美国家用太阳能和储能公司Sunrun正在以一种全新方式切入AI基础设施市场——不是建造大型数据中心，而是把计算节点直接搬进用户家里。该公司近日宣布启动一项名为“分布式AI计算”的试点项目，计划在已安装Sunrun太阳能和电池储能系统的家庭中部署大量小型计算节点，并向参与试点的用户支付报酬。

根据Sunrun的规划，这些分散在全国各地的计算节点将组成一个“全国性计算网络”，其算力将打包出售给AI公司等“企业计算买家”。这本质上是一种算力众包模式：Sunrun利用现有客户家中的电力和空间资源，将AI推理或训练任务分散到数千甚至数万个边缘节点上运行，而非集中在传统超大规模数据中心。

Sunrun此前已进行过一次概念验证，公司称其“成功”，但具体技术细节和运行效果尚未公开。目前，该试点项目已向Sunrun旗下约110万客户开放等候名单，有意愿在家中安装计算设备的用户可以报名。公司预计在未来数月内完成试点，并根据结果决定是否大规模推广。

这一尝试的背景是，美国AI数据中心正面临日益严峻的社会阻力。今年5月的一项调查显示，超过70%的美国人反对在本地新建数据中心，担忧主要集中于污染、噪音以及水电资源消耗。传统集中式数据中心不仅选址困难，还频频遭遇地方社区抗议和审批延迟。Sunrun的方案试图绕过这些障碍：将算力分散到千家万户，单个节点的占地、功耗和散热压力远小于大型数据中心，理论上更容易被社区接受。

不过，分布式AI计算也面临诸多挑战。家庭环境的网络稳定性、散热条件、安全防护与数据中心相去甚远；如何保障用户隐私、防止设备被恶意利用，以及如何高效调度地理上高度分散的算力资源，都是需要解决的技术难题。Sunrun作为一家以家用太阳能和储能系统为主业的公司，此前并无大规模运营计算基础设施的经验，这一跨界能否跑通商业闭环仍有待观察。

从产业角度看，若Sunrun的模式被验证可行，可能为AI算力供给提供一条补充路径。当前AI产业的算力需求持续膨胀，而电力供应和土地资源日趋紧张，分布式部署或许能在特定场景下（如轻量推理任务、边缘AI应用）分担集中式数据中心的压力。但就目前而言，这仍是一个早期实验，其经济性和可靠性尚未得到规模化验证。