Nếu điện thoại thông minh của bạn có thể làm được nhiều hơn là chạy ứng dụng, chơi game và lướt internet thì sao?
Nếu nó còn có thể chạy các mô hình AI và cung cấp năng lực tính toán cho doanh nghiệp trên khắp thế giới thì sao?
Đây chính xác là điều Acurast đang thực hiện.
Trong buổi trình diễn kỹ thuật mới nhất, Acurast đã cho thấy Qwen3.5-9B, một mô hình AI có 9 tỷ tham số, có thể chạy trực tiếp trên điện thoại Android với RAM 16 GB.
Điều thú vị là bạn không cần máy chủ GPU truyền thống, tài khoản đám mây hay thiết lập Docker.
Vì sao điều này quan trọng?
AI đang phát triển nhanh chóng, nhưng việc vận hành các mô hình AI mạnh thường đòi hỏi cơ sở hạ tầng đắt đỏ.
Các công ty cần máy chủ, GPU, điện và dịch vụ đám mây để xử lý các tác vụ AI.
Acurast đang tìm hiểu một cách tiếp cận khác: sử dụng điện thoại thông minh làm thiết bị điện toán phân tán.
Thay vì phụ thuộc hoàn toàn vào các trung tâm dữ liệu tập trung, ứng dụng có thể sử dụng năng lực tính toán từ nhiều điện thoại thông minh được kết nối thông qua mạng lưới Acurast.
Các con số rất đáng chú ý
Acurast đã chia sẻ một số kết quả thử nghiệm thực tế:
Qwen3.5-9B chạy trên điện thoại Android có RAM 16GB.
Mô hình bắt đầu xử lý yêu cầu khoảng năm phút sau khi triển khai.
Những điện thoại được thử nghiệm có tốc độ cao nhất tạo ra tới 9,3 token mỗi giây với mô hình 9B.
Mô hình nhỏ hơn, 0.8B, đạt 92,8 token mỗi giây.
Hơn 100 điện thoại đã được sử dụng trong một thử nghiệm mở rộng quy mô lớn hơn.
Đây là kết quả thử nghiệm mạng lưới thực tế, không chỉ là một ý tưởng lý thuyết.
Còn chi phí thì sao?
Đây là một khía cạnh thú vị khác.
Acurast cho biết chi phí thị trường trung bình vào khoảng 0,57 ACU mỗi điện thoại mỗi ngày đối với các thiết bị có ít nhất 12GB RAM.
Trong thời gian thử nghiệm, chi phí ghép nối tức thì vào khoảng 1,03 ACU mỗi điện thoại mỗi ngày.
Vào thời điểm thử nghiệm, con số đó tương đương khoảng 0,05–0,10 đô la Mỹ.
Điều này có thể khiến điện toán di động phân tán trở thành một lựa chọn thú vị cho một số tác vụ AI nhất định.
Có thể sử dụng công nghệ này ở đâu?
Có một số ứng dụng thực tế:
Phát hiện gian lận bằng AI.
Lọc tin nhắn lừa đảo.
Tự động hóa hỗ trợ khách hàng.
Kiểm tra giao dịch trong nền.
Chạy các mô hình AI nhỏ hơn cho những ứng dụng khác nhau.
Những tác vụ này không phải lúc nào cũng cần mô hình AI mạnh nhất. Chúng cần năng lực tính toán với chi phí hợp lý, có thể xử lý nhiều yêu cầu.
Vì sao Acurast đáng được quan tâm
Một điều tôi thấy thú vị ở Acurast là cách tiếp cận điện toán phi tập trung.
Dự án không chỉ đơn thuần cố gắng xây dựng một ứng dụng AI khác.
Dự án đang xây dựng cơ sở hạ tầng để điện thoại thông minh có thể đóng góp tài nguyên tính toán vào một mạng lưới lớn hơn.
Việc sử dụng Môi trường Thực thi Tin cậy (TEE) cũng bổ sung một lớp bảo mật và tính bảo mật quan trọng được hỗ trợ bởi phần cứng.
Khi nhu cầu tăng lên, mạng lưới có thể bổ sung thêm điện thoại thay vì phụ thuộc vào một trung tâm dữ liệu tập trung duy nhất.
Tất nhiên, điện thoại thông minh vẫn có những giới hạn về phần cứng, bộ nhớ và khả năng sẵn sàng. Điều này không có nghĩa là chúng sẽ thay thế GPU mạnh mẽ cho mọi tác vụ AI.
Nhưng điều đó cho thấy điện toán AI không phải lúc nào cũng cần phụ thuộc vào cơ sở hạ tầng truyền thống.
Lời kết
Chúng ta đang bước vào giai đoạn mà AI và cơ sở hạ tầng phi tập trung ngày càng gắn kết với nhau.
Một chiếc điện thoại thông minh nằm trong túi ai đó có thể trở thành một phần của mạng lưới điện toán toàn cầu.
Đó là một hướng đi thú vị, và Acurast đang cho thấy hướng đi ấy có thể được triển khai trong thực tế như thế nào.
Câu hỏi lớn hơn là: Bao nhiêu phần cơ sở hạ tầng AI trong tương lai có thể được vận hành bằng những thiết bị chúng ta đang sở hữu?
Bạn nghĩ sao? Điện toán phi tập trung bằng điện thoại thông minh có thể trở thành một phần quan trọng của ngành AI không?