浏览器就能跑大模型了！陈天奇团队发布WebLLM，无需服务器支持

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

现在，只需一个浏览器，就能跑通“大力出奇迹”的大语言模型（LLM）了！

不仅如此，基于LLM的类ChatGPT也能引进来，而且还是不需要服务器支持、WebGPU加速的那种。

例如这样：

这就是由陈天奇团队最新发布的项目——Web LLM。

短短数日，已经在GitHub上揽货3.2K颗星。

一切尽在浏览器，怎么搞？

首先，你需要下载Chrome Canary，也就是谷歌浏览器的金丝雀版本：

因为这个开发者版本的Chrome是支持WebGPU的，否则就会出现如下的错误提示：

在安装完毕后，团队建议用“终端”输入如下代码启动Chrome Canary：

/Applications/Google Chrome Canary.app/Contents/MacOS/Google Chrome Canary —enable-dawn-features=disable_robustness

启动之后，便可以来到官网的demo试玩处开始体验了。

不过在第一次展开对话的时候，系统还会出现一个初始化的过程（有点漫长，耐心等待）。

机器学习编译（MLC）是关键

接下来，我们来看一看Web LLM如何做到“一切尽在浏览器”的。

根据团队介绍，其核心关键技术是机器学习编译（Machine Learning Compilation，MLC）。

整体方案是站在开源生态系统这个“巨人肩膀”上完成的，包括Hugging Face、来自LLaMA和Vicuna的模型变体，以及wasm和WebGPU等。

并且主要流程是建立在Apache TVM Unity之上。

团队首先在TVM中bake了一个语言模型的IRModule，以此来减少了计算量和内存使用。

TVM的IRModule中的每个函数都可以被进一步转换并生成可运行的代码，这些代码可以被普遍部署在任何最小TVM运行时支持的环境中（JavaScript就是其中之一）。

其次，TensorIR是生成优化程序的关键技术，通过结合专家知识和自动调度程序快速转换TensorIR程序，来提供高效的解决方案。

除此之外，团队还用到了如下一些技术：

• 启发式算法：用于优化轻量级运算符以减轻工程压力。
• int4量化技术：用来来压缩模型权重。
• 构建静态内存规划优化：来跨多层重用内存。
• 使用Emscripten和TypeScript ：构建一个在TVM web运行时可以部署生成的模块。

上述所有的工作流程都是基于Python来完成的。

但Web LLM团队也表示，这个项目还有一定的优化空间，例如AI框架如何摆脱对优化计算库的依赖，以及如何规划内存使用并更好地压缩权重等等。

Web LLM背后的团队是MLC.AI社区。

据了解，MLC.AI 社区成立于 2022 年 6 月，并由 Apache TVM 主要发明者、机器学习领域著名的青年学者陈天奇，带领团队上线了 MLC 线上课程，系统介绍了机器学习编译的关键元素以及核心概念。

值得一提的是，该团队此前还做过Web Stable Diffusion，链接都放在下面了，赶快去体验吧~

Web LLM体验地址：
https://mlc.ai/web-llm/

Web Stable Diffusion体验地址：
https://mlc.ai/web-stable-diffusion/

参考链接：
[1]https://twitter.com/HongyiJin258/status/1647062309960028160
[2]https://github.com/mlc-ai/web-llm