微软新专利瞄准闲置显卡：用户贡献 GPU 训练 AI，可换现金或免费软件
IT之家 11 月 10 日消息，微软的一项新专利显示，这家公司可能很快会让用户把闲置的 GPU 拿去跑 AI 训练，顺便赚点钱。
微软在 2026 年 11 月 5 日公开了一项名为《利用边缘设备的闲置 GPU 算力开展机会式微型训练》（Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization）的专利。这套系统的大致思路是：把原本要靠大型数据中心完成的重计算任务，拆成一个个更小的子任务，趁着各台设备闲下来的时候分发过去执行。
说白了，你电脑里暂时用不到的 GPU 算力，未来可能被微软拿去训练 AI 模型，而你也能拿到相应报酬。
专利里是这么描述这套系统的：
> 这是一套利用边缘设备闲置 GPU 算力，通过机会式微型训练来训练机器学习模型的系统和方法。系统会监测边缘设备，检测可用的计算资源，并根据模型依赖关系拆分训练任务，将其划分为可以独立执行的微型任务。拆分时，系统会综合考虑通信成本、内存开销和数据位置，确定最合适的任务拆分节点。
核心思路就是：把原本需要大型数据中心处理的复杂计算任务拆成多个微型任务，再根据各设备的硬件能力动态调整任务规模，分给暂时有空闲算力的设备去跑。
微软在专利中表示，这种方式能充分利用分散的计算资源，而且不会影响设备的正常使用。不过，长期跑 AI 训练会不会损耗 GPU，还是值得留意。好在微软并不打算逼用户参与——想加入这套系统，需要用户主动授权。
为了鼓励大家贡献算力，微软还准备了报酬机制：用户选择加入后，系统会记录设备完成的计算量，并按每次任务的完成情况往用户账户里发积分。**这些积分可以兑换免费软件、模型访问权限，甚至直接换现金。**
要说明的是，这项专利不只是给微软自家 AI 业务供算力。微软实际上还想把这套方案提供给第三方机构，帮那些想训练 AI 模型、却拿不出足够算力的企业解决问题。
专利里也提到，AI 模型训练对计算资源的需求极大，硬件成本高昂，运行过程消耗也很大，GPU 供应持续紧张就是这么来的。
在这种模式下，用户把 GPU 借给第三方做 AI 训练时，微软主要扮演中间人的角色，负责把算力需求方和 GPU 设备持有者连起来。
当然，这种做法也带来一些值得关注的问题：比如用户隐私怎么保障、设备到底要贡献多少 GPU 算力、用户授权设备参与计算之后，是否要让渡一部分设备控制权限等等。
这项专利目前并没有正面回答这些问题，倒是详细介绍了系统如何判断一块 GPU 是否处于闲置状态，以及如何识别设备当前是否适合承担额外的计算任务。
具体来说，系统会综合监测 GPU 和 CPU 的使用率、内存占用、设备温度以及功耗等多项指标，来判断设备有没有可供利用的闲置算力。
专利对此解释称：
> 系统会持续监测各台设备，识别它们何时拥有可用的计算资源。为了避免影响用户体验，比如导致应用程序运行变慢、电池电量消耗加快或设备过热，系统会尽可能利用原本可能被浪费掉的闲置算力。
> 此外，系统还会动态调整采样频率：当 GPU 高负载或温度较高时，降低检查频率；当 GPU 处于闲置状态、或设备整体温度较低时，则提高检查频率。
最后提醒一句：专利获批或公开，并不代表微软一定会把相关技术真的投入实用。目前这项技术能不能落地、用户最终能拿到多少报酬，还有待进一步观察。
---
原文链接：[点击查看](https://www.ithome.com/1/024/826.htm)
微软在 2026 年 11 月 5 日公开了一项名为《利用边缘设备的闲置 GPU 算力开展机会式微型训练》（Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization）的专利。这套系统的大致思路是：把原本要靠大型数据中心完成的重计算任务，拆成一个个更小的子任务，趁着各台设备闲下来的时候分发过去执行。
说白了，你电脑里暂时用不到的 GPU 算力，未来可能被微软拿去训练 AI 模型，而你也能拿到相应报酬。
专利里是这么描述这套系统的：
> 这是一套利用边缘设备闲置 GPU 算力，通过机会式微型训练来训练机器学习模型的系统和方法。系统会监测边缘设备，检测可用的计算资源，并根据模型依赖关系拆分训练任务，将其划分为可以独立执行的微型任务。拆分时，系统会综合考虑通信成本、内存开销和数据位置，确定最合适的任务拆分节点。
核心思路就是：把原本需要大型数据中心处理的复杂计算任务拆成多个微型任务，再根据各设备的硬件能力动态调整任务规模，分给暂时有空闲算力的设备去跑。
微软在专利中表示，这种方式能充分利用分散的计算资源，而且不会影响设备的正常使用。不过，长期跑 AI 训练会不会损耗 GPU，还是值得留意。好在微软并不打算逼用户参与——想加入这套系统，需要用户主动授权。
为了鼓励大家贡献算力，微软还准备了报酬机制：用户选择加入后，系统会记录设备完成的计算量，并按每次任务的完成情况往用户账户里发积分。**这些积分可以兑换免费软件、模型访问权限，甚至直接换现金。**
要说明的是，这项专利不只是给微软自家 AI 业务供算力。微软实际上还想把这套方案提供给第三方机构，帮那些想训练 AI 模型、却拿不出足够算力的企业解决问题。
专利里也提到，AI 模型训练对计算资源的需求极大，硬件成本高昂，运行过程消耗也很大，GPU 供应持续紧张就是这么来的。
在这种模式下，用户把 GPU 借给第三方做 AI 训练时，微软主要扮演中间人的角色，负责把算力需求方和 GPU 设备持有者连起来。
当然，这种做法也带来一些值得关注的问题：比如用户隐私怎么保障、设备到底要贡献多少 GPU 算力、用户授权设备参与计算之后，是否要让渡一部分设备控制权限等等。
这项专利目前并没有正面回答这些问题，倒是详细介绍了系统如何判断一块 GPU 是否处于闲置状态，以及如何识别设备当前是否适合承担额外的计算任务。
具体来说，系统会综合监测 GPU 和 CPU 的使用率、内存占用、设备温度以及功耗等多项指标，来判断设备有没有可供利用的闲置算力。
专利对此解释称：
> 系统会持续监测各台设备，识别它们何时拥有可用的计算资源。为了避免影响用户体验，比如导致应用程序运行变慢、电池电量消耗加快或设备过热，系统会尽可能利用原本可能被浪费掉的闲置算力。
> 此外，系统还会动态调整采样频率：当 GPU 高负载或温度较高时，降低检查频率；当 GPU 处于闲置状态、或设备整体温度较低时，则提高检查频率。
最后提醒一句：专利获批或公开，并不代表微软一定会把相关技术真的投入实用。目前这项技术能不能落地、用户最终能拿到多少报酬，还有待进一步观察。
---
原文链接：[点击查看](https://www.ithome.com/1/024/826.htm)
评论
暂无评论。