中心带来火灾隐患。

因此，Jennifer Switzer的方案首先对二手手机进行改造：移除电池和外壳，并拆卸摄像头、通信模块等部件。简言之，二手手机用于构建服务器时，最核心的是主板及其上的处理器、存储等关键组件。除硬件简化外，软件层面也进行了调整——原生安卓系统被卸载，替换为硬件开销更低的Linux系统。

接着，这些手机以每25到50台为一个单元组成计算集群，多个集群再拼接成最终的规模化服务器。那么，这么多手机之间如何实现互联通信？手机原生的蜂窝网络和WiFi在此场景下并不适用——数千台设备同时联网极易导致信号瘫痪。研究人员最终采用带有有线网口的PCB板来解决联网问题，并配备统一电源，确保多台设备稳定运行和连接。

看到这里，许多人不禁疑惑：体积小巧、TDP有限的手机SoC，真的能承担云端服务器的任务吗？毕竟，在大多数人的印象中，服务器都是体积庞大的巨无霸，需要放置在大型机房中。

实际上，手机的算力并没有想象中那么弱。谷歌Pixel Fold是2023年发布的折叠屏机型，市场表现平平，缺点较多：价格昂贵、边框过宽、折痕明显。它搭载谷歌自研的Tensor G2芯片，综合性能大致介于骁龙888和骁龙8 Gen1之间，即便在2023年也属于较为落后的水平。

不过，近年来手机行业竞争激烈，芯片迭代速度极快，普通用户瞧不上的“火龙”芯片，在服务器领域却成了抢手货。与手机移动端平台相比，服务器对芯片能耗和散热的敏感度更低。Pixel Fold主板在拆除外壳并接通电源后，能耗和发热问题基本得到解决。

此外，Tensor G2芯片包含Cortex-X1超大核和多个A78核心，其性能已超越许多云服务商提供的入门级VPS。更关键的是，这款芯片集成了12GB内存，主板上还配备256GB或512GB闪存，直接节省了存储方面的巨额成本。

同时，Tensor G2在设计之初就考虑了AI应用场景，集成了适用于边缘计算的TPU，适合运行小型本地模型。

当然，仅凭一台Pixel Fold搭建服务器不现实，但2000台手机聚集起来，其算力便相当可观。据研究者透露，目前20台手机组成的集群，其算力足以支撑75名学生在线提交作业的负荷。

AI算力焦虑：二手手机能否成为缓解之道？

坦白说，指望用二手手机搭建的集群来训练千亿参数的大模型，无异于天方夜谭。但如果将目光从中心化的云端超算中心转向去中心化的边缘计算，则是另一番景象。

在我们看来，这种由退役手机构成的微型云厂，非但不是算力降级，反而高度契合未来AI发展的两大核心诉求：低功耗和分布式低延迟。

首先，它缓解了日益严重的AI高能耗问题。AI大模型的爆发固然带来了生产力飞跃，但也导致了惊人的能耗飙升。传统集中式数据中心为维持庞大算力集群的运转，需要消耗大量电力用于冷却和供电。

而智能手机的SoC芯片，从诞生之初便将能效作为核心指标。像Tensor G2这种自带TPU算力的移动端芯片，在剥离屏幕、基带等耗电大户后，其纯计算功耗远低于传统的x86服务器处理器。数千台这样的设备组合起来，不仅碳排放极低、环保，还能将庞大的算力需求化整为零。

其次，它非常契合边缘计算的物理分布特性。随着各类AI Agent的演进和端侧应用场景的复杂化，未来的AI计算不再将所有数据一股脑上传到遥远的云端机房，而是更倾向于在靠近用户侧的边缘进行即时处理。

退役手机集群体积小巧、部署灵活，无需像传统机房那样苛刻的物理空间，它们完全可以部署在社区、校园、企业内部的微型节点中。这种物理距离的拉近，极大降低了数据传输的网络延迟，对于需要实时响应的AI推理、本地模型调度或自动化工作流来说，可谓量身定制。

最后，这也是一种破解算力成本与供应链焦虑的尝试。当前，存储和芯片的供应链价格波动频繁，硬件成本居高不下，而全球各地堆积如山的废旧手机不仅造成资源浪费，还带来电子垃圾污染。

将退役手机拆解重组，重塑为边缘计算的组成部分，相当于把曾经的电子垃圾转化为低碳云算力节点。这无疑为缓解全球AI算力焦虑提供了一种成本更低、更具可持续性的破局思路。

不过，这种微云厂模式虽然前景诱人，但其短板同样明显。

一方面，手机SoC和存储的可靠性、寿命不如传统服务器端。手机上搭载的闪存和芯片，设计初衷是面向普通消费者的日常使用，不会像企业级产品那样需要应对7×24小时不间断的高强度运行。由于手机存储颗粒和芯片直接封装在主板上，一旦出现故障，整个节点便基本报废。

另一方面，旧手机组成的计算集群会面临后期维护难题。维护几台标准机架式服务器与维护2000块裸露拼凑的手机主板，完全是两回事。庞大的微型节点基数意味着硬件故障率会被无限放大，如果频繁出现宕机，运维人员仅进行物理排查和更换主板的工作，就将耗费大量精力。

实际上，用旧手机集群搭建服务器的设想在AI时代之前就已存在，但因投入产出比不划算而被放弃。如今该方案再次被尝试，根本原因在于存储和芯片成本暴涨，算力出现稀缺性。当前如果用常规方案搭建服务器，成本远高于过去。

同时，由于过去数年的激烈竞争，手机行业淘汰下来的旧机型数量极其庞大，客观上提供了相对廉价的物料。废旧机型的二次利用，无异于在电子垃圾中挖掘金矿。

写在最后

谷歌与加州大学圣地亚哥分校的这次尝试，与其说是一场算力革命，不如说是应对当前算力焦虑的一次极客实验。

身处存储价格飙升、AI算力供不应求的大环境，人们习惯将目光聚焦在动辄数万美元的顶级GPU上，却忽略了海量闲置的移动端算力。虽然受限于闪存寿命等因素，这种二手手机拼凑的微型云厂注定无法取代传统数据中心的正规军，但它也为边缘计算提供了一个极具想象力的实践案例。

或许在不久的将来，手机之外的二手平板、PC、游戏机、NAS等所有具备算力的设备，都可能被二次利用，相关的二手产业链也将被重构。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：谷歌让旧手机重生为AI服务器只需三步要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题