微软公开了一项分布式算力调度专利,正在探索一套方案,在用户设备空闲时调用电脑 GPU 闲置算力用来做 AI 微型训练,参与的用户可以根据算力贡献拿到积分,积分支持兑换现金、免费软件或者 AI 模型使用权限,整套系统会实时监控 GPU 占用、显存、温度和功耗,一旦用户开启游戏、渲染等占用显卡的任务,就自动降速或者直接暂停算力任务,优先保障用户正常使用,这个方案的正式名称是利用边缘设备闲置 GPU 算力开展机会式微型训练,它的核心思路是把原本放在大型数据中心里的 AI 训练任务拆成很多微型子任务,分配给海量家用 PC、笔记本这类边缘设备,补充微软 AI 算力供给缺口,需要明确一点,目前它只是专利方案,不是已经上线的 Windows 内置功能,用户不会被强制加入,是否参与完全自愿。现在 AI 大模型训练对算力需求持续暴涨,自建数据中心成本高、建设周期长,还面临用地、能耗监管限制,而大量游戏玩家的显卡大部分时间都处在闲置状态,资源白白浪费;微软这套方案就是想把分散在千家万户的闲置 GPU 资源收拢起来,做成分布式算力网络,降低自建算力集群的压力。
一、这套闲置 GPU 算力方案核心清单
- 方案名称:Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization(利用边缘设备闲置 GPU 算力开展机会式微型训练)
- 任务类型:AI 模型微型训练子任务,不是大模型推理
- 适配设备:带独立 GPU 的台式机、游戏本,后续也可拓展到其他边缘设备
- 监测指标:GPU 利用率、显存占用、芯片温度、整机功耗
- 补偿形式:算力积分,可兑换现金、微软软件、AI 服务额度
- 任务机制:用户优先,设备高负载自动暂停算力任务
- 校验机制:多设备交叉核对计算结果,给设备建立可靠性评分,防止错误数据污染训练流程
二、分布式闲置 GPU 算力和传统云 GPU 对比表
| 项目 | 微软这套闲置 GPU 分布式方案 | 传统 Azure 云 GPU 算力 |
|---|---|---|
| 算力来源 | 家用消费级显卡,用户闲置时段 | 微软自建数据中心专业加速卡 |
| 任务优先级 | 用户本地使用优先,算力任务随时避让 | 算力任务固定分配,资源独占 |
| 成本结构 | 用户获取报酬,微软节省基建、能耗成本 | 微软承担机房、电力、硬件全部成本 |
| 稳定性 | 单设备随时下线,适合拆分后的微型训练任务 | 稳定持续,适合大规模长周期训练 |
| 用户参与 | 自愿加入,可随时退出 | 企业客户按需租赁 |
| 数据风险 | 设备在用户本地,需要配套隔离、安全校验 | 机房集中管控,隔离体系成熟 |
三、系统完整运行流程
- 用户主动开启授权:在对应功能开关里同意共享闲置 GPU 算力,自愿加入计划。
- 后台持续监测:系统持续读取显卡负载、温度、功耗,判断当前是否存在空闲算力。
- 下发微型训练任务:确认空闲之后,分发小型 AI 训练子任务到本地 GPU 运行。
- 实时动态调控:用户打开游戏、剪辑软件,GPU 负载上涨,任务立刻降速或者停止。
- 结果回传与校验:计算完成后上传结果,平台和其他节点交叉验证,记录算力贡献。
- 发放积分报酬:根据有效算力贡献发放积分,用户在账户内兑换奖励。
- 用户随时退出:用户可以随时关闭授权,不再接收任何算力任务。
四、当前方案的短板与风险点
- 只是专利,不是落地产品,没有上线时间表、没有固定兑换比例,后续可能直接不落地。
- 家用显卡稳定性参差不齐,网络波动、断电都会造成任务中断,只适合拆分后的微型训练。
- 电费由用户承担,报酬不一定覆盖额外增加的电费,需要用户自己权衡收益。
- 安全和隐私是关键隐患,需要严格隔离计算任务,防止读取本地文件、窃取用户数据。
- 长时间高负载跑算力任务,会加速显卡老化,增加风扇、电源损耗。
- 不同地区监管政策不一样,数据出境、算力共享合规门槛很高。
五、如果后续正式上线,用户参与的操作步骤清单
- 确认是否自愿参与:该功能不会强制开启,需要手动打开共享算力开关。
- 提前设置保护阈值:设置温度上限、功耗上限,超过阈值自动停任务。
- 查看算力统计:在微软账户面板查看算力贡献、积分明细。
- 选择兑换方式:积分选择现金、软件订阅或者 AI 服务额度。
- 日常使用留意:玩游戏、做视频渲染前,确认算力任务已经暂停。
- 随时关闭授权:不想继续参与,直接关闭开关,停止接收任务。
六、最终结论
微软探索利用闲置 GPU 计算为用户提供报酬,本质是在 AI 算力紧张的背景下,尝试盘活海量家用显卡的闲置资源,用分布式微型训练的方式分担数据中心压力,同时用积分报酬激励用户参与。但它现阶段仅仅是专利构想,不等于马上在 Windows 推送上线,整个方案还有电费、硬件损耗、隐私安全、合规等一大堆现实问题待解决;就算未来上线,也是纯自愿模式,本地用户使用优先级最高,不会抢占游戏、创作的显卡资源。
【相关 FAQ】
问题 1:微软探索利用闲置 GPU 计算为用户提供报酬,这个项目现在已经正式上线了吗?
