AI算力越来越贵，手机却闲着，Acurast想把这两件事接上。训练和推理大模型需要大量算力，但不是所有AI任务都得跑在数据中心的高端GPU上。内容审核、垃圾邮件识别、简单决策、轻量推理、定时任务、API 处理，很多时候只需要稳定、可验证、成本可控的算力。与此同时，全球有几十亿部手机，其中大量设备大部分时间处于低负载甚至闲置状态。这些手机自带硬件级安全能力（Trusted Execution Environment，TEE），能在隔离环境中执行代码，既保证完整性，又能让设备持有者看不到输入数据。 @Acurast 想做的就是把这些现成的手机组织成一个去中心化计算网络。开发者把任务部署上去，手机负责执行，网络负责匹配、调度和结算。任务在手机的TEE里跑，执行结果可验证，输入对设备主人保密。不需要新建机房，也不依赖传统云厂商。 技术上，它支持无服务器风格的工作负载：REST API、Webhook、定时任务、机密计算，以及 LLM 推理。Cargo让开发者可以用容器方式打包部署，类似在服务器上跑 Linux 二进制文件。对于模型，它支持 GGUF 格式，通过集成的 llama 服务提供接近 OpenAI 兼容的接口。日常手机可以装 Processor Lite，在充电或空闲时贡献算力；闲置手机则可以用 Processor Core 变成专职节点。网络是 Polkadot 平行链（主网），同时支持在Base等链上用 USDC 支付算力费用。 根据官方近期公开数据，网络已接入超过 33.5 万部手机，覆盖 175 个以上国家和地区，链上交易超过 11 亿笔，累计部署超过 68.5 万次。这些数字来自主网运行后的真实网络，而非纯测试网阶段。 实际任务也在跑： 今年9月底，Acurast 把开源的 System One决策模型 Laya 部署到手机网络上。Laya 不擅长长文本生成，而是做结构化判断：邮件是收件箱还是垃圾/钓鱼、聊天内容是否违规、提示词注入是否要拦截、简单游戏下一步怎么走。它在普通手机 CPU 上运行，典型单次决策大约 0.2 到 1 秒。官方演示页面会显示是哪台真实手机在处理，并提供链上验证入口。 开发者可以用 Cargo 模板快速部署自己的实例，示例成本低到每天不到 1 枚 ACU。这不是概念演示，而是可以直接体验和验证的运行实例。 $ACU是网络的原生代币。初始供应10 亿枚，固定年通胀 5%，其中大部分流向社区相关用途（官方口径接近 70%）。它的用途比较清晰：开发者用它支付部署费用，网络交易需要它作为 gas，算力提供者通过质押它来承诺容量（达不到会按比例罚没，大部分罚没代币销毁），同时获得奖励。持有者还能参与治理。提供者可以直接用手机赚取。ACU代币也刚刚上线韩国所buthumb的韩元交易对。 在AI × DePIN这条赛道里，Acurast定位还是比较清晰的x大多数 DePIN 项目要么需要专门硬件，要么只做资源协调而缺乏执行验证；传统云则集中在少数厂商手里，成本和数据主权都受约束。 Acurast 用已经存在的手机硬件 + TEE，把“可验证的机密计算”做到了边缘。它目前更适合中轻量、需要低延迟判断或隐私的任务，而不是最大规模的模型训练。路线图里的 Cray（计算集群）就是为了把多台手机协同起来跑更大模型，缓解单机能力上限，也是端侧AI的一种探索和尝试。 进展已经从测试网跨到主网，手机规模、交易量和实际部署都在累积。后续看点在于： 更多真实付费任务能否持续进来、Cargo 和集群能力能否把可支持的工作负载再拓宽一层、以及 ACU 作为结算和质押资产能否跟上网络使用量。 对这个方向感兴趣的人，可以直接去官网看实际运行情况。