微软专利提出闲置GPU共享训练方案,用户贡献算力可获报酬
摘要
微软公布一项专利,拟将AI训练任务拆分为微型子任务分发至边缘设备,利用用户闲置GPU算力执行,参与者可获得现金或免费软件回报。该方案旨在整合分散计算资源,降低对大型数据中心的依赖。
微软在算力调度上提出了一种新思路。一项于2026年11月5日公布的专利显示,该公司正在探索将AI模型训练任务分散到普通用户的边缘设备上执行,让闲置的GPU算力参与到原本由数据中心承担的计算工作中。该专利名为《利用边缘设备的闲置 GPU 算力开展机会式微型训练》。
根据专利描述,这套系统的运作逻辑是“化整为零”:先依据模型依赖关系将高强度训练任务拆解为可独立执行的微型子任务,再在拆分过程中综合评估通信成本、内存开销与数据位置,据此确定最合适的切分节点。系统会持续监测边缘设备的资源状态,在设备处于闲置时动态下发与其硬件能力相匹配的任务规模。
对用户而言,这意味着电脑中暂时空转的GPU有望成为可出售的计算资源。专利提到,贡献算力的用户能够获得相应报酬,形式可能包括现金或免费软件。这一机制若能落地,将为AI训练开辟数据中心之外的另一条算力来源。
从行业视角看,该专利指向的是分散计算资源的整合利用。微软在文件中称,这种方式可有效调动闲置算力,且不会影响设备的正常使用。不过专利目前仅停留在技术方案层面,是否转化为实际产品、报酬如何定价、数据安全与任务隔离如何保障,均未在文中披露。
值得关注的是,将训练任务拆分至异构边缘设备执行,对任务调度精度和通信开销控制提出了较高要求。微软此次专利所描述的动态拆分与资源监测机制,正是围绕这一难点展开设计的。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家原文 ↗