全球 AI 算力荒已经近在眼前,微软公开一项分布式计算专利,打算招募 PC 游戏玩家,在电脑空闲时段调用玩家显卡的闲置算力跑 AI 模型微训练,用来补充数据中心算力缺口,用户可以凭借贡献的 GPU 算力拿到积分、AI 使用权或者现金奖励。当前大模型训练对算力需求持续暴涨,新建大型数据中心面临土地、电力、环保监管多重限制,单纯靠自建机房扩张算力速度跟不上需求增长,而全球大量游戏主机的高性能显卡,在玩家不打游戏时长期处于闲置状态,这就是微软这套方案的核心出发点。这套系统会持续监控显卡负载、显存、温度,只要玩家开启游戏、使用大型软件,系统就会自动暂停 AI 计算任务,优先保障玩家的正常使用;同时会把大型 AI 训练任务拆分成大量微型独立任务,分发到各地玩家电脑执行,配套校验机制核对计算结果,避免错误数据污染模型。需要注意,目前只是专利方案,微软并没有正式上线这项 Windows 功能,用户不会被强制参与,全部为自愿加入。
专利方案核心参数清单
- 专利名称:Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization
- 提交时间:2025 年 4 月 30 日,公开日期:2026 年 11 月 5 日
- 支持设备:游戏台式机、游戏笔记本、带 GPU 的边缘设备
- 任务形式:AI 微型训练子任务,拆分大模型训练工作
- 监测指标:GPU 占用、显存、温度、功耗
- 激励方式:积分、免费软件、AI 模型访问权限、现金报酬
自有数据中心方案 vs 玩家分布式显卡算力对比
| 项目 | 自建数据中心算力 | 玩家闲置显卡分布式算力 |
|---|---|---|
| 建设成本 | 极高,机房、供电、冷却投入巨大 | 前期投入低,复用存量玩家显卡资源 |
| 部署周期 | 漫长,审批、施工周期长 | 快速扩容,海量 PC 节点可随时接入 |
| 可控性 | 完全可控,硬件统一标准化 | 节点硬件参差不齐,网络不稳定 |
| 优先级 | 算力任务优先,独占硬件资源 | 玩家使用优先,空闲时才跑 AI 任务 |
分布式显卡 AI 任务完整运行步骤
- 玩家自愿注册加入算力共享计划,安装微软对应的后台服务程序。
- 系统持续实时监测电脑状态,判断显卡处于空闲、低负载。
- 云端拆分 AI 训练大任务,下发适配这台显卡性能的微型子任务。
- 本地显卡完成 AI 计算,把结果上传回微软云端,系统校验计算结果有效性。
- 一旦玩家启动游戏或者大型软件,系统立刻暂停 AI 任务,释放显卡资源。
- 根据有效算力贡献结算奖励,存入用户账户。
方案优势与潜在风险
- 优势:盘活海量存量游戏显卡闲置资源,缓解算力荒;不用大规模新建数据中心,降低电力与土地压力;玩家闲置硬件可以变现,获得对应奖励;任务自动启停,优先保障玩家游戏体验。
- 风险:长时间满载运行会提升显卡功耗、温度,加速硬件老化;网络波动会造成任务中断;隐私与数据安全存在争议;专利不等于正式产品,项目未来可能搁置,没有确定上线时间表。
【常见问题】
问题 1:算力荒背景下,微软准备怎么利用玩家显卡跑 AI,现在正式上线了吗?
回答 1:面对近在眼前的算力荒,微软通过新专利设计分布式系统,在玩家电脑空闲时段调用显卡算力执行 AI 微型训练,玩家自愿参与并获得奖励;目前仅为专利方案,还没有正式上线 Windows 相关功能,不会强制调用玩家显卡。
问题 2:微软调用玩家显卡跑 AI 的这套系统,会不会影响玩家打游戏使用电脑?
回答 2:微软这套调用玩家显卡跑 AI 的系统会持续监测 GPU 负载、温度,当玩家启动游戏或者大型程序时,会自动暂停 AI 计算任务,优先保障玩家使用,理论上不会干扰游戏体验。
问题 3:参与微软这个显卡算力共享跑 AI 计划,玩家能够获得哪些回报?
回答 3:玩家贡献闲置显卡算力跑 AI,可以获取对应积分,积分能够兑换免费软件、AI 模型使用权限,也可以直接兑换现金奖励,奖励多少由算力贡献量决定。
【参考资料】
[2026-11-11](算力荒近在眼前,微软准备用玩家的显卡跑 AI)腾讯新闻
[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)凤凰网科技
[2026-11-10](微软申请专利:利用闲置 GPU 开展分布式微训练并激励用户参与)中关村在线
[2026-11-10](Microsoft Patent Proposes Paying Gamers to Let AI Train on Their Idle PCs)IBTimes UK
【免责声明】
本文仅为 AI 行业资讯科普,微软调用玩家显卡跑 AI 仅为专利构想,专利不代表产品一定会落地,上线时间、奖励规则、硬件保护机制均未确定。长时间高负载运行显卡会存在硬件损耗风险,本文内容不构成参与算力共享、购买显卡的投资建议,隐私、硬件损耗相关风险需要用户自行评估。
