边缘计算设备，手机循环经济的新出路

据国家统计局公布的数据，2020年，全国居民每百户移动电话拥有量为253.8部。在中国信通院发布的最新报告中显示，2021年前11个月，国内市场手机总体出货量累计3.17亿部，同比增长12.8%，上市新机型累计427款，同比增长3.1%。

国内手机市场出货量，图据中国信通院

供需两旺造就了成熟的手机供应链，在各家出货量都有保障的前提下，为了刺激和吸引消费者，各大手机厂商在“抢首发”、“争机皇”的大战中卷了起来。

在他们都使用浑身解数推新的繁荣背后，有一个问题被忽视了，那些迭代下来的手机去哪了？

大多数人能想到的“闲置吃灰”、“零件回收”对于当下具有高算力的闲置手机来说是一种“无可奈何的浪费”。

而这种“浪费”在一次闲置手机改造中，让人真切的感受到：看似过时的手机，只是放错了地方的宝藏。

一场“体面”的改造

造成手机闲置的原因有很多，诸如碎屏、电池续航问题等，但是鲜有手机芯片本身出现问题。芯片作为手机上最重要的零部件以及算力核心，真正的使用年限远没有达到其设计寿命，闲置手机除了闲置硬件本身，还闲置了算力。

将闲置算力用于边缘计算，有没有可能？

大多数手机搭载的安卓系统，不适合作为主流的AI应用开发和部署环境，而Linux系统适合，却没有好的办法部署到闲置手机上。

AidLux 的出现，改变了这一局面。

与以往借用虚拟机实现多系统共生的方式不同，AidLux 通过共享 Linux 内核的独特方式实现了Android 和 Linux 系统融合，形成可独立使用又能相互通信的跨 Android 和 Linux 系统平台，解决了虚拟机方式造成的性能损失，赋予了手机作为边缘计算设备的先决条件：Android+Linux 。

然而，可以≠适合。

通过AidLux平台，闲置手机拥有了作为边缘计算设备的先决条件，但是也存在接口少、散热差的局限。想要解决这些问题，适应更广泛的边缘计算应用场景，就需要对原本手机进行“体面”的改造。

一次“勇敢”的尝试

将手机改造为边缘计算设备，是一次勇敢的尝试。

在智能产业化，产业智能化的大环境下，各行各业对于边缘计算设备的需求与日俱增。知名机构Gartner认为，到2022年，随着数字业务的不断发展，75%的企业生成数据将会在传统的集中式数据中心或云端之外的位置创建并得到处理。

目前市面上大家能看到的边缘计算设备，除了采用不同架构外，算力分布也呈两极态势。

3T以内的低算力设备基本仅能满足个人用户或简单工业场景使用，15T以上的高算力设备则价格不菲，尤其在“缺芯”的大环境下，断货、涨价等情况更是频繁出现。这些问题在闲置手机改造的边缘计算设备上就不存在。

由手机改造的算力设备除了保留手机原有的基带、天线、蓝牙、WIFI、热点、GPS、麦克风、扬声器等组件，同样拥有拓展接口，支持USB-A、HDMI、RS232/485串口，RJ45网口等，外设支持通用性强，满足的应用场景多。

加上AidLux平台集成了全球10大主流AI框架（TensorFlow、PyTorch、Caffe、MXNet、MNN、NCNN、MindSpore、PaddlePaddle、TNN、OpenCV）和AI应用所依赖的各种科学计算库，并进行全面的环境部署和适配，做到了开箱即用。开发者可以把他们开发的AI应用快速迁移到 AidLux 中来，进行运行、调试与发布。

同时还提供 CPU + GPU + NPU 智能加速技术，从系统底层出发进行了深度优化，几乎所有运行在AidLux平台上量化后的AI应用，可获得15%-30%的AI运算提速，充分调用和发挥设备的AI计算能力。

实际上将 Android 手机作为边缘计算设备的尝试，这件事的价值已经完全超过了算力设备本身。

缓解“缺芯”问题

今年上半年，工信部发布的一则报告显示，我国的二手手机存量累计超过20亿部，仅2020年产生的废旧手机就超过5亿部。

要知道三年前的手机就有着7TOPS算力（高通855），远超目前市面上的热销的算力卡。闲置手机巨大的存量以及具备的不俗算力，如果能够有效加以利用，将会在很大程度上缓解“缺芯”问题。

废旧资源再生利用

传统意义上的手机回收再利用，除了品相完好的能进行二手翻新以外，绝大多数的处理方式是回收元器件、提取贵金属等。

AidLux 的出现，完全开辟了一条手机回收再利用的新道路——“算力芯生”。废旧资源再生利用已经不仅限于降低原来资源的消耗，在新模式下，还能够创造更高的价值。

一个“难得”的机遇

据了解，AidLux技术团队已经完成“算力芯生”边缘计算设备改造的可行性验证和工程机试产，为更广阔的“算力芯生”生态建立奠定基础。

未来，AidLux将继续专注平台能力提升和生态发展，赋能各行业打造符合自身需求的“算力芯生”边缘计算设备。

这套“算力芯生”的方案，相较于传统边缘计算方案拥有极致性价比，可用于AI教育、极客开发等多种边缘计算场景。