谷歌探索用旧手机组队做AI服务器应对存储算力短缺
来源：互联网 2026-06-28 07:52:06谷歌与加州大学圣地亚哥分校利用2000台退役Pixel手机，去除电池和外壳后组成分布式服务器集群。该方案将手机主板分组联网，提供边缘计算能力，缓解算力与存储短缺，但受限于可靠性和维护成本，无法替代传统数据中心。
此前有报道称，谷歌与加州大学圣地亚哥分校合作开展了一项颇具创意的项目——利用2000台退役的Pixel手机构建分布式计算平台。具体而言，这两千台二手手机被组装成一个庞大的云端服务器，既充分挖掘了其全部算力，又打出了低碳环保的旗号。
这一消息引发了不少人的疑问：芯片和算力是否已经紧张到这种程度？紧接着，人们自然也会好奇，旧手机究竟如何改造为正经的服务器？
长期稳定更新的攒劲资源： >>>点此立即查看<<<
接下来直接进入正题。
从二手机中挖掘资源：芯片与存储具备真实价值
根据外媒The Register的报道，这项合作的关键人物是UCSD前博士生Jennifer Switzer。她从谷歌获得了2000台Pixel Fold，计划将其改造成分布式服务器。研究团队最初尝试将大量二手手机直接堆叠运行，但很快发现，电池集中存放对数据中心而言存在严重的火灾隐患。
因此，Jennifer Switzer的方案是彻底改造这些手机：拆除电池、外壳、摄像头、通信模块等，最终只保留主板，以及主板上最有价值的处理器和存储单元。在软件层面，原生的安卓系统被移除，换成了开销更低的Linux。
改造完成后，这些手机以25至50台为一组，组成计算集群，多个集群再拼接成一个完整的规模化服务器。问题随之而来：如此多的设备如何联网？手机自带的蜂窝网络和WiFi显然无法承受数千台设备同时通信，信号极易瘫痪。研究人员采用带以太网口的PCB板来统一联网，同时提供稳定电源，确保所有设备持续稳定运行。
看到这里，难免有人质疑：手机SoC的功耗和性能，真能胜任云端服务？在许多人的印象中，服务器应该是机房里占地几十平米的庞然大物。
事实上，手机的算力并没有想象中那么弱。Pixel Fold是谷歌2023年发布的折叠屏手机，市场反响一般，缺点明显：价格高、边框宽、折痕显著。它搭载的是谷歌自研的Tensor G2芯片，综合性能大致介于骁龙888和骁龙8 Gen1之间，放在2023年确实不算强劲。
（图源：Google）
然而，近年来手机行业竞争激烈，芯片更新换代极快。消费者眼中的“火龙”芯片，到了服务器领域反而成了香饽饽。相比移动端，服务器对功耗和散热的容忍度更高——主板拆出、外壳去除、电源接通后，发热和能耗问题基本得以解决。
再看芯片本身，Tensor G2内置了Cortex-X1超大核和多个A78核心，整体性能已超过许多云服务商提供的入门级VPS。更关键的是，它直接集成了12GB内存，主板上还有256GB或512GB的闪存——这笔存储成本直接节省下来。
此外，Tensor G2在设计之初就考虑了AI场景，集成了用于边缘计算的TPU，能够运行一些小型的本地模型。
当然，单靠一台Pixel Fold搭建服务器仍不现实，但两千台同时运作，汇聚起来的算力相当可观。据研究者透露，目前即便只有20台手机组成的集群，其算力已能支持75名学生同时在线提交作业。
AI带来的算力焦虑，真能靠二手手机缓解吗？
坦白讲，指望这种二手手机集群去训练千亿参数的大模型，无异于痴人说梦。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，情况则截然不同。
从行业视角看，这种由退役手机组成的“微型云厂”并非算力降级，反而恰好契合了未来AI发展的两个核心方向：低功耗与分布式低延迟。
首先，它缓解了AI高能耗这一日益严峻的问题。大模型爆发带来生产力提升，但同时也伴随能耗飙升。传统集中式数据中心为了维持大规模算力集群运转，需要投入大量电力用于冷却和供电。
而智能手机SoC从诞生之初就将能效置于核心位置。像Tensor G2这类自带TPU的移动芯片，在剥离屏幕、基带等耗电大户后，纯计算功耗远低于传统x86服务器处理器。数千台设备组合起来，碳排放极低，并能将庞大的算力需求化整为零。
（图源：Google）
其次，这一模式天然匹配边缘计算的物理分布特性。随着AI Agent和端侧应用场景越来越复杂，未来的AI计算不再一股脑将所有数据传至千里之外的云端，而是更倾向于在靠近用户的地方进行即时处理。
退役手机集群体积小、部署灵活，无需传统机房那样苛刻的空间条件。它们可以直接部署在社区、校园、企业内部的小型节点中。物理距离的拉近极大降低了网络延迟——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，这几乎是量身定制的方案。
最后，这也是破解算力成本与供应链焦虑的一种尝试。存储和芯片价格波动频繁，硬件成本高企，而全球各地堆积如山的废旧手机不仅浪费资源，还带来电子垃圾污染。
将这些旧手机拆解重组，重塑为边缘计算节点，相当于把电子垃圾转化为低碳云算力。这无疑为缓解全球AI算力焦虑，提供了一条成本更低、也更可持续的破局思路。
然而，这一“微型云厂”模式虽然前景诱人，短板同样明显。
一方面，手机SoC和存储的可靠性与寿命远不及传统服务器端。手机上的闪存和芯片设计时针对普通用户日常使用场景，而非7×24小时不间断的高强度运行。更关键的是，这些存储颗粒和芯片往往直接焊在主板上，一旦某个节点出故障，基本等于报废。
（Pixel Fold主板，图源：iFixit）
另一方面，旧手机集群的后期维护也是一大挑战。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，完全是两个概念。庞大的微型节点基数意味着硬件故障率会被无限放大。一旦频繁宕机，运维人员仅物理排查和更换主板就需耗费大量精力。
其实，用旧手机搭建服务器的想法在AI时代之前就有人尝试过，但因投入产出比不划算而被放弃。如今之所以被重新拾起，原因从一开始就提到——存储和芯片成本暴涨，算力成为稀缺资源。如果采用常规方案搭建服务器，成本比过去高得多。
与此同时，过去几年手机行业极度内卷，淘汰下来的旧机型数量极其庞大，客观提供了廉价的物料。废旧机型的二次利用，无异于在电子垃圾堆里挖矿。
写在最后
谷歌与UCSD的这次尝试，与其说是一场算力革命，不如说是应对当下算力焦虑的一次极客实验。
在存储价格飙升、AI算力供不应求的大环境下，人们习惯将目光聚焦在动辄数万美元的顶级GPU上，而忽略了海量闲置的移动端算力。虽然受限于闪存寿命等短板，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，但它确实为边缘计算提供了一个极具想象力的实战案例。
或许不用等到太远的未来，除了手机之外，二手平板、PC、游戏机、NAS等所有具备算力的设备，都可能被再次利用，与之相关的二手产业链也将被彻底重构。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
相关攻略
更多同类更新
更多
热游推荐
更多-
- DreamStudio
- Android/ | AI绘图
- 2026-06-30
-
-
- Playground AI
- Android/ | AI绘图
- 2026-06-30
-
- Adobe Firefly
- Android/ | AI绘图
- 2026-06-30
-
-
-
- Leonardo AI
- Android/ | AI绘图
- 2026-06-30
-
- Stable Diffusion
- Android/ | AI绘图
- 2026-06-30
