使用搭载骁龙 8 Gen 3 的安卓手机运行 AI 大模型

本篇文章聊聊，在 Android 手机上简单运行 AI 大模型的方法，来体验英文语言模型（Llama2 7B、Mistral 7B、RedPajama 3B、Google Gemma 2B、Microsoft PHI 2B）；中文语言模型（面壁 MiniCPM、多模态模型）；Stable Diffusion。

从去年下半年开始，各种手机和芯片厂商都开始宣称自己的产品能够本地运行大模型。

但是直到前几天，高通才正式在 HuggingFace 上传了“高通版本”的 Stable Diffusion。而目前一众厂商，有一个是一个，都还在“内测或内测审核”，给本来清清楚楚简简单单的模型运行，遮上了一层厚厚的纱。

不过，这里有一点限制，如果你是来自中国的开发者，在申请使用高通 SDK 的时候，需要通过额外的 “DPLCheck”，确保你不是“实体清单”从业人员。所以更“原生的测试”，我会在后面的文章再聊，本篇文章就聊聊轻松一些的玩法吧。

因为国内购买到的大多数手机，目前在手机解锁（更换更方便的操作系统）和获取 Root 权限（完善模型原生运行环境）方面都有比较多的限制。

所以，本文先介绍两种不需要解除 BL 锁换操作系统，不需要获取 Root 权限的方案。

准备工作主要包含两部分：模型应用程序，和运行模型的设备（手机）。

模型应用程序

我们在不进行相对麻烦的 Android 准备环境改变的前提下，可以借助下面三个开源项目，来体验英文语言模型（Llama2 7B、Mistral 7B、RedPajama 3B、Google Gemma 2B、Microsoft PHI 2B）；中文语言模型（面壁 MiniCPM、多模态模型）；Stable Diffusion。

在我们完成程序安装包的下载之后，就可以准备模型的运行设备啦。

运行设备：手机

想要有一个相对好的模型使用体验，我们需要有能够运行 AI 模型的手机。

2 月份，我回收了掉了一台 8 Gen 1（小米 12 Pro）、一台 8 Gen 2（一加 11）。然后，分别购置了两台 8 Gen 3 手机（一加 12 和 红米 K70 Pro）。

在本篇文章中出镜的是：K70 Pro（24G 内存版本）。

虽然从骁龙 865 开始的手机都具备运行模型应用的能力，但是过早的芯片计算能力太过孱弱，模型运行主要都集中在 CPU，跑个图片需要太长时间，没有折腾的意义。

我个人建议使用骁龙 8 Gen 1 之后的芯片，如：8 Gen 2 和 8 Gen 3 ，包括各种“改版”。不推荐 8 Gen 1 的原因是因为这代手机正常使用都会出现烫手，第三代的芯片的纸面性能比它高出了一倍，不论是出于体验还是其他因素考量，还是避开它吧。

额外的工具：安卓调试工具（ADB）

如果你不熟悉命令行，可以跳过这个部分。但如果你愿意学习这部分，在本地的模型应用安装，后续的 Android 手机调试方面，ADB（Android Debug Bridge）能够带来非常大的效率提升，包括：安装应用，快速上传本地模型到手机等等。

不同操作系统的 ADB 安装方法并不一致，你可以参考这篇 XDA Developer 的帖子，来完成适合你操作系统的方案。

如果你是 macOS 用户，我推荐你在安装完毕 HomeBrew 之后，直接使用下面的命令行完成 ADB 的安装，会比上面的帖子更简单：

brew install android-platform-tools

在完成程序安装后，打开手机的 “USB 调试” 和 “USB 安装”。

接着，将手机和电脑通过数据线连在一起后，执行 adb devices 可以验证工具是否能够正常运行：

# adb devices

* daemon not running; starting now at tcp:5037
* daemon started successfully
List of devices attached
8a408458	unauthorized

