De Universiteit van Californië, San Diego, ontwikkelt met steun van Google een ongebruikelijk experiment om de kosten en de ecologische voetafdruk van computing te verminderen: het bouwen van een kleine cloudplatform gebaseerd op 2.000 afgewezen Pixel-smartphones. Het doel is niet om te concurreren met grote AI-datacenters vol GPU’s, maar om aan te tonen dat veel academische diensten, lichte workloads en educatieve applicaties kunnen draaien op hardware die normaal gesproken in een lade zou verdwijnen of als elektronisch afval wordt weggegooid.
Het project is gebaseerd op een eenvoudige premisse. Veel smartphones worden elke paar jaar vervangen, terwijl hun verwerkingscapaciteit nog steeds nuttig is. Volgens Google Research wisselen gebruikers gemiddeld elke vier jaar van telefoon, maar de afgewezen apparaten blijven processors, versnellers, RAM en opslag volledig functioneel behouden. Het hergebruiken van deze modules in plaats van nieuwe servers te produceren, kan een deel van de emissies die gepaard gaan met de productie van nieuw hardware verminderen.
De aanpak wordt phone cluster computing genoemd. Het houdt in dat de hoofdkaart van afgewezen smartphones wordt verwijderd, de onnodige componenten worden weggelaten, en deze modules worden gegroepeerd in clusters die worden beheerd als een algemeen computerplatform. In plaats van volledige telefoons op een rack te stapelen, benut het systeem de kern van het apparaat: de SoC, geheugen, opslag en geïntegreerde versnellers.
Van gebruikt mobiel naar rekenknooppunt
Een smartphone is niet ontworpen om in een datacenter te draaien. Het heeft een scherm, batterij, camera’s, luidsprekers, behuizing en randapparatuur die niets bijdragen aan cloud workloads. Sommige van deze elementen, zoals de batterijen, kunnen zelfs problemen veroorzaken bij continue operationele omgevingen. Daarom wordt in dit project alles verwijderd wat overbodig is, en blijft alleen de hoofdplaat over.
Google Research wijst erop dat deze hoofdplaat ongeveer de helft van de ingebouwde ecologische voetafdruk van het apparaat vertegenwoordigt, volgens interne evaluaties. De ingebouwde voetafdruk is die welke wordt gegenereerd tijdens de productie van hardware: winning van grondstoffen, chipproductie, assemblage, transport en de industriële keten. Het is moeilijk om deze voetafdruk te verminderen nadat het product al bestaat, maar door de levensduur te verlengen, kan deze beter worden gedeeld.
| Herbruikbaar element | Reden |
|---|---|
| Hoofdplaat van de smartphone | Bevat CPU, versnellers, geheugen en opslag |
| Arm SoC | Gebiedt goed rendement per kern en energie-efficiëntie |
| Geïntegreerd geheugen | Voldoende voor veel lichte educatieve workloads |
| Interne opslag | Handig voor kleine applicaties en lokale services |
| Geïntegreerde versnellers | Kunnen helpen bij specifieke taken, afhankelijk van het model |
| Linux en containers | Maakt beheer van mobiele apparaten als knooppunten mogelijk |
Het besturingssysteem wordt ook aangepast. Android is gebaseerd op Linux, maar de gebruikersinterface is ontworpen voor mobiel gebruik, niet voor servers. Onderzoekers vervangen deze laag door een algemene Linux-distributie, waardoor het uitvoeren van applicaties meer lijkt op een traditionele cloudomgeving. Daarnaast worden mobiele specifieke mechanismen verwijderd, zoals agressieve geheugenbeheerstrategieën, die in een persoonlijk apparaat zinvol zijn, maar niet in een servercluster.
Om tientallen of honderden kaarten te coördineren, gebruikt het project applicaties in containers die worden beheerd met Kubernetes. Elke groep van 25 tot 50 telefoons wordt georganiseerd als een zelfstandig cluster. Deze hoeveelheid is niet willekeurig: de genoemde SPEC-tests door Google Research tonen aan dat 25 tot 50 mobiele apparaten in bepaalde scenario’s vergelijkbare verwerkingscapaciteit kunnen bieden als een moderne server-CPU.
