스마트폰 20대가 수업 채점…대형 AI 연산 검증은 아니었다

캘리포니아대 샌디에이고캠퍼스 연구진이 스마트폰 20대 클러스터로 수강생 75명 이상인 수업에서 과제 제출이 몰리는 시점의 채점 작업을 처리했다. 통제된 환경에서 특정 작업을 분산 처리한 실험으로, 전 세계에 흩어진 휴대전화가 대형 AI 데이터센터를 대신할 수 있음을 입증한 것은 아니다.

구글 리서치(Google Research)는 2026년 6월 12일 공개한 연구 소개 글에서 이 실험을 설명했다. 연구진은 사용을 마친 휴대전화의 기판을 꺼내 한곳에 모아 클러스터를 구성했다.

구글 리서치는 스마트폰의 성능 코어가 서버의 개별 코어와 견줄 만한 경우가 있어도, 서버에는 더 많은 코어와 큰 메모리가 있다고 설명했다. 해당 글은 스마트폰 메모리를 8~12GB로 제시했다. 개별 코어 성능과 서버 전체의 처리 능력은 같은 지표가 아니다.

분산 연산의 성능은 독립된 소규모 작업을 나눠 처리하는 경우와 하나의 큰 작업을 여러 기기에 나눠 실행하는 경우를 구분해 봐야 한다. 이번 채점 실험은 통제된 환경에서 작업을 분배한 사례다.

2025년 학술지 Sensors에 실린 연구는 스마트폰 5대와 단일 보드 컴퓨터 3대 등 8개 장치에서 사전 학습 모델의 이미지 처리 작업을 시험했다. 연구진은 스마트폰을 가까운 무선망에 연결해 실험했다.

연구진은 스마트폰 2~4대를 묶은 구성이 일부 실시간 영상 분석 작업에서 경쟁력 있는 성능을 냈다고 결론 내렸다. 이 결과는 소규모 기기 구성의 특정 작업에 관한 것으로, 여러 지역에 흩어진 휴대전화 네트워크의 안정성을 검증한 것은 아니다.

스마트폰 한 대에서 AI 모델을 실행하는 온디바이스 AI와 여러 휴대전화를 연결해 연산 자원으로 쓰는 방식도 구별해야 한다. 본지는 앞서 퀄컴의 온디바이스 AI 스마트폰 칩 공개도 다뤘다.

아큐라스트(Acurast)는 공식 지표 문서에 인센티브 테스트넷에 컴퓨팅 단위 약 30만 개가 등록됐고 175개국 이상에 컴퓨트 제공자가 있다고 기재했다. 이는 등록 규모를 나타내는 수치다.

별도 네트워크 대시보드 Acurast Pulse는 확인 당시 알려진 기기 23만3335대와 온라인 기기 3만6047대를 각각 표시했다. 대시보드 수치와 공식 문서의 등록 컴퓨팅 단위는 집계 대상이 다르다.

등록 단위나 온라인 기기 수만으로 실제 작업 처리량을 알 수는 없다. 실제 작업을 수행한 기기 수와 완료된 작업량, 유료 수요는 별도로 살펴야 한다.

아큐라스트 운영 안내는 평소 쓰는 휴대전화에서 필요할 때 연산을 제공하는 Lite 방식과 전용 기기를 이용하는 Core 방식을 구분한다. 아큐라스트 토큰(ACU) 보상은 검증된 가동 시간과 배포 작업 완료에 연결된다.

Phase는 10월 29일 공지에서 메인넷과 Phase Proxy를 출시했다고 밝혔다. Proxy는 AI 에이전트의 웹 요청을 모바일·가정용 인터넷 연결로 전달하며, 공지된 시작 가격은 요청 1000건과 트래픽 1GB에 0.5 USDT다.

Proxy는 웹 요청을 중계하는 서비스로, 스마트폰에서 AI 모델의 답을 계산하는 기능과는 다르다. Phase는 같은 공지에서 모델 요청을 분배하는 Router와 기기에서 모델을 실행하는 Compute를 11월에 출시할 계획이라고 밝혔다.

기기 이탈과 작업 결과 검증도 운영 과제다. 2026년 8월 레딧 개발자 토론에서는 작업 도중 기기가 이탈할 때의 복구와 복제 실행 결과가 서로 다를 때의 검증 방법을 질문했다. 아큐라스트 계정은 재시도와 복제 실행을 선택할 수 있으며 설정은 작업에 따라 달라진다고 답했다.

별도 아큐라스트 커뮤니티 토론에는 연결·보상 문제를 호소하는 글과 기기 60대를 계속 운영한다는 댓글이 함께 올라왔다. 개별 이용자 경험만으로 네트워크 전체의 성능이나 수익성을 판단할 수는 없다.

공개된 사례의 활용 범위는 통제된 수업 채점, 소규모 영상 추론, AI 에이전트의 웹 요청 중계로 나뉜다. 분산형 AI 연산망의 성능을 평가하려면 등록 규모와 온라인 상태 외에 실제 가동률, 작업 완료율, 유료 수요를 각각 확인해야 한다.