资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
全球AI基础设施扩张遭遇能源、资金与环保审视
全球范围内扩大人工智能（AI）基础设施的努力，正与对建设大型数据中心所需能源、水资源及巨额资本的日益严格的审查发生碰撞。活动人士认为其环境足迹过高，而市场参与者则指出集中式计算扩展的成本巨大——例如，Epoch AI的数据洞察曾引用约380亿美元构建一座1吉瓦AI数据中心的估算费用。
在此背景下，一种不同的方案正受到关注：利用日常智能手机作为分布式计算和连接基础设施的网络。据DataReportal数据显示，截至2026年10月，全球移动连接数估计达76.8亿条——这意味着存在一个庞大的闲置硬件池，理论上可协调用于服务AI工作负载。
核心要点
- 去中心化AI网络设计：旨在通过使用广泛分布的智能手机硬件，减少对高能耗和高资本支出数据中心的依赖。
- Acurast项目进展：据报道已接入33.5万部智能手机，平均每天有约4万部处于活跃状态，执行包括AI推理和智能体托管在内的任务。
- Phase Proxy的目标：填补实际部署缺口，通过路由经过住宅/移动代理，解决Web平台屏蔽或限制来自数据中心流量的问题。
- 技术瓶颈：核心在于技术协调——现实中的手机网络在在线时长、连接性、散热限制和设备规格方面差异巨大。
- 经济模型不确定性：回报模式高度依赖于设备在线时长、质押或参与度以及持续的客户需求的支撑。
智能手机作为替代计算层
去中心化AI网络正将移动设备定位为一个新的基础设施层——用全球分布的拥有内置处理器、内存和互联网接入的手机池，来交换集中式数据中心的容量。
Acurast是其中较为突出的案例之一。联合创始人Alessandro De Carli表示，该公司已接入超过33.5万部智能手机，平均每天约有4万部完全处于活跃状态。他描述这些活跃设备正在为网页抓取、网络安全任务、AI推理和智能体托管等工作负载贡献计算能力。
De Carli认为，手机在某些类别的工作负载中尤其有效。他强调硬件安全功能，认为其在机密计算和创建隔离环境以安装和运行可执行文件方面“表现出色”。智能手机也可能适合“CPU密集型”工作负载，以及需要广泛、无过滤访问互联网端点的场景——在这些场景中，集中式服务器可能受限于速率限制或检测机制。
尽管承认内存限制，但De Carli的观点是许多任务仍可在可用设备RAM内容纳。他进一步声称，活跃手机的聚合计算能力可达到约2,340台高端数据中心服务器的等效容量，该基准以专为AI和高性能计算设计的ASUS RS720A-E11服务器为参照。
虽然这些比较作为工程叙事具有说服力，但投资者和操作者应将其视为取决于具体应用。真正的衡量标准将是分布式手机能否在生产工作负载下提供一致的性能和可靠性——特别是当网络必须像可预测的服务而非研究原型那样运行时。
Phase Proxy与数据中心流量的代理难题
并非所有由智能手机驱动的网络都试图立即在设备上运行完整的AI模型。有些项目首先解决的是不同的瓶颈：公共互联网上的访问和连接行为。
Phase于十月推出了Phase Proxy，其模式侧重于利用用户的移动和住宅连接作为AI智能体的代理。创始人Kirill Eves解释说，网站经常屏蔽或限制来自数据中心的自动化流量。通过路由请求经过移动/住宅网络，Phase旨在减少智能体驱动任务的这些摩擦点。
Eves概述了代理服务的定价计划：每1,000次请求和1GB流量收费0.5 USDT。下一阶段组件Phase Router旨在将简单的请求引导至网络中手机上运行的模型，同时将更复杂的任务路由至OpenAI和Anthropic等主要外部提供商。路由决策被描述为取决于任务复杂性、模型能力、性能和成本。
Phase还预示着未来将扩展至台式机、服务器和GPU。对用户而言，这意味着混合架构：移动设备可能覆盖特定空白（如代理访问或本地化分发），而其他硬件池则处理最重的推理和扩展需求。
可靠性与协调：实际障碍
将闲置设备转变为可靠计算资源远比证明设备能在隔离状态下运行工作负载困难得多。协调大量异构智能手机——每台都面临电池耗尽、过热、波动的网络条件和可变硬件规格的制约——创造了一个集中式基础设施通常避免的可靠性问题。
2025年发表在《Sensors》杂志上的一项研究测试了小群智能手机运行图像识别任务，发现集群手机在受控条件下可以表现出竞争力。然而，结果是在设备得到管理且未分散在全球各地的环境中生成的——这在推断至实时网络时是一个重要的区别。
支持证据来自加州大学圣地亚哥分校通过Google支持的研究。该报告称，20部退休智能手机的集群可以处理超过75名学生班级的峰值工作负载，评分时间快于大学的标准云设置。同样，实验涉及在受控环境中组织的设备，而不是通过不可预测的现实世界条件连接。
在生产环境中，网络必须应对手机断开连接、改变连接状态、电池耗尽或在不匹配的算力和内存容量下运行的情况。在以太坊等区块链系统（原文提及）中，性能也可能受通信延迟和低规格节点处理能力的限制。对于智能手机网络，调度挑战被放大：如果即使一小部分设备滞后、断开连接或不可用，跨独立设备分配子任务可能会失败。
谁支付费用，奖励如何扩展
即使协调和可靠性问题可以通过工程手段降低，基于智能手机的网络仍必须对客户和设备运营商都具有经济意义。
De Carli表示，Acurast不依赖单一固定的奖励数字。相反，奖励被描述为根据设备在线时长、硬件规格（基准性能）、总ACU质押量以及开发者的活跃计算需求等因素而变化。他将该系统描述为竞争通胀资助的奖励池，而不是以直接映射到个体运营商 payouts 的方式向开发者收费。
Phase的奖励结构则以不同方式呈现。Eves表示，Phase将使用部分服务收入在公开市场购买PHASE代币，然后根据节点运营商的贡献分配代币。
两种方法都指向同一个实际真理：在手机上进行AI计算不再是唯一的难点。更大的困难是建立激励措施和运营机制，以保持数万台设备可靠参与，同时确保客户需求足够强劲以维持支付和网络使用。
随着这些项目的演变，对市场最有用的信号可能不是代币指标或节点数量，而是网络是否能 consistently 交付用户愿意付费维持的服务——且在足以替代或补充集中式基础设施的稳定性能水平上。
目前，投资者和建设者应观察这些网络在现实中如何处理三个问题：在不可预测条件下的持续在线时长、相对于传统提供商的成本效益，以及能够在早期采用之后持续存在而不降低可靠性的奖励模型。
