微软公开闲置GPU微型训练专利申请 20项权利要求聚焦任务拆分与结果校验
要点
美国专利商标局在11月5日公开了一份来自微软技术授权公司的专利申请，公开号为US 2026/0349820 A1，名称为"利用闲置GPU算力在边缘设备上进行机会式微型训练"。这份申请2025年4月30日提交，登记的申请号为19/195,047，发明人为Aditya Vasant…
美国专利商标局在11月5日公开了一份来自微软技术授权公司的专利申请，公开号为US 2026/0349820 A1，名称为”利用闲置GPU算力在边缘设备上进行机会式微型训练”。这份申请2025年4月30日提交，登记的申请号为19/195,047，发明人为Aditya Vasanth Challapally。文件首页同时标注了国际分类G06F 9/50、G06N 3/08与G06N 3/098。
从摘要看，这套方案针对的是数据中心之外长期闲置的消费级算力。系统持续监测接入的边缘设备以识别可用计算能力，在模型训练任务的依赖关系被分析之后，把整体任务拆解成可以独立训练的微型任务；拆分点并非随意选取，而是在通信代价、内存开销与数据局部性三项之间做加权组合后择优确定。微型任务的规模会依据设备自身能力和历史可用性模式动态调整，随后被分发到各设备在算力空闲时段执行。结果回收环节引入了拜占庭式容错的校验协议与异步的聚合机制，模型更新权重则由结果可信度、结果陈旧程度和设备可靠性评分三项共同决定。摘要给出的目标表述是，在不影响设备主要功能的前提下有效利用短时存在的计算资源，同时保证计算完整性并维持模型收敛。
权利要求书共20项，第一项方法权利要求把上述机制写成了具体步骤。拆分点评分的加权组合被明确为三项：通信代价按训练任务在该点拆分时需要在设备之间传输的数据总量估算；内存开销按该点拆分后为存放临时结果与模型输出而额外需要的内存量估算；数据局部性则按设备需要访问未本地存储数据的频繁程度估算。候选拆分点按最低拆分代价得分胜出后，微型任务被分发至多台计算设备中的第一台，回收的计算结果用于更新模型参数，而这次更新的权重取决于三项之一：与其他同任务结果比对得出的校验得分、随微型任务启动后时间流逝而降低得分的陈旧度因子，以及第一台计算设备的可靠性评分——后者被定义为在既定时间周期内成功通过校验的任务数与被分配任务总数之比。
围绕可用性判定的几项从属权利要求给出了更细的口径。设备利用度指标被界定为GPU利用率百分比、内存占用、设备温度与功耗四类，并要求依据当前GPU利用率与温度调整采集这些指标的采样频率；对某一台计算设备是否适合承接任务的预测，则由基于历史使用模式的神经网络预测、贝叶斯概率预测与统计意义上的长期趋势分析加权合成。可靠性评分的计算方式也被写明：采用指数加权移动平均，对成功通过任务校验记第一类得分、对失败或错误结果记第二类得分，且近期表现比历史表现权重更高。方法权利要求之外，文件还就计算机设备与机器可读介质两类客体各设独立权利要求。附图给出的系统结构包括任务分解组件、边缘设备订阅与监控组件、结果校验组件与结果聚合组件。
关于”用户可获得回报”这一说法，需要把文件本身与传播中的概括分开看待。经逐项核对，这份申请的20项权利要求全部指向任务拆分、设备可用性判定、结果校验与模型更新加权，并没有一条落在向设备所有者发放信用额度、补偿或奖励上。补偿机制在申请文件中的位置属于说明书的可选实施方式描述，不在权利要求的保护范围之内；文件也未给出补偿标准、结算方式与兑换比例。相应地，公开的是一份专利申请，而不是一项已推出的服务或产品。
经济性上的疑问同样悬在文件之外。若训练任务使整机功耗额外增加250瓦、每天运行4小时，一个月将新增约30千瓦时电量，按每千瓦时0.35美元计算约为10.5美元；在另一组场景下，一台桌面主机从空闲的约45瓦升至部分计算负载下的150瓦至220瓦。专利文本强调的任务动态调整与温度降载机制回应的是硬件保护问题，并未规定任何足以覆盖电费与硬件损耗的补偿标准。
这份申请所处的产业环境，给出了它另一重意义。经济日报在11月9日的报道中指出，我国算力产业正面临冰火两重天的反差：一端是高端智算资源紧张到有头部大模型公司因算力接近承载上限而暂停新用户订阅，另一端是全国智能算力实际利用率仅36.8%、六成多被闲置。报道把这一现象定性为结构错配，指出跨区域调度机制尚未真正贯通，各地算力平台分属不同投资主体，异质异构的算力互联面临计算效率大幅下降的技术瓶颈，跨主体调度缺乏可信计量和清算机制。短期对策被落在”让闲置算力可被发现、可被调用、可被计费”，推广弹性租赁与分时计价。
官方层面已有一条并行的推进路径。工业和信息化部办公厅印发的《关于开展普惠算力赋能中小企业发展专项行动的通知》提出优化算力资源供给部署，按需建设部署边缘数据中心、训推一体机等边缘算力设施，鼓励设立中小企业专属算力池，并明确推动整合本地闲置、分散算力，依托中国算力平台等对算力资源进行池化整合与弹性配置；通知同时提出探索”算力银行””算力超市”等创新业务，支持中小企业存入闲置算力资源、通过跨区域跨周期调度实现灵活取用，推行按”卡时””核时”及Token计费等灵活付费模式。
产业侧的规模口径也在同一时期形成。中国信息通信研究院发布的《智能算力服务研究报告（2026年）》测算出，2025年我国智能算力服务市场规模已突破1300亿元；报告围绕算力标识、算网协同、资源池化、异构调度展开分析，并研判产业将从”中心化”向”云边端高频协同”演变、服务模式从”资源供给”向”任务式交付”升级。这份报告把资源池化与异构调度列为关键技术，与专利申请所依赖的算力标识、跨主体调度思路处在同一技术脉络上，而与消费级设备众包并非同一条路径。
两条路线的差异是清晰的：工信部通知指向的是企业级闲置算力的制度化归集与按任务计费，微软的专利申请指向的是把个人电脑与消费级设备纳入训练任务池。前者已有明确的政策文本、服务平台与计费机制，后者仍停留在申请文件阶段，需要显式授权、需要可信结果校验、需要设备长期在线，也需要设备所有者愿意承担电力与散热成本。专利申请把这些问题写进了实施例，却没有给出答案。
