Стремительный рост спроса на вычислительные мощности для искусственного интеллекта заставляет исследователей искать нестандартные решения. Один из таких проектов реализуют Google и Калифорнийский университет в Сан-Диего (UCSD), где планируют объединить около 2000 списанных смартфонов Pixel в распределенную вычислительную систему.

Вместо того чтобы использовать устройства целиком, инженеры оставляют только основные компоненты — материнскую плату с процессором и памятью. Аккумуляторы, корпуса, камеры и модули связи удаляются, а штатная операционная система Android заменяется облегченной версией Linux.

Смартфоны объединяются в вычислительные кластеры по несколько десятков устройств и подключаются к сети через специальные платы с проводным Ethernet и централизованным питанием.

Несмотря на компактные размеры, современные мобильные процессоры обладают достаточной производительностью для многих задач. В частности, используемый в Pixel Fold чип Tensor G2 оснащен встроенным ускорителем ИИ (TPU), а также имеет до 12 ГБ оперативной памяти и до 512 ГБ встроенного накопителя. По словам разработчиков проекта, кластер всего из 20 таких устройств уже способен обслуживать онлайн-сервисы университета для десятков пользователей одновременно.

Авторы проекта не рассматривают старые смартфоны как замену традиционным дата-центрам или GPU-кластерам для обучения крупных языковых моделей. Их основная цель — создание энергоэффективной инфраструктуры для периферийных вычислений (edge computing), где обработка данных происходит ближе к пользователю и не требует передачи информации в удаленные облачные центры обработки данных.

Такой подход имеет сразу несколько преимуществ. Во-первых, мобильные процессоры отличаются высокой энергоэффективностью, поскольку изначально разрабатывались для работы от аккумулятора. Во-вторых, использование списанных смартфонов позволяет сократить объем электронных отходов и повторно использовать уже произведенное оборудование. Наконец, распределенные мини-кластеры можно размещать непосредственно в офисах, учебных заведениях или на промышленных объектах, снижая задержки при выполнении ИИ-задач.

Вместе с тем технология имеет и серьезные ограничения. Компоненты смартфонов не рассчитаны на круглосуточную эксплуатацию, а выход из строя памяти или процессора зачастую означает необходимость замены всей платы. Кроме того, обслуживание тысяч отдельных устройств значительно сложнее, чем работа с традиционными серверными стойками.

Эксперты считают, что подобные проекты не заменят классические центры обработки данных, однако могут стать перспективным решением для периферийных вычислений и локальных ИИ-сервисов. По мере роста стоимости специализированных ускорителей и дефицита вычислительных ресурсов повторное использование смартфонов, планшетов и других электронных устройств может превратиться в отдельное направление развития инфраструктуры искусственного интеллекта.