不用H100，三台苹果电脑就能带动400B大模型。
背后的功臣，是GitHub上的一个开源分布式AI推理框架，已经斩获了2.5k星标。
利用这个框架，几分钟就能用iPhone、iPad等日常设备构建出自己的AI算力集群。
这个框架名叫exo，不同于其他的分布式推理框架，它采用了p2p的连接方式，将设备接入网络即可自动加入集群。
开发者使用exo框架连接了两台MacBook Pro和一台Mac Studio，运算速度达到了110TFLOPS。
同时这位开发者表示，已经准备好迎接即将到来的Llama3-405B了。
exo官方也放话称，将在第一时间（day 0）提供对Llama3-405B的支持。
而且不只是电脑，exo可以让iPhone、iPad等设备也加入本地算力网络，甚至Apple Watch也同样能够吸纳。
随着版本的迭代，exo框架也不再是苹果限定（起初只支持MLX），有人把安卓手机和4090显卡也拉进了集群。
最快60秒完成配置
与其他分布式推理框架不同，exo不使用master-worker架构，而是点对点（p2p）地将设备进行连接。
只要设备连接到相同的局域网，就可以自动加入exo的算力网络，从而运行模型。
在对模型进行跨设备分割时，exo支持不同的分区策略，默认是环内存加权分区。
这会在环中运行推理，每个设备分别运行多个模型层，具体数量与设备内存成比例。
而且整个过程几乎无需任何手动配置，安装并启动之后系统就会自动连接局域网内运行的设备，未来还会支持蓝牙连接。
在作者的一段视频当中，只用了60秒左右就在两台新的MacBook上完成了配置。
可以看到，在60秒左右时，程序已然开始在后台运行。
另外从上面这张图中还能看出，exo还支持tiny chat图形化界面，同时还有兼容OpenAI的API。
不过，这样的操作只能在集群中的尾节点（tail node）上实现。
目前，exo支持苹果MLX框架和开源机器学习框架tinygrad，对llama.cpp的适配工作也正在进行。
美中不足的是，由于iOS实现更新跟不上Python，导致程序出现很多问题，作者把exo的手机和iPad端进行了暂时下线，如果确实想尝试，可以给作者发邮件索取。
网友：真有那么好用？
这种利用本地设备运行大模型的方式，在HakerNews上也引发了广泛的讨论。
本地化运行的优点，一方面是隐私更有保障，另一方面是模型可以离线访问，同时还支持个性化定制。
也有人指出，利用现有设备搭建集群进行大模型运算，长期的使用成本要低于云端服务。
但针对exo这个具体的项目，也有不少人表达了心中的疑问。
首先有网友指出，现有的旧设备算力水平无法与专业的服务商之间差了数量级，如果是出于好奇玩一玩还可以，但想达到尖端性能，成本与大型平台根本无法比较。
而且还有人表示，作者演示用的设备都是高端硬件，一个32GB内存的Mac设备可能要价超过2000美元，这个价格还不如买两块3090。
他甚至认为，既然涉及到了苹果，那可以说是和“便宜”基本上不怎么沾边了。
这就引出了另一个问题——exo框架都兼容哪些设备？难道只支持苹果吗？
网友的提问则更加直接，开门见山地问支不支持树莓派。
作者回复说，理论上可以，不过还没测试，下一步会进行尝试。
除了设备自身的算力，有人还补充说，网络传输的速度瓶颈，也会限制集群的性能。
对此，框架作者亲自下场进行了解释：
exo当中需要传输的是小型激活向量，而非整个模型权重。
对于Llama-3-8B模型，激活向量约为10KB；Llama-3-70B约为32KB。
本地网络延迟通常很低(<5ms)，不会显著影响性能。
作者表示，目前该框架已经支持tinygrad，因此虽然测试主要在Mac设备上展开，（理论上）支持能运行tinygrad的所有设备。
目前该框架仍处于实验阶段，未来的目标是把这个框架变得像Dropbox（一款网盘）一样简单。
BTW，exo官方也列出了一些目前计划解决的缺点，并进行了公开悬赏，解决这些问题的人将获得100-500美元不等的奖金。
— 完 —