Geen vervanging voor grote AI-datacenters
De vergelijking moet voorzichtig worden gemaakt. Een cluster van gebruikte smartphones vervangt geen NVIDIA Blackwell-, AMD Instinct- of Google TPU-clusters voor het trainen van AI-modellen. Het is ook niet bedoeld voor workloads met grote geheugenbehoeften, GPU’s of lage-latentie-netwerken. De waarde ligt elders: in kleine, repetitieve, educatieve en onderzoeksopdrachten die geen nieuw hardware of overgedimensioneerde cloud-instanties vereisen.
Op universiteiten draaien veel onderwijs- en beoordelingsapplicaties al in de cloud. Denk aan Jupyter-notebooks, automatische correctieservers, kleine virtuele machines voor practica of services voor programmeerlessen. Sommige van deze workloads worden vaak gedeployed op kleine instanties, zoals een AWS t3.micro met 2 vCPUs en 1 GB RAM.
Onderzoekers hebben aangetoond dat een cluster van 20 telefoons vergelijkbare verwerkingscapaciteit kan bieden als een klas van meer dan 75 studenten, met latenties voor correctie die onder die van standaard cloudbackends liggen. De geplande inzet van 2.000 mobiele telefoons zou ongeveer 100 gelijktijdige lessen van dat soort kunnen ondersteunen.
| Scenario | Door Google Research gerapporteerde resultaat |
| 20 telefoons | Ondersteunt een klas van meer dan 75 studenten |
| 25-50 telefoons | Gelijke capaciteit aan een moderne server-CPU in SPEC-tests |
| 2.000 telefoons | Circa 50 keer de verwerkingscapaciteit van een server |
| Voorspelde implementatie | Ondersteuning van ongeveer 100 gelijktijdige klassen |
| Verwachte lancering | Herfst 2026 |
| Begingebruik | Onderwijs, onderzoek en betaalbare cloud voor UC San Diego |
De sleutel ligt in het juiste toewijzen van workloads. Mobiele apparaten hebben minder cores, beperkte RAM en minder totale capaciteit dan servers, maar hun high-performance cores kunnen concurrerend zijn voor single-threaded taken. Als de applicatie past in de beschikbare geheugen en kan worden verdeeld over veel knooppunten, kan dit model werken.
Een antwoord op de verborgen kosten van serverfabricage
Het project brengt een onderwerp aan de orde dat meestal buiten de discussie over datacenters blijft: niet alle milieu-impact komt door het energieverbruik. De operationele voetafdruk, gerelateerd aan energieverbruik gedurende de levensduur van het apparaat, is belangrijk. Maar ook de ingebouwde voetafdruk van het fabricageproces voor nieuwe servers, moederborden, geheugen, SSD’s, voedingen en koelsystemen speelt een grote rol.
Energie-efficiëntieverbeteringen en het gebruik van schone elektriciteit helpen vooral de operationele voetafdruk te verkleinen. De fabricagevoetafdruk is moeilijker te compenseren: elk nieuw server vereist materialen, wafers, assemblage, logistiek en een intensieve industriële keten. Door hardware die al geproduceerd is opnieuw te gebruiken, kan een deel van die druk worden weggenomen, zolang de prestaties en betrouwbaarheid voldoende blijven.
| Type voetafdruk | Wat meet het | Hoe het project bijdraagt |
| Operationele CO₂-uitstoot | Emissies door energiegebruik tijdens gebruik | Gebruikt energie-efficiënte hardware en lichte workloads |
| Ingebouwde CO₂-voetafdruk | Emissies door fabricage hardware | Verlenging van de levensduur van bestaande smartphones |
| Elektronisch afval | Apparaten die worden weggegooid of verlaten | Hergebruik van hoofdplaten voordat recycling plaatsvindt |
| Kosten | Aanschaf van servers en infrastructuur | Vermindert de behoefte aan nieuwe hardware |
| Academische schaalbaarheid | Capaciteit voor onderwijs en laboratoria | Gebruik van vele kleine knooppunten beheerd via Kubernetes |
Daarnaast heeft het model educatieve voordelen. Een datacenter opgebouwd uit afgekeurde smartphones kan dienen als platform voor onderzoek naar betrouwbaarheid, energieverbruik, orkestratie, netwerken, onderhoud en het gedrag van consumentenhardware onder continue belasting. Deze kennis kan waardevol zijn voor toekomstige goedkope architecturen, edge computing en lokale infrastructuren in minder betaalbare omgevingen.
