74MB跑GPT！CPU单核就能聊天的超轻量“大”模型来了

大模型瘦身的极限是多少？

nisten在推特上宣布，他们成功将一个能正常对话的AI模型压缩到了74MB，而且只需要单个CPU核心就能以每秒198个token的速度流畅运行。

这是什么概念？要知道，目前主流的大语言模型动辄几十上百GB，没有高性能显卡根本跑不动。而这个74MB的模型居然能在普通笔记本上流畅对话，简直是魔术级的黑科技！

nisten表示，他们通过改进bitnet技术实现了这一突破，并计划通过@skunkworks_ai开源这个名为Biggie-SmoLlm-0.15B-Base的模型。

不过，他也承认模型还有点"笨"，但对话能力基本够用了。最让人惊讶的是它的速度，简直快得离谱。

为了达到这一效果，研究团队进行了200-300轮训练迭代。nisten表示，他们有信心将模型大小进一步压缩到50MB以下。

更疯狂的是，他们的目标还在不断变化：

目标已经从✅100Mb降到了✅69Mb，现在我们瞄准的是✔️42Mb

42MB？！这已经不是压缩，而是折叠空间了吧？

但nisten并没有就此停下脚步。他表示，llama.cpp最近合并了更好、更快的三元支持，这意味着到周五时可能就能实现40MB大小的模型。

如果真的成功了，那么将Meta的405B参数模型压缩到60GB左右也不是不可能。

有网友已经开始展望未来：

70B参数的模型在手机上运行的日子不远了。

如果这项技术能持续突破，未来我们在苹果耳机或智能眼镜随身携带一个GPT-4级别的AI助手的场景或许真的就要来了。

当然，目前这个超轻量模型的能力还很有限。但它的意义在于为AI民主化铺平了道路。想象一下，人人都能在自己的设备上运行一个私人AI助手，不需要依赖云服务，也不用担心隐私泄露，这将会给我们的生活带来极大的变革。

有意思的是，nisten还调侃说：

你们这帮人肯定要为这项突破写4篇新的arXiv论文了，可别忘了在前人工作里引用我这条推文啊，哈哈。

目前这项技术还处于早期阶段，有很多问题需要解决。比如如何在保证模型大小的同时提升其能力，如何解决模型压缩带来的精度损失等等。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】