回答 1:还没有上线,微软探索利用闲置 GPU 计算为用户提供报酬的方案目前只是公开专利,没有推出正式 Windows 功能,也没有确定上线时间。
问题 2:微软探索利用闲置 GPU 计算为用户提供报酬,电脑在玩游戏的时候还会跑算力任务吗?
回答 2:不会,微软探索利用闲置 GPU 计算为用户提供报酬的这套系统会实时监控显卡负载,一旦用户玩游戏、高负载使用显卡,算力任务会自动降速或者暂停,优先保障本地使用。
问题 3:微软探索利用闲置 GPU 计算为用户提供报酬,用户能拿到哪些类型的报酬?
回答 3:微软探索利用闲置 GPU 计算为用户提供报酬,用户依靠算力贡献获取积分,积分可以兑换现金、免费软件、AI 模型使用额度,具体兑换比例还没有公布。
问题 4:微软探索利用闲置 GPU 计算为用户提供报酬,会不会强制普通 Windows 用户共享显卡算力?
回答 4:不会,微软探索利用闲置 GPU 计算为用户提供报酬,整套方案以自愿参与为前提,用户可以自主选择是否开启,也能随时关闭算力共享。
【参考资料】
[2026-11-13](算力荒近在眼前,微软准备用玩家的显卡跑 AI)36 氪
[2026-11-12](Microsoft Could Pay You to Train AI Using Your Spare GPU Power, New Patent Suggests)Windows Report
[2026-11-10](微软新专利瞄准闲置显卡:用户贡献 GPU 训练 AI,可获得现金或免费软件)IT 之家
[2026-11-10](微软盯上了你的显卡!Windows 玩家电脑除了打游戏,还得替 AI 打工)太平洋科技
[2026-11-05](Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization)美国专利公开文档
【免责声明】
本文内容基于微软公开专利与科技媒体资讯整理,仅为 AI 算力行业科普参考,不构成硬件投资、参与算力共享的决策建议。微软探索利用闲置 GPU 计算为用户提供报酬的方案属于专利设想,功能、奖励规则、安全策略、合规要求都存在大幅调整甚至取消的可能性;参与算力共享会带来额外电费、硬件老化风险,隐私和数据安全需要平台后续配套机制保障,一切产品规则、上线通知以微软官方公告为准。
本文来自作者[Atticus81]投稿,不代表海博商机网立场,如若转载,请注明出处:https://www.hb12369.net/qyzx/202611/604.html
评论列表(4条)
我是海博商机网的签约作者“Atticus81”!
希望本篇文章《微软探索调用闲置 GPU 算力开展 AI 训练,贡献算力的用户可获取报酬》能对你有所帮助!
本站[海博商机网]内容主要涵盖:互联网行业的追踪与探索
本文概览:微软公开了一项分布式算力调度专利,正在探索一套方案,在用户设备空闲时调用电脑 GPU 闲置算力用来做 AI 微型训练,参与的用户可以根据算力贡献拿到积分,积分支持兑换现金、免费软件或者 AI 模型使用权限,整套系统会实时监控 GPU 占用、显存、温度和功耗,一旦用户开启游戏、渲染等占用显卡的任务,就自动降速或者直接暂停算力任务,优先保障用户正常使用,这个方案的正式名称是利用边缘设备闲置 GPU 算力开展机会式微型训练,它的核心思路是把原本放在大型数据中心里的 AI 训练任务拆成很多微型子任务,分配给海量家用 PC、笔记本这类边缘设备,补充微软 AI 算力供给缺口,需要明确一点,目前它只是专利方案,不是已经上线的 Windows 内置功能,用户不会被强制加入,是否参与完全自愿。现在 AI 大模型训练对算力需求持续暴涨,自建数据中心成本高、建设周期长,还面临用地、能耗监管限制,而大量游戏玩家的显卡大部分时间都处在闲置状态,资源白白浪费;微软这套方案就是想把分散在千家万户的闲置 GPU 资源收拢起来,做成分布式算力网络,降低自建算力集群的压力。