スマートフォンが、アプリの起動やゲーム、インターネットの閲覧だけでなく、もっと多くのことをできるとしたら？
さらに、AIモデルを実行して、世界中の企業に計算能力を提供できるとしたら？
まさにこれが、Acurastが取り組んでいることです。
最新の技術デモで、Acurastは、90億パラメータのAIモデル「Qwen3.5-9B」が、RAM 16GBのAndroidスマートフォン上で直接動作できることを実証しました。
興味深いのは、従来型のGPUサーバーも、クラウドアカウントも、Docker環境も必要ないという点です。
なぜ重要なのか？
AIは急速に成長していますが、高性能なAIモデルの実行には通常、高額なインフラが必要です。
企業がAIワークロードを処理するには、サーバー、GPU、電力、クラウドサービスが必要です。
Acurastは、スマートフォンを分散型コンピューティングデバイスとして活用するという、別のアプローチを模索しています。
集中型データセンターだけに依存するのではなく、Acurastネットワークを通じて接続された複数のスマートフォンの計算能力をアプリケーションで利用できます。
興味深い数値
Acurastは実際のテスト結果をいくつか公開しました。
Qwen3.5-9Bは、RAMを16GB搭載したAndroidスマートフォンで動作しました。
デプロイから約5分後には、モデルがリクエストへの応答を開始しました。
テストした中で最速のスマートフォンは、9Bモデルで毎秒最大9.3トークンを生成しました。
より小型の0.8Bモデルでは、毎秒92.8トークンに達しました。
大規模なスケーリングテストでは、100台を超えるスマートフォンが使われました。
これらは実際のネットワークテストの結果であり、単なる理論上の構想ではありません。
コストはどうなのか？
これも興味深い点です。
Acurastの報告によると、RAMを12GB以上搭載したデバイスの平均市場コストは、1台あたり1日約0.57 ACUでした。
テスト中の即時マッチングのコストは、1台あたり1日約1.03 ACUでした。
テスト当時の価格で、約0.05～0.10ドルでした。
これにより、分散型モバイルコンピューティングは、特定のAIワークロードにとって魅力的な選択肢となる可能性があります。
この技術はどこで活用できる？
実用的な用途はいくつかあります。
AIを活用した不正検知。
詐欺メッセージのフィルタリング。
カスタマーサポートの自動化。
バックグラウンドでの取引チェック。
さまざまな用途向けの小型AIモデルの実行。
こうしたタスクでは、必ずしも最も高性能なAIモデルが必要なわけではありません。多くのリクエストに対応できる、手頃な価格の計算能力が求められます。
Acurastが注目に値する理由
Acurastについて興味深いと感じる点の一つは、分散型コンピューティングへのアプローチです。
単に別のAIアプリケーションを作ろうとしているわけではありません。
スマートフォンが計算リソースを提供し、より大きなネットワークに貢献できるインフラを構築しています。
Trusted Execution Environment（TEE）の利用により、ハードウェアに支えられたセキュリティと機密性という重要な層も加わります。
単一の集中型データセンターに依存するのではなく、需要の拡大に合わせてネットワークにスマートフォンを追加できます。
もちろん、スマートフォンにはハードウェア、メモリ、稼働状況の制約があります。あらゆるAIワークロードで高性能GPUに取って代わるという意味ではありません。
しかし、AIコンピューティングが必ずしも従来型のインフラに依存する必要はないことを示しています。
最後に
AIと分散型インフラの結びつきがますます強まる時代に、私たちは入りつつあります。
誰かのポケットに入っているスマートフォンが、世界規模のコンピューティングネットワークの一部になる可能性があります。
これは興味深い方向性であり、Acurastはそれが実際にどのような形になり得るかを示しています。
より大きな問いは、未来のAIインフラのうち、私たちがすでに所有しているデバイスでどれほどの部分をまかなえるのか、ということです。
皆さんはどう思いますか？分散型のスマートフォンコンピューティングは、AI業界の重要な一部になり得るでしょうか？