Bagaimana jika ponsel cerdas Anda bisa melakukan lebih dari sekadar menjalankan aplikasi, bermain game, dan menjelajahi internet?
Bagaimana jika ponsel itu juga bisa menjalankan model AI dan menyediakan daya komputasi bagi bisnis di seluruh dunia?
Inilah tepatnya yang sedang dikerjakan Acurast.
Dalam demonstrasi teknis terbarunya, Acurast menunjukkan bahwa Qwen3.5-9B, model AI dengan 9 miliar parameter, dapat berjalan langsung di ponsel Android dengan RAM 16 GB.
Dan yang menarik, ini tidak memerlukan server GPU tradisional, akun cloud, ataupun konfigurasi Docker.
Mengapa Ini Penting?
AI berkembang pesat, tetapi menjalankan model AI yang canggih biasanya membutuhkan infrastruktur yang mahal.
Perusahaan membutuhkan server, GPU, listrik, dan layanan cloud untuk menangani beban kerja AI mereka.
Acurast menjajaki pendekatan yang berbeda: menggunakan ponsel pintar sebagai perangkat komputasi terdistribusi.
Alih-alih sepenuhnya bergantung pada pusat data terpusat, aplikasi dapat memanfaatkan daya komputasi dari beberapa ponsel pintar yang terhubung melalui jaringan Acurast.
Angkanya Menarik
Acurast membagikan beberapa hasil pengujian nyata:
Qwen3.5-9B dijalankan di ponsel Android dengan RAM 16 GB.
Model tersebut mulai melayani permintaan sekitar lima menit setelah diterapkan.
Ponsel tercepat yang diuji menghasilkan hingga 9,3 token per detik dengan model 9B.
Model 0,8B yang lebih kecil mencapai 92,8 token per detik.
Lebih dari 100 ponsel digunakan dalam uji penskalaan yang lebih besar.
Ini adalah hasil pengujian jaringan yang nyata, bukan sekadar konsep teoretis.
Bagaimana dengan Biayanya?
Ini bagian menarik lainnya.
Acurast melaporkan biaya pasar rata-rata sekitar 0,57 ACU per ponsel per hari untuk perangkat dengan RAM minimal 12 GB.
Biaya pencocokan instan sekitar 1,03 ACU per ponsel per hari selama pengujian.
Jumlah tersebut setara dengan sekitar $0,05–$0,10 pada saat pengujian.
Ini dapat menjadikan komputasi seluler terdistribusi sebagai pilihan menarik untuk beban kerja AI tertentu.
Di Mana Teknologi Ini Dapat Digunakan?
Ada beberapa kemungkinan penerapan yang praktis:
Deteksi penipuan berbasis AI.
Penyaringan pesan penipuan.
Otomatisasi dukungan pelanggan.
Pemeriksaan transaksi di latar belakang.
Menjalankan model AI yang lebih kecil untuk berbagai aplikasi.
Tugas-tugas ini tidak selalu membutuhkan model AI yang paling canggih. Yang dibutuhkan adalah daya komputasi terjangkau yang mampu menangani banyak permintaan.
Mengapa Acurast Layak Diperhatikan
Salah satu hal yang menurut saya menarik dari Acurast adalah pendekatannya terhadap komputasi terdesentralisasi.
Acurast tidak sekadar berusaha membangun aplikasi AI lainnya.
Acurast membangun infrastruktur yang memungkinkan ponsel pintar menyumbangkan sumber daya komputasi ke jaringan yang lebih besar.
Penggunaan Trusted Execution Environment (TEE) juga menambahkan lapisan penting berupa keamanan dan kerahasiaan yang didukung perangkat keras.
Jaringan ini dapat menambahkan lebih banyak ponsel seiring meningkatnya permintaan, alih-alih bergantung pada satu pusat data terpusat.
Tentu saja, ponsel pintar tetap memiliki keterbatasan perangkat keras, memori, dan ketersediaan. Ini bukan berarti ponsel akan menggantikan GPU canggih untuk setiap beban kerja AI.
Namun, ini menunjukkan bahwa komputasi AI tidak selalu harus bergantung pada infrastruktur tradisional.
Kesimpulan
Kita sedang memasuki masa ketika AI dan infrastruktur terdesentralisasi semakin terhubung.
Ponsel pintar yang tersimpan di saku seseorang berpotensi menjadi bagian dari jaringan komputasi global.
Ini adalah arah perkembangan yang menarik, dan Acurast menunjukkan seperti apa penerapannya dalam praktik.
Pertanyaan yang lebih besar adalah: Seberapa besar porsi infrastruktur AI masa depan yang dapat didukung oleh perangkat yang sudah kita miliki?
Bagaimana menurut Anda? Dapatkah komputasi terdesentralisasi melalui ponsel pintar menjadi bagian penting dari industri AI?