Исследователи из Калифорнийского университета в Сан-Диего вместе с Google предложили использовать списанные смартфоны Pixel как основу для недорогих локальных вычислительных платформ. Идея проста: вместо того чтобы отправлять устройства на свалку, у них снимают всё лишнее – экран, аккумулятор, камеры, корпус и динамики, – а оставляют только материнскую плату с системой на кристалле, памятью и накопителем.
Авторы проекта связывают инициативу не только с экономией, но и с экологией. В Google Research отмечают, что выведенные из эксплуатации смартфоны несут на себе уже «встроенный» углеродный след производства, а потому повторное использование таких устройств может продлить их жизненный цикл без выпуска нового железа.
Ключевой аргумент исследователей – производительность. По данным Google Research, производительные ядра современных смартфонов по однопоточному быстродействию сопоставимы с ядрами современных многопроцессорных серверов или даже превосходят их в ряде тестов, хотя по общей мощности, объёму памяти и масштабируемости серверы, разумеется, остаются далеко впереди.
Чтобы превратить смартфон в вычислительный узел, исследователи заменяют Android на обычный Linux-дистрибутив, а затем объединяют такие платы в кластеры и управляют ими через Kubernetes. Именно программная оркестрация позволяет собрать из десятков бывших смартфонов единую платформу общего назначения, пригодную для учебных и исследовательских задач.
По результатам бенчмарков, от 25 до 50 старых смартфонов могут дать вычислительную производительность, сопоставимую с одним современным двухсокетным серверным процессором в определённом классе задач. В UC San Diego также подсчитали, что кластера из 20 телефонов уже достаточно для одного учебного приложения, которым пользуется курс более чем из 75 студентов.
Следующий шаг – полноценный локальный дата-центр из 2000 списанных Google Pixel. По оценке команды, такая система сможет одновременно обслуживать около сотни учебных курсов, а её развёртывание обойдётся лишь в долю стоимости традиционной серверной инфраструктуры из новых комплектующих.
При этом сами авторы не утверждают, что подобный подход подходит для гиперскейлеров, ИИ-гигантов или критически важных нагрузок. У серверного оборудования выше надёжность, меньше ограничений по памяти и хранению данных, а крупным операторам удобнее работать с меньшим количеством специализированных узлов, чем с тысячами потребительских плат.
Но для университетов, лабораторий и небольших организаций такая модель выглядит вполне практичной. Она даёт локальные вычисления, снижает зависимость от облака, уменьшает издержки и одновременно предлагает внятный сценарий повторного использования техники, которая в обычной логике уже считается устаревшей.
