旧手机如何组建集群,跑点云计算?

简介: UC San Diego 与 Google 合作推进“手机集群计算”:拆解退役手机主板,组建低碳小型计算集群。首期将部署 2000 台 Pixel 手机主板,替代传统服务器,为教学科研提供低成本云资源,兼顾环保与算力复用。

不知道大家如何处理自己退役下来的手机,可能大多数人都将它们放进了抽屉,在某个日子里拿出来感叹下它曾经服役的日子。Google Research 最近介绍了一个来自 UC San Diego 的研究项目:把退役智能手机里的主板拆出来,重新组装成一个小型计算集群,用来跑一些通用云计算任务。

这个方向被称为 phone cluster computing,即:手机集群计算。这个想法很环保,毕竟手机本身退役了,但里面的处理器、加速器、内存和存储,很多还可以继续用。UC San Diego 计划在 Google 支持下,部署一个由 2000 台 Pixel 手机组成的数据中心,给学生和研究人员提供低成本的云计算资源。

旧手机依旧能做计算?

图注:Pixel Fold 不同类型 CPU 核心与服务器单核性能的 SPEC 对比。蓝色柱为 Pixel Fold 性能核心,黑色空心框为服务器单核表现。图源:Google Research

这个想法能实现的最大原因是,现在的手机性能已经不弱了。在一些单线程测试里,已经可以接近甚至超过部分现代多核服务器的单核表现。Google 的文章里拿 2023 年 Pixel Fold 和一台 ASUS 服务器做了 SPEC benchmark 对比,在不少测试里,Pixel Fold 的性能核心单核表现更好。

当然,手机毕竟和服务器还是有差距。服务器通常有更多核心、更大的内存;一台手机只有几个异构处理器核心,内存大概在 8–12GB。简单来说,我们要对手机适合跑的任务要个筛选,选择那些更适合小型、可拆分、对单机内存要求不高的任务。

如何搭建手机计算集群

图注:从消费级手机到服务器节点,要先拆掉手机屏幕、电池和外壳等部件。图源:Google Research

要搭建一个手机计算集群,不能直接粗暴地把旧手机直接堆在一起。手机屏幕、电池、外壳、摄像头等部件,在大多数的服务器场景中是用不上的,还会占据空间。不止如此,电池这类部件长期放在数据中心环境,还存在一定的安全隐患。

所以,这个项目先把手机处理成只保留主板的形态。手机主板保留了处理器、内存、存储这些核心计算部件,而且它本身也是手机制造过程中“最费碳”的部分之一。Google 原文提到,按他们的内部评估,主板大约占一台手机制造碳排放的一半。

从 Android 系统到 Linux 系统

手机的硬件拆完了,软件也要改造。

Google 手机上运行的 Android 系统本身基于 Linux,但它的用户空间主要是服务手机。我们要把手机变成云计算节点,就需要换成更通用的 Linux 发行版,让开发、部署、运维更接近普通服务器。

此外,手机系统里还有一些面向消费设备的保护机制,比如 low memory killer。它会限制占用内存过高的应用。这个设计对普通手机有用,但放到云计算任务里,可能会影响任务运行,所以也需要调整。

组成一个小集群的手机数

单台手机算力有限,所以真正的用法是组集群。

按照上面 SPEC benchmark 的结果,大约 25–50 台手机可以对应一台现代服务器的计算能力。项目把这些手机组织成 25–50 台 / 组的小集群,再通过容器和 Kubernetes 来管理任务。

每台手机是一个小节点,多个节点通过网络连接起来,由 Kubernetes 统一调度。任务一旦拆解开,就分发到不同手机上跑;任务跑完,再把结果收回来。

手机计算集群的应用场景

图注:20 台手机组成的集群,用来运行编程课作业的自动评测任务,对比了不同提交压力下的延迟和吞吐表现。图源:Google Research

UC San Diego 首先测试的场景,是大学里的教学和研究计算。比如 Jupyter Notebook、课程作业评测、系统编程实验环境。这些任务很多时候不需要很强的 GPU,也不一定需要大内存服务器。加上目前不少评分后端,本来就在 AWS t3.micro 这种小规格云实例上跑。

