很多人提到 AI，第一反应就是 GPU、云服务器和庞大的数据中心📖。
这让我思考一个问题：
如果只是邮件分类、内容审核这类相对简单的任务，真的每次都需要调用大型服务器吗？
最近刷到 @Acurast 展示的 Laya AI 演示，发现一个有意思的方向，旧手机不仅可以通过 Acurast 网络贡献算力，还能直接利用这些算力运行 AI 模型！
这意味着，手机的价值或许不只是成为网络中的一个节点，还可以进一步参与实际的 AI 任务。
Laya 是一个开源 AI 模型，目前已经推出了多个在线演示，涵盖不同类型的决策场景：
➣ 贪吃蛇： 根据游戏状态决定下一步的行动。
➣ 邮件分类： 判断邮件应该归入收件箱、垃圾邮件还是钓鱼邮件。
➣ 聊天审核： 识别垃圾信息、诈骗内容和不当言论。
➣ 提示词安全检测： 判断输入内容是否包含试图绕过 AI 安全规则的攻击。
这些演示有一个共同点：AI 不一定每次都要生成一大段文字，也可以根据当前情况，从给定的选项中做出判断。
根据官方介绍，Laya 可以直接在 Acurast 网络中的安卓手机上运行，通过 CPU 完成推理。性能较好的设备，每次决策的耗时约为 0.2 秒。
这不禁让我思考AI 任务是不是一定需要大型服务器才能完成？
对于复杂的 AI 模型，大量 GPU 依然不可或缺。但像垃圾邮件分类、内容审核和简单的安全检测等任务，并不一定每次都需要调用大型模型。
如果这类任务能够分散到不同的手机上执行，那么闲置设备就有机会成为实际应用的一部分，而不只是网络中的一个节点。
当然，这并不意味着手机已经可以取代传统服务器。
官方也提到了 Laya 的局限：邮件分类测试并非百分之百准确，复杂或对抗性的输入仍可能导致模型判断失误，而且单台手机能够处理的任务量也有限。
所以，我更关注的不是「手机能不能运行 AI」这个噱头，而是：
当这些分散的设备真正参与计算后，开发者能不能利用它们完成有实际价值的任务？
对 #Acurast 来说，这可能比单纯增加节点数量更值得长期关注。
如果你也想看看效果，可以体验一下官方的 Laya 在线演示👇：
laya.acurast.com
