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：


(相关资料图)

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？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。

团队介绍

Web LLM 背后的团队是MLC.AI社区。

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

关键词：