Sunrun家庭算力节点：看似诱人的赚钱方案？
如果有公司称，只需在电表里塞个小玩意，你就能躺着赚钱，多数人估计第一念头是骗局、坑钱。但要是提出方案的是美国最大的太阳能企业之一——Sunrun呢？从Sunrun公布的方案看，只要参与项目的住宅配备太阳能发电和家庭储能系统，就能申请安装GPU计算节点。这些节点主要处理AI推理任务，Sunrun统一负责设备调度、能源管理和算力销售，将计算能力出售给企业客户。
美国不少科技企业筹备修建算力中心，却因电力、环境保护等问题进展缓慢。纽约州宣布全州暂停大型数据中心建设审批（暂定一年），加利福尼亚州的蒙特雷帕克市通过全民公投出台法案，禁止当地建立数据中心。当地居民反对不全是为“环保”，美国很多城市和州本就电力不足，数据中心会加剧问题，不仅影响居民用电，还会导致电价暴涨。微软、亚马逊等云服务巨头，甚至已开始自建电厂满足数据中心能源需求。中美两国在算力问题上各有烦恼，中国是电力多但缺少顶级计算卡，美国则是大量计算卡因能源不足在仓库闲置。
Sunrun表示，传统数据中心建设方式太慢，利用住宅和太阳能设备部署算力节点，能组成百万节点规模的超大算力集群，且运行电力来自太阳，免费又环保。
Sunrun要用居民家里的电跑GPU
分布式算力网络并非新鲜事物，AI模型对算力需求增大后，不少企业盯上这项技术。比如华为就推出不少整合到基站、通信设备中的边缘计算节点，既能为设备提供算力资源，也能在需要时贡献部分算力组成临时算力网络。
Sunrun更进一步，其搭建的边缘算力设备唯一作用是不断“生产”算力，然后卖给AI公司。但目前Sunrun未公布利润分配方案，这套方案在成本上是否可行令人好奇。太阳能理论上“免费”，但设备折旧费、维护费需考虑，算力节点还占用原本可自用或出售的电力份额，加上算力节点本身成本，利润不够可能出现设备报废都收不回成本的情况。
小雷觉得，Sunrun没大范围推广此业务，可能是与AI企业价格没谈拢。大型企业看不上分散算力，中小型企业未必有需求，且企业为规避风险，更倾向选择云服务中心。
事实上，Sunrun这个项目大概率失败。从算力使用角度，分布式算力网络只能满足边缘侧的AI推理需求，且需要AI企业与Sunrun搭建高效智能的算力分配架构，让用户调用AI推理服务时，能在网络中快速找到最近算力节点并调用设备算力。训练模型需大量频繁的数据交互，要求算力节点间尽可能降低延迟，避免“无效时间”。英伟达和数据中心花数年才把超大型计算集群时延降到数微秒，满足超大参数模型训练。这也是OpenAI等AI巨头花高价建设数万甚至数十万节点超大算力集群，而非组合现有数据中心成巨大算力网络的原因。
所以，Sunrun只能与这些巨头洽谈，看能否将算力纳入其网络，以低于数据中心的算力成本销售。但随着OpenAI自研芯片曝光、Google对外出售TPU算力集群等消息出现，Sunrun的算力成本能否低于专用算力芯片成本，还不确定。
想以家庭为单位部署算力单元组成分布式算力网络的不止Sunrun。另一家专营智能配电设备的公司SPAN公布过名为XFRA的计划，购入一批RTX PRO 6000，部署在住宅或小型商业中心，充当算力节点和云游戏节点。在小雷看来，这个方案或许更靠谱，因为SPAN除卖算力外还能卖云游戏时长，RTX PRO 6000游戏性能大致相当于RTX 4090，限制分辨率和帧数上限时，同时支持3 - 4台电脑运行3A游戏没问题。
虽然小雷不看好Sunrun目前计划，但他们的想法值得肯定，分布式算力网络未来可能成为除数据中心之外的另一个“AI大脑”。
从基站到卫星，算力正在离你“更近”
目前AI行业的“算力荒”，实际有两部分短缺：一部分是训练模型的算力不够，另一部分是推理算力距用户远，导致响应延迟和数据传输成本上升。分布式算力网络虽解决不了前者问题，却有机会解决后者，特别是Agent普及后，边缘算力更重要。
从使用场景看，Agent常需持续性推理，可能调用摄像头、麦克风、屏幕等硬件，任务琐碎且要求低延迟，全放云端或端侧都不现实，尤其理想中的AI终端比手机还小。所以，边缘算力设备是最好补充。这些算力强、距离近的节点，可作为Agent临时外置大脑，负责初步推理或任务拆解，再把超出能力的任务交给云端数据中心处理，降低数据中心压力。
但这样的节点要求响应快、稳定性高，对住宅节点来说有些“超纲”，这也是华为往基站里塞节点的原因，基站是区域“数据交互中心”，可靠性强，适合作为边缘算力设备。
除基站外，还有个意想不到的“边缘”节点可能在未来十年出现，即今年WAIC上宣布的“星枢计划”中的算力卫星。该计划第一阶段发射2颗算力卫星和12颗边缘计算卫星，组成初步太空算力网络，第二阶段由50颗算力卫星 + 100颗边缘计算卫星组成，最后搭建起由上千颗卫星组成的全天候算力中心。
有人疑惑，边缘算力优势是低延迟和稳定，调用卫星算力不是更慢？没错，但太空算力中心服务的不是普通用户，而是气象预警、灾害监测、航运等地面算力难以覆盖的领域。这时边缘算力网络解决的是“有没有”的问题，对这些即时性要求不高的任务，卫星算力延迟可接受，总比扛着几十斤算力节点到处跑强。
而且，从更大范围看，边缘计算不一定要“离人最近”。对于手机、汽车和智能眼镜，边缘节点可能是附近基站，对于远洋货轮、无人区设备和低空飞行器，最近节点可能是头顶飞过的卫星。所以，边缘计算中的“边缘”是相对概念，指相较于大型云端数据中心，距离数据产生位置更近、能更快处理任务的计算节点。
分层算力网络才是AI计算的终局？
真正该关注的不是Sunrun项目能否成功，而是其背后趋势：算力正从少数大型数据中心“溢出来”，分散到各种边缘计算设备上。
如果把过去的互联网比作大树，用户是枝干上的树叶，数据从“树叶”汇聚到主干（云端数据中心）。但随着Agent、自动驾驶、机器人等AI设备增多，所有任务依赖云端计算不现实。网络再快，也无法让数十亿台设备同时无延迟调用数据中心，还可能造成算力浪费，这时需要独立于主干的分支承载需求（类似榕树，生长到一定程度，远端枝干会长出新根系）。
所以未来的AI算力网络更可能是分层体系：手机和PC负责简单本地任务，住宅、基站等节点处理低延迟的持续推理任务，大型数据中心负责复杂模型与高负载任务，卫星补上偏远地区和特殊场景需求。
从这个角度看，Sunrun的家庭算力节点计划不算异想天开，只是过于理想化，现阶段铺开困难重重。但这并不意味着方向错误，它类似早期电动汽车充电桩，未来要经历漫长摸索和标准统一，才可能成为成熟商业模式。或许未来某一天，我们的电脑、手机闲置时也能变成算力节点。到那时，算力可能比电力更普及。