在这个项目的早期实验中,一个 20 台手机组成的集群,就能支撑 75 人以上课程在高峰期提交作业评测,而且延迟低于默认的 AWS 后端。

假如 UC San Diego 计划中的 2,000 台手机能部署成功,理论上可以同时支持上百门类似课程。

小结

这个项目有意思的地方,应该是把一批已经退役、但还能算的手机主板,“废品回收”改造成一个小型计算集群,再放到真实教学和研究场景里试试看。

手机集群到底能发挥多大作用、能不能长期稳定地跑起来,还要等 UC San Diego 计划中的 2,000 台 Pixel 手机集群上线后,才能看到更清楚的结果。这个集群预计会在 2026 年秋季投入使用。

参考资料

  • Google Research《A low-carbon computing platform from your retired phones》
相关文章
|
2月前
|
API
阿里云微服务引擎 MSE 及 API 网关 2026 年 5 月产品动态
阿里云微服务引擎 MSE 及 API 网关 2026 年 5 月产品动态。
228 30
|
14天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
1273 52
|
6天前
|
数据库 开发工具 知识图谱
从 DeepWiki 到 OpenWiki:Agent Wiki 到底有什么用?
Agent Wiki 是一种新型知识管理范式:将RAG中“查询时实时检索”改为“导入时预编译”,用模型自动生成并持续维护结构化Markdown Wiki。它解决传统RAG重复推导、无法积累的问题,适用于稳定文档集,但需区分“文档知识”与“用户记忆”。
|
6天前
|
自然语言处理 定位技术 API
Harness Handbook:让持续演化的 Agent Harness 可读、可查、可改
本文提出Harness Handbook,一种从代码库自动生成的、以运行时行为为中心的三级文档体系,解决Agent Harness中“行为定位”难题。它将分散的实现按执行阶段、状态流和源码位置组织,支持自动构建与动态同步,显著提升研发与Coding Agent理解、导航和修改复杂Agent系统的能力。
Harness Handbook:让持续演化的 Agent Harness 可读、可查、可改
|
7天前
|
开发工具 git 开发者
电脑写代码,手机管任务:Codex 远程开发工作流
Codex手机端不仅是任务查看器,更是移动工程指挥中心:可启动任务、选环境、补上下文、审代码、发意见。电脑负责执行,手机专注决策——无需装开发环境,轻松掌控关键环节。
142 0
电脑写代码,手机管任务:Codex 远程开发工作流
|
16天前
|
人工智能 JSON 测试技术
不会写代码也能做自动化测试?Skill + AI 帮你搞定重复性工作
本文介绍一种“零代码”自动化测试新范式:无需编程基础,测试人员只需整理接口文档、操作步骤和判断标准,借助AI+Skill(一个含SKILL.md的文件夹),即可自动生成可运行的Python测试脚本或Postman集合。实测将2.5小时手工回归压缩至48秒,真正让测试经验一键转化为生产力。
|
27天前
|
机器学习/深度学习 缓存 人工智能
SSE流式传输稳定性进阶:心跳保活、断连重连、分片处理与双端容错实战.162
SSE(Server-Sent Events)是基于HTTP的单向流式协议,天然适配大模型逐字输出场景。具备轻量、兼容性好、自动重连、低内存占用等优势,相比WebSocket更契合服务端单向推送需求,是AI应用流式响应的理想选择。
303 7
|
2月前
|
人工智能 缓存 弹性计算
阿里云服务器2核4G5M199元解析:独享型u1实例,性能、适用场景、购买和续费规则介绍
阿里云通用算力型u1实例(ecs.u1-c1m2.large)2核4G、5M带宽、80G ESSD Entry云盘,活动特惠价仅199元/年(官网价3498.36元),企业新老用户同享,续费同价至2027年3月31日,每人限购1台。该实例采用独享型架构,搭载Intel至强可扩展处理器,内网带宽1Gbit/s、收发包30万PPS、云盘IOPS 1万,性能稳定,适合企业官网、中小Web应用、轻量数据库及开发测试等场景。
|
3月前
|
存储 文字识别 架构师
“图片翻译”的一次工程化拆分
本文探讨图片翻译的工程化拆分实践:因合规要求弃用海外模型后,发现单靠千问图像模型直接编辑易致乱码、错位、漏翻。作者提出四段式流水线——OCR结构识别→长度可控的翻译计划→带强约束的图像编辑→智能评估与重绘兜底,以流程确定性弥补模型能力缺口,实现版式保真的高质量中英图片翻译
391 0
“图片翻译”的一次工程化拆分

热门文章

最新文章