2000 台旧 Pixel 改造分布式集群，谷歌探索边缘 AI 算力新路

随着 AI 算力需求激增、存储与芯片价格持续上涨，谷歌与加州大学圣地亚哥分校（UCSD）开展了一项颇具实验性的尝试：用 2000 台退役 Pixel Fold 折叠屏手机改造为分布式计算集群，探索低成本、低功耗的边缘算力供给路径。

项目概况：2000 台旧手机的改造方案

据外媒 The Register 报道，UCSD 前博士生 Jennifer Switzer 与谷歌达成合作，目标是把这批 Pixel Fold 改造成可用的分布式计算节点。研究团队最初曾尝试将大量二手手机直接堆放测试，但发现大量电池聚集会显著增加数据中心火灾风险，因此最终方案是先对手机进行深度拆解。

具体改造包括：

移除电池、外壳、相机、通信模块等非核心部件，仅保留主板及其上的处理器、存储等核心元件；
卸载原生安卓系统，重新刷入硬件开销更低的 Linux 系统；
每 25–50 台手机组成一个计算集群，多个集群再汇聚成最终的规模化服务器。

在网络通信方面，由于数千台设备的并发连接会使蜂窝网络和 Wi-Fi 瘫痪，研究人员采用配有有线网口的 PCB 板解决组网问题，并配备统一电源以保证稳定运行。

硬件取舍：Tensor G2 的「能效红利」

Pixel Fold 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，在 2023 年同期产品中并不突出。但其作为服务器节点的核心优势在于：

芯片设计之初便瞄准 AI 与边缘计算场景，内置 TPU，适合运行小型本地模型；
集成 12GB 内存，主板配备 256GB 或 512GB 闪存，省去存储方面的大额成本；
Cortex-X1 超大核加多个 A78 核心的组合，性能已超过多数云服务商提供的入门级 VPS。

此外，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。研究者透露，目前由 20 台手机组成的集群，其算力已可支撑 75 名学生同时线上提交作业。

契合 AI 算力焦虑的「边缘解题思路」

将退役手机集群定位为边缘计算节点，而非用于训练千亿参数大模型，有以下三点现实意义：

缓解高能耗压力：分散式部署无需庞大机房与集中冷却，碳排放更低；
降低网络延迟：节点可灵活部署在社区、校园、企业内部，贴近用户侧，适合实时 AI 推理与本地模型调度；
缓解供应链与成本压力：将电子垃圾转化为可用算力节点，提供了一种更具可持续性的低成本方案。

局限：可靠性与运维挑战

这一方案同样面临明显短板：

手机闪存与芯片直接封装在主板上，设计寿命面向消费级场景，难以支撑 7×24 小时高强度运行，一旦故障整节点即报废；
维护 2000 块裸露拼凑的手机主板，与维护标准机架式服务器在难度上完全不在一个量级，故障率会被庞大的节点基数放大。

结语

总体来看，谷歌与 UCSD 的这次合作更像是一场应对算力短缺的「极客实验」，而非成熟的商业方案。在存储价格飙升、GPU 一卡难求的当下，二手设备再利用为边缘计算提供了有想象力的实操案例。未来，二手平板、PC、游戏机、NAS 等设备的算力都有望被纳入类似的再利用体系。