➜  speedup  adb devices

List of devices attached
8a408458	device

只要 List of devices attached 后面有内容，就说明手机和电脑的连接正常，可以通过工具来进行操作啦。

安装和初始化应用

我们首先需要将应用安装到手机设备上，使用 ADB 的话，我们可以借助 adb install 命令，反之就需要想办法传输应用到手机上啦：

# adb install /Users/soulteary/Downloads/安装包名称.apk

Performing Streamed Install
Success

安装完毕，我们在手机上找到我们安装后的软件（根据你的安装情况，选择性安装就行）。

初始化 MLC Chat 和 MiniCPM

我们打开 MLC Chat 或 Mini CPM 的应用后，能够看到模型列表，点击下载，等待模型完成下载即可。

这里有两个注意事项：

第一个是，MLC Chat 下载的模型可能会遇到网络问题，我们可以通过手动下载模型（所有模型一共 12G），然后将模型上传到安卓手机的指定位置，来规避网络问题：

adb push ./Llama-2-7b-chat-hf-q4f16_1 /storage/emulated/0/Android/data/ai.mlc.mlcchat/files/

adb push ./Mistral-7B-Instruct-v0.2-q4f16_1 /storage/emulated/0/Android/data/ai.mlc.mlcchat/files/

adb push ./RedPajama-INCITE-Chat-3B-v1-q4f16_1 /storage/emulated/0/Android/data/ai.mlc.mlcchat/files/

adb push ./gemma-2b-q4f16_1 /storage/emulated/0/Android/data/ai.mlc.mlcchat/files/

adb push ./phi-2-q4f16_1 /storage/emulated/0/Android/data/ai.mlc.mlcchat/files/

第二个是，面壁的 MiniCPM 程序使用了比较早的 MLC Chat，所以在下载模型（5.4G）的时候，需要下载完毕一个模型，退出程序，在进行下一个模型的下载，避免程序报错。

当然，你也可以用上面的方法，提前下载模型，然后上传到指定位置：

adb push ./MiniCPM /storage/emulated/0/Android/data/com.modelbest.minicpm/files/

adb push ./MiniCPM-V /storage/emulated/0/Android/data/com.modelbest.minicpm/files/

英文语言模型使用

因为本文的重点不是能力测试，所以就简单的玩玩好啦。先来看看 Mistral 7B 4位量化版本的效果：尝试问问它如何学习 Python。

好像回答的还不错，运行效率是 7 token/s。接下来，我们来看看 Gemma 2B 的相同问题表现：

Gemma 因为“身材优势”，运行起来达到了 11 token/s。最后，我们来看看 PHI 2B 的表现吧：

只能说相比前两者，回复质量差异比较大。数学相关的测试，简单测试的结果也是类似上面，晚一些把结果贴知乎的帖子里。感兴趣可以追更。

中文语言模型和多模态模型使用

先看看语言模型的效果，MiniCPM 跑起来差不多在 8～13 token/s。

和之前知乎帖子中提到的一样，不太记得 “CEO” 是谁，好的是没有“思想钢印”，不好的是，知识能力确实还有待加强。不过，这不就正好适合搭配外部知识库来做内容生成了嘛。

接下来，我们来看看多模态模型：

我上传了一张“开工利是”红包图，然后问模型图里有啥，然后进行了简单的三轮对话，可以看到回答的还凑乎。当然，实际测试的时候，可能它会回答出意料之外的事情，如何结合业务数据，在小参数模型做 finetune，让回答准确度提高，应该是今年端侧多模态小模型需要折腾的主要课题之一了。

图片模型初始化和使用

图片模型的下载和初始化类似上面的语言模型，如果你的网络能够直接下载，就不需要折腾，反之就手动下载模型，通过 ADB 传输到手机指定的位置吧。

两款模型应用的初始化稍有不同，SDAI 相对全自动（上文代码中有默认路径和模型）：

另外一款在上传模型之后，我们需要手动指定一下相关模型文件和配置文件：

图片生成，和网页版没有太大差别，输入 “Step”、“Cfg”、“正向提示词”、“负面提示词”，点击生成，等待图片完成推理即可。SDAI 相比另外一个应用多一个“画廊”，能够将你生成的图片都展示出来。

不过，在实际测试的过程中，量化并转换为 ONNX 的 SD 模型，哪怕保持和原版模型相同参数，输出的结果也有一些明显的劣化差异，反到是不如简化参数，然后将 SEED 留空，让模型“开盲盒”了。

好在，手机侧使用模型生成图片的时间并不久，最慢不过一两分钟（和步数多少、分辨率大小有关），手机也不是特别烫，连续生成也不过温热而已。

好啦，这篇文章就先聊到这里。下一篇相关的文章里，我们来聊聊在手机原生环境中直接运行模型。

希望我的手机权限、SDK 申请之路顺利吧。