AI iPhone 前奏？苹果公司发表论文，解决 “在手机内存上运行大模型”

AI iPhone 要来了？

据媒体报道，近日，苹果发布了一篇论文，介绍了一种可以再超出可用 DRAM 容量的设备上运行 LLM（大语言模型）的方法。

通过大幅提高内存使用效率，这项新研究支持有限容量的设备运行内存 2 倍大小的 LLM，GPU 的推理速度可以提升数十倍。

论文称，LLM 密集的计算量和内存要求对于 DRAM 容量来说是一大挑战，该论文构建了一个以闪存为基础的推理成本模型，将在两个关键领域进行优化：减少从闪存中传输的数据量、更多更流畅地读取数据块。

这意味着，该项突破性研究扩大了 LLM 适用性和可及性，苹果将生成式 AI 集成到 iOS 18 的计划或将加快推进。

LLM 能在手机上运行了？

一般来说，DRAM 就是我们常说的 “内存”，而 flash（闪存）指的是硬盘。

运算数据时，CPU 通常会以 DRAM 为 “中间桥梁”，把硬盘中的数据复制到内存中来，再在内存中做数据处理，这样速度可以提升至数百万倍。

但在容量上，DRAM 相较于硬盘要小一个数量级。而 LLM 运行时，需要同时处理的数据量庞大，对容量有限的设备来说构成了极大的挑战。

但这篇论文提出的新框架似乎发现了突破点。该框架旨在将模型参数存储在闪存中，在需要的时候再将数据调入 DRAM，解决了 LLM 运行时数据处理量超过 DRAM 可用容量的的难题。

具体而言，苹果主要运用了两种技术：

（1）“窗口化” 技术：重复使用此前激活过的神经元，以此减少数据传输；

（2）“行列捆绑” 技术：针对闪存的数据特征，定制访问数据块的顺序，从而增加从闪存读取的数据块大小。

论文提及，一个 70 亿参数的模型就需要超过 14GB 的内存来加载半精度浮点格式的参数，超过了大多数网络端点的承受能力。但是通过该框架，能够实现最小化数据传输并最大化闪存吞吐量，从而减少数据负载、提高内存使用效率。

研究结果显示，与传统的加载方法相比，该框架支持 DRAM 两倍大小的模型，在 CPU 和 GPU 中推理速度可分别提升 4-5 倍、20-25 倍。研究团队在文末总结道：

“这项突破性技术对于在资源有限的环境中部署先进的 LLM 尤为重要，从而扩大 LLM 适用性和可及性。”

手机巨头们瞄准了 AI

在 AI 潮下，各大手机制造纷纷开始布局 “人工智能 + 手机”。

据此前市场消息，苹果将在其 iOS 18 中引入 AI，主要用于 Siri 和通讯应用程序的智能问答、生成语句等功能，此外，苹果还在探索 AI 在 Apple Music、Page、Keynote 和 Xcode 等应用中的潜能。

三星于 11 月初推出其生成式 AI 模型 Samsung Gauss，报道称该模型将纳入即将于 2024 年初发布的 Galaxy S24 系列手机中，三星旗下笔记本电脑、平板电脑也有可能集成该模型。

谷歌的双子星大模型（Gemini）也将集成到谷歌旗下产品，11 月，谷歌官宣 Gemini1.0 将在谷歌产品中逐步推出；Gemini Pro 将集成到 Bard 中以进行高级推理和规划；Gemini Nano 将为 Pixel 8 Pro 智能手机的功能提供支持。