De uitdaging: betrouwbaarheid
De meest prangende vraag is hoe lang een smartphone, omgevormd tot serverknooppunt, kan functioneren. Smartphones zijn niet ontworpen voor 24/7 gebruik in een rack. Hun componenten zijn geoptimaliseerd voor bursts, beperkte koeling en verschillende laadcycli. Door schermen, batterijen en behuizingen te verwijderen, worden enkele problemen weggenomen, maar ontstaan er nieuwe: stabiele voeding, koeling, fysieke verbindingen, onderhoud en het vervangen van defecte kaarten.
Google Research erkent dat het testen van de betrouwbaarheid van consumentenhardware in continu gebruik een van de belangrijke doelen van het project is. Dit zal bepalen of het model kan doorstromen van een universitaire proef tot een breed toepasbaar patroon voor andere instellingen.
Ook op softwareniveau zijn beperkingen. Niet alle applicaties passen goed bij duizenden kleine knooppunten. Workloads met veel communicatie, groot geheugenverbruik of intensieve GPU-vereisten passen niet goed. Maar veel onderwijsgerelateerde services, lichte microservices, evaluatieplatforms, kleine APIs en laboratoriumomgevingen kunnen wel profiteren.
Een model voor universiteiten, niet voor grote hyperscalers
De initiatief moet niet worden opgevat als een universeel alternatief voor traditionele datacenters. Google stelt niet voor om cloud-regio’s te vervangen door hergebruikte smartphones. Het project met UC San Diego toont een manier om herbruikbare hardware te benutten voor een specifieke categorie workloads.
Dat onderscheid is belangrijk. De industrie investeert miljarden aan kapitaal in AI-datacenters met enorme energie- en resourcebehoeften. Voor die schaal lijkt een cluster van 2.000 smartphones klein. Maar de waarde van het project ligt in het aantonen dat niet alle workloads een nieuwe, dure en overdimensioneerde infrastructuur vereisen.
Voor universiteiten, onderzoekscentra, lokale overheden of opleidingsinstituten biedt dit model een interessante weg: het verlaagt kosten, maakt gedistribueerde computing zichtbaar met echt hardware, en bevordert onderzoek naar duurzaamheid en het hergebruik van apparaten met resterende technische waarde.
Het sluit ook aan bij een bredere visie van edge computing. Als veel afgewezen apparaten kunnen worden georganiseerd als kleine clusters, kunnen lokale oplossingen voor onderwijs, onderzoek, gemeenschapsdiensten of low-intensity taken ontstaan. Ze zullen niet de energiehonger van generatieve AI aanpakken, maar kunnen wel de workloads verlichten die nu standaard naar de cloud worden gestuurd.
Het project van UC San Diego en Google herinnert eraan dat hardware, zelfs na het consumergerichte gebruik, niet meteen zijn rekenwaarde verliest. Een smartphone van drie of vier jaar oud is wellicht niet hét nieuwste model, maar blijft een compacte, efficiënte en nog steeds capabele computer. Het hergebruik als rekenknooppunt is niet alleen een technische curiositeit; het is een praktische manier om na te denken over de werkelijke behoefte aan nieuwe infrastructuur.
Veelgestelde vragen
Wat bouwt UC San Diego met steun van Google?
De universiteit wil een compute-platform ontwikkelen met 2.000 afgewezen Pixel-smartphones om betaalbare, lage-voetafdruk cloud computing te bieden aan studenten en onderzoekers.
Hoe worden mobiele telefoons servers?
Door componenten zoals scherm, batterij, camera’s en behuizing te verwijderen, wordt de hoofdplaat behouden. Vervolgens wordt een Linux-distributie geïnstalleerd en worden applicaties beheerd via containers en Kubernetes.
Kan dit systeem een AI-datacenter vervangen?
Nee. Het is bedoeld voor lichte, educatieve en onderzoeksworkloads. Het vervangt geen GPU- of TPU-clusters voor het trainen en inferentie van grote AI-modellen.
Wanneer wordt het systeem operationeel?
Google Research verwacht dat het volledige systeem tegen herfst 2026 operationeel zal zijn.