在科技领域，资源的高效利用与创新实践始终是推动行业发展的关键动力。近日，加州大学圣地亚哥分校与谷歌携手开展了一项引人瞩目的项目，他们计划利用2000台退役的Pixel手机搭建分布式计算平台，这一举措不仅展现了独特的创新思维，也为解决当下算力与环保问题提供了新的思路。
该项目由加州大学圣地亚哥分校前博士生Jennifer Switzer主导，谷歌为其提供了2000台Pixel Fold手机。起初，研究团队尝试直接将大量二手手机堆放在一起进行测试，然而很快发现，众多电池聚集在一起会给数据中心带来严重的火灾隐患。于是，Jennifer Switzer对方案进行了调整，对二手手机进行全面改造。改造过程中，电池、外壳、相机以及通信模块等部件被一一拆除，只保留主板以及主板上的处理器、存储等核心部件。在软件层面，手机原本搭载的原生安卓系统被卸载，取而代之的是硬件开销更低的Linux系统。
在解决了硬件和软件的基础问题后，如何让这些手机相互连接和通信成为新的挑战。手机原生的蜂窝网络和WiFi无法满足数千台设备之间的联网需求，网络信号极易瘫痪。经过研究，研究人员最终采用配有有线网口的PCB板来解决联网难题，同时配备统一的电源，确保多台设备能够稳定运行和连接。这些手机每25 - 50台组成一个计算集群，多个集群再共同构建起规模化的服务器。
对于手机能否胜任云端服务器任务这一疑问，实际上手机算力并非如人们想象中那般薄弱。以谷歌Pixel Fold为例，它于2023年发布，虽市场表现平平且存在价格昂贵、边框宽、折痕明显等缺点，但其所搭载的谷歌自研Tensor G2芯片综合性能介于骁龙888和骁龙8 Gen1之间。在当下手机芯片快速迭代、竞争激烈的环境下，这款芯片虽在移动端市场表现落后，但在服务器领域却有着独特优势。服务器对芯片能耗和散热的敏感度相对较低，当Pixel Fold的主板去除外壳、接上电源后，能耗和发热问题得到有效解决。而且，Tensor G2芯片包含Cortex - X1超大核和多个A78核心，性能超过许多云服务商提供的入门VPS。更值得一提的是，该芯片集成了12GB内存，主板上还有256GB或者512GB的闪存，大大节省了存储成本。Tensor G2在设计之初就考虑到了AI应用场景，集成了用于边缘计算的TPU，适合运行一些小型的本地模型。
单独使用一台Pixel Fold搭建服务器显然不现实，但2000台手机汇聚起来的算力十分可观。据研究者透露，目前由20台手机组成的集群算力，就能支撑75名学生线上提交作业的负荷。
在AI技术飞速发展的当下，算力需求急剧增长，同时也带来了高能耗问题。传统的集中式数据中心为维持庞大算力集群运转，需要消耗大量电力用于冷却和供电。而智能手机SoC芯片从诞生起就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、基带等耗电部件后，纯计算功耗远低于传统x86服务器处理器。由数千台这样的设备组成的集群，不仅碳排放极低、环保，还能将算力需求分散处理。
随着各类AI Agent的发展和端侧应用场景的复杂化，未来的AI计算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，可部署在社区、校园、企业内部等微型节点中。这种物理距离的拉近，极大地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而言，具有显著优势。
当前存储和芯片供应链价格波动频繁，硬件成本居高不下，而全球废旧手机堆积如山，既造成资源浪费又带来电子垃圾污染。将退役手机拆解重组为边缘计算组成部分，相当于把电子垃圾转化为低碳云算力节点，为缓解全球AI算力焦虑提供了成本更低、更具可持续性的新途径。
然而，这种微云厂模式也存在明显短板。一方面，手机SoC和存储的可靠性、寿命不如传统服务器端。手机上的闪存和芯片设计时面向普通消费者日常使用场景，而非企业级产品那样应对7×24小时不间断高强度运行。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，整个节点基本就无法使用。另一方面，旧手机组成的计算集群后期维护难度大。维护几台标准机架式服务器和维护2000块裸露、拼凑的手机主板截然不同，庞大的微型节点基数意味着硬件故障率会被放大，运维人员若频繁进行物理排查和更换主板工作，将耗费大量精力。
其实，用旧手机集群搭建服务器的设想在前AI时代就曾出现过，但因投入产出比不划算而被放弃。如今再次尝试，是因为存储、芯片成本不断上涨，算力出现稀缺性。当下常规方案搭建服务器成本大幅提高，同时手机行业淘汰下来的旧机型数量庞大，为这种废旧机型二次利用提供了相对廉价的物料，如同在电子垃圾里挖掘金矿。
