💡
原文中文,约1600字,阅读约需4分钟。
📝
内容提要
开发者通过逆向工程破解了苹果的ANE神经网络引擎,使其能够在M4芯片上训练小型AI模型。尽管目前只能训练极小规模的模型,但未来个人设备可能实现自我学习,减少对云端的依赖。
🎯
关键要点
-
开发者通过逆向工程破解苹果的ANE神经网络引擎,能够在M4芯片上训练AI模型。
-
目前只能训练规模极小的模型,但未来可能实现个人设备自我学习,减少对云端的依赖。
-
ANE引擎主要用于运行AI模型,苹果未公开其训练模型的能力。
-
该项目证明M4芯片的ANE可以用于训练AI模型,普通用户未来可能也能使用消费级设备进行训练。
-
传统AI训练需要昂贵的英伟达加速卡,而此项目显示普通Mac Mini也能训练模型。
-
目前支持训练基础的Transformer层,模型规模为0.1B(1亿参数)。
-
在M4芯片上每个步骤的训练仅需9.3毫秒,输出性能为1.78TFLOPS。
-
项目仍处于实验性阶段,无法训练规模较大的模型,且存在苹果系统更新带来的限制。
-
项目作者提供了配置指南,允许有兴趣的用户在M4设备上尝试。
-
该项目在创立3天内获得3700颗星星,显示出用户的热情。
❓
延伸问答
苹果的ANE神经网络引擎有什么新发现?
开发者通过逆向工程发现ANE神经网络引擎可以在M4芯片上训练小型AI模型,尽管苹果未公开这一能力。
目前在M4芯片上可以训练多大的模型?
目前只能训练规模极小的模型,例如0.1B(1亿参数)的基础Transformer层。
使用M4芯片训练AI模型的速度如何?
在M4芯片上,每个步骤的训练仅需9.3毫秒,输出性能为1.78TFLOPS。
这个项目对普通用户有什么意义?
该项目表明未来普通用户可能通过消费级设备训练AI模型,减少对云端的依赖。
开发者是如何实现这个项目的?
开发者通过逆向工程找到苹果未公开的内部代码,使ANE引擎能够执行复杂计算。
这个项目目前存在哪些限制?
项目仍处于实验性阶段,无法训练规模较大的模型,并且可能受到苹果系统更新的影响。
➡️