如果有一家公司声称，只需在你的电表里塞进一个小玩意，你就能坐享其成，躺着赚钱。这听起来像是一个典型的骗局或吸金陷阱。然而，如果提出这一方案的竟是全美最大的太阳能企业之一Sunrun呢？
Sunrun的方案其实并不复杂：只要参与项目的住宅配备了太阳能发电和家庭储能系统，就能申请安装GPU计算节点。这些节点主要用于处理AI推理任务。Sunrun将统一负责设备调度、能源管理和算力销售，将计算能力提供给企业客户。
不得不说，这一构想颇具创意，且前景看似广阔。毕竟，美国不少科技巨头都在筹备建设算力中心，却因电力供应不足、环境保护法规等原因进展缓慢。例如，纽约州已宣布暂停全州范围内大型数据中心的审批一年，而加州蒙特雷帕克市则通过公投立法，禁止在当地建立数据中心。
当地居民反对的原因固然涉及环保考量，但更直接的原因是电力短缺。美国许多城市和州本身电力供应就紧张，数据中心的涌入将进一步加剧这一矛盾，不仅影响居民用电，还可能导致电价飞涨。事实上，微软、亚马逊等云服务巨头已经开始自建电厂，以满足数据中心的能源需求。
由此可见，中美在算力领域的困境截然不同：中国电力充沛却面临顶级算力芯片短缺，而美国则拥有大量算力芯片却因能源限制在仓库中闲置。因此，Sunrun提出利用遍布全国的住宅和太阳能设备，部署百万级规模的算力集群，且利用太阳能作为免费能源，听起来确实极具吸引力。但别急，让我们来深入剖析一下。
Sunrun计划利用居民家庭的电力运行GPU，这本质上属于分布式算力网络。虽然随着AI模型对算力需求的激增，边缘计算并非新鲜事物，但Sunrun想更进一步，将住宅直接转化为算力生产车间。不过，目前该公司尚未公布具体的利润分配方案，其商业模式的可行性也令人存疑。
太阳能虽然理论上是免费的，但设备的折旧费、维护费以及电力竞争成本不容忽视。这些算力节点占用了原本可用于家庭自用或出售的电力份额，再加上硬件成本，若算力销售价格无法覆盖成本，企业将面临设备报废都无法回本的尴尬局面。
我认为Sunrun尚未大规模推广此业务，很可能是因为与AI企业的定价谈判未果。大型企业往往倾向于成熟的云服务中心，而中小企业可能缺乏足够的需求。为了规避风险，企业更愿意选择集中式的数据中心，而非分散的算力节点。
在我看来，Sunrun的这个项目大概率会失败。从技术角度看，分布式算力网络主要适用于边缘侧的AI推理，且需要建立高效的算力分配架构，确保用户能快速找到最近的节点。至于模型训练，由于需要频繁的数据交互和极低的延迟，分布式网络难以满足要求。英伟达和数据中心耗费多年才将超大规模集群的延迟降至微秒级，OpenAI等巨头因此不惜重金建设专用集群，而非拼凑现有的数据中心。
因此，Sunrun只能尝试与巨头洽谈，将其算力纳入现有网络，并以低于数据中心的价格销售。然而，随着OpenAI自研芯片、Google对外出售TPU集群等消息的出现，Sunrun的算力成本能否低于这些专用芯片的成本，尚难下定论。
事实上，计划通过家庭部署算力单元的公司并非只有Sunrun。另一家智能配电设备公司SPAN推出的XFRA计划也颇为引人注目：该公司购入RTX PRO 6000显卡，部署在住宅或小型商业中心，既作为算力节点，也用于云游戏服务。在我看来，这一方案可能比Sunrun的更靠谱，因为RTX PRO 6000的性能相当于RTX 4090，在限制分辨率和帧数的情况下，同时支持3至4台电脑运行3A大作毫无压力。
尽管我对Sunrun目前的计划持悲观态度，但这一思路值得肯定。分布式算力网络未来极有可能成为除传统数据中心之外的“AI大脑”。
当前AI行业的“算力荒”主要体现在两方面：一是训练模型所需的算力不足，二是推理算力距离用户太远，导致延迟高、传输成本大。分布式网络虽然无法完全解决前者，但在解决后者方面大有可为，特别是在智能体普及后，边缘算力的重要性将日益凸显。
从应用场景来看，智能体往往需要进行持续性推理，并调用摄像头、麦克风、屏幕等硬件，这些任务琐碎且要求低延迟。如果全部依赖云端或端侧处理都不现实，特别是当理想的AI终端体积比手机还小时。边缘算力设备可以作为Agent的临时“外置大脑”，负责初步推理或任务拆解，再将复杂任务交给云端。然而，这对住宅节点的响应速度和稳定性提出了极高要求，这也是华为倾向于在基站中部署节点的原因——基站作为区域数据交互中心，天然具备可靠性和低延迟优势。
除了基站，另一个意想不到的“边缘”节点或许会在未来十年出现：即今年WAIC上宣布的“星枢计划”中的算力卫星。该计划第一阶段将发射2颗算力卫星和12颗边缘计算卫星，最终构建由上千颗卫星组成的全天候算力中心。对于气象预警、灾害监测、航运等地面算力难以覆盖的领域，卫星算力的延迟是可以接受的，甚至比移动算力节点更具优势。
从更宏观的角度看，边缘计算中的“边缘”并非一个固定的地理概念，而是相对的。对于手机、汽车和智能眼镜，“边缘”可能是附近的基站；而对于远洋货轮、无人区和低空飞行器，“边缘”可能是一颗从头顶飞过的卫星。边缘计算的核心在于“更近”，即在数据产生地更近的地方进行处理。
因此，我认为真正值得关注的不是Sunrun项目的成败，而是其背后的趋势：算力正从少数大型数据中心“溢出”，逐渐分散到各种边缘设备上。如果把过去的互联网比作一棵大树，用户是伸向天空的枝叶，数据最终汇聚到主干（云端数据中心）。但随着AI设备激增，所有任务都依赖云端显然不现实。网络再快，也无法让数十亿台设备同时无延迟地调用数据中心，这必然导致算力浪费。因此，需要一些独立于主干的分支来承载这些需求。
未来的AI算力网络，更可能是一套分层体系：手机和PC负责最简单的本地任务，住宅、基站等节点处理需要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，最后由卫星补足偏远地区和特殊场景的需求。从这个角度看，Sunrun的家庭算力节点计划并不算异想天开，只是现阶段推行困难重重。但这并不意味着方向错误，它有点类似于早期的电动汽车充电桩，未来必然要经历漫长的摸索和标准统一，才能成为成熟的商业模式。
或许在未来某一天，我们的电脑、手机也能在闲置时变成算力节点。到那时，算力可能会变成一种比电力更普及的资源。