AI图鉴

AI图鉴首页 › AI 资讯 › ML 漂流:下GPU AI/ML 在边缘的推论

ML 漂流:下GPU AI/ML 在边缘的推论

来源:Google Developers · 发布时间:10-22 · 由 AI图鉴每小时自动聚合

Google AI Edge拥有推出 ML Drift,一个高性能,通用的GPU计算框架,旨在加速端侧 AI和机器学习推论。

OCT. 8, 2026 (英语).

Google AI Edge Team兴奋地宣布开源发布ML Drift,我们的高性能,跨平台,端侧 GPU 计算引擎专门为端侧 AI/ML推论建造,在Apache 2.0许可下。 通过抽象硬件以及跨越OpenGL ES,OpenCL,Metal,以及WebGPU的端侧 GPU的低级API复杂性,ML Drift授权开发者构建实时,从高级视频效果到跨多个平台的基因AI的交互ML体验。 作为LitERT内部的核心GPU加速引擎,ML Drift也作为自定义图形和推论运行时间的独立库提供,为各地提供峰值性能提供统一的基础。

ML Drift 的 GPU API 支持矩阵跨平台

与数据中心推论不同的是,模型运行在同质,可预测的加速器集群上,将GPU-加速AI部署到边缘设备是由显著的硬件多样性定义的。 开发者面临着广泛的GPU架构,驱动程序版本,以及低级API,不知道应用程序将运行于哪个特定的硬件的先验。

TensorFlow Lite GPU代表建立了基础GPU加速,但生态系统后来有所演变:目前的端侧工作量现在包含一个宽谱,从实时计算机视觉,音频,深度处理模型到高参数的基因AI. 这些建筑将消费硅推向极限,制造出遗留的运行时间无法解决的计算和内存瓶颈。

这种转变需要有一个普遍的工程基础,以确保古典和下一代模型的可移植性和性能。 借鉴"Speed is all you need"中所讨论的优化原理,我们构建了一个单一,统一的框架,为传统的ML提供稳定性,为最先进的基因AI提供峰值性能,确保你的模型运行在我们最高效,最前瞻性的GPU计算引擎上。

为了在古典建筑和基因建筑中实现峰值性能和扩大模型覆盖,ML Drift 推出核心建筑变化和结构升级都超越了遗留下来的TFLite GPU代表。

通过Tensor虚拟化实现的统一阴影:历史上,为TFLite GPU代表维护优化的阴影,需要硬编码逻辑的拉伸绘图,直接通过OpenGL,OpenCL和Metal后端分别对物理GPU对象(如纹理和缓冲)进行硬编码。 ML Drift 推出 lamor virtualization,一种核心建筑范式,将一个lamor的逻辑代表与其在GPU上的物理分配脱钩。 通过在编译器初始化阶段拥有动态的遮荫器模板解决和翻译坐标,这种统一的遮荫器模型消除了维持不同,后端特定遮荫器代码库的需要,在保留跨平台模型可移植性的同时增加了最小的运行时间管理费。

可扩展自定义 Op框架:ML Drift采用现代化自定义 Op框架,提供低水平阴影语言访问的直接注册API. 为加快速度,ML Drift包含一个代理SKILL.md指南,允许编码agents在几分钟内编写,注册,并验证性能自定义阴影。 这为开发者提供了颗粒控制,可以直接将专门的模型块集成到执行图中,极大地减少了部署专有架构的障碍。

5D Tensor Support:TFLite GPU代表器结构硬码为4D的百分位数,迫使开发人员对需要5D百分位数的复杂模型使用布局黑客。 ML Drift在新的LiteRT ML Drift GPU加速器中反映了这个早就应该使用的功能,以启用5D 的 lasonor 支持出箱。 有了这个,LitERT执行复杂的工作量,如3D的演化网络,用于量子/空间AI和spatiopal模型(如YOLO 11n,MobileViT v2,Swin Transformer v2),直接在边缘GPU上。

经典模型的性能升级:作为我们遗留下来的GPU后端的直接继承者,ML Drift为现有的古典工作量提供了严格的性能升级。 通过将运行时间与硬件特定限制脱钩,提高内核执行效率,已经运行在TFLite GPU上的模型获得了即时的性能改进。 移徙设计得直截了当,遗留的工作量维持或超过以前的基准测试。

阶段感知优化边缘LLMs:自动递归LLMs在推论中有两个不同的计算工作量:计算约束的KV缓存预填阶段和内存带宽的解码阶段,逐个生成令牌。 货币根据活动执行阶段,漂移动态切换内核和布局配置。 在解码阶段,它使用自定义,折叠式的KV缓存布局,并应用主动性的内核激活量子化绕过冗余内存圆盘。

预填512,解码128,上下文长度640,4位重(块大小32),fp16 KV缓存,argmax采样,同步每个令牌。

预填(固条;左键)和解码(厚条;右键。)的吞吐量被呈现出来。

Gemma4 E2B在支持跨KV共享的框架上表现较好。

跨平台扩展( Desktop 预览):在当今新兴的代理编码时代,高度响应的桌面推论正变得对为本地编码agents和工作站工作流程提供动力至关重要。 虽然我们最初为浏览器内加速度设计了ML Drift的WebGPU后端,但Dawn(Chrimium的WebGPU执行)允许我们在浏览器外编译出完全相同的编码库。 这个统一的API模型使得ML Drift能够运行在Windows和Linux上,利用WebGPU的现代本土硬件抽象来绕过DirectX和Vulkan破碎,同时补充我们现有的高性能本土金属在macOS上的后端。

我们的首要重点仍然是在资源限制最紧的地方提供轻量级生产推断:移动和边缘设备。 然而,地方发展需要各开发商机器的灵活性。 以下是ML Drift在工作站硬件上运行的Gemma模型的早期快照,说明我们的统一运行时间尺度如何跨越环境。

桌面 LLM 性能。 预填8192,解码1024,上下文长度9216

4位重(块大小32), fp16 KV缓存,argmax采样,同步每个令牌。

跨越边缘和工作站环境,最高吞吐量只讲述了一半的故事:记忆足迹决定了哪些工作量可以同时运行。 在我们的Gemma 基准测试中,ML Drift实现了比其他框架低12%的内存管理费,将内存释放出来用于其他本地任务。

ML Drift已经每天在数百万个设备上运行,为Google生态系统上的关键功能提供动力,包括Chrome,YouTube Shorts,Photos,和Meet. 在前沿,它充当了开拓端侧能力的运行时间,为Google AI Edge apps提供动力,如 Gallery, Foresight,和Eloatent.

YouTube Shorts将基于分区的效应迁移到使用ML Drift. 这在Android和iOS两地的平均帧延时性上实现了高达40%的降低,使创作者能够实时应用高真实度的视觉效果而无需放下相机帧。

为了提供快速,无缝的端侧照片编辑,Google Photos团队将ML Drift纳入其计算摄影和分区管道。 与遗留下来的GPU代表相比,这提供了最多2秒的速度,使先进的照片增强感觉瞬间。

Google 通过ML漂流加速照片Unblur

Google Chrome将ML Drift整合到其AI运行时基础设施中,为Built-In APIs(包括即时,即时,即时,即作家APIs)的本地硬件加速Gemini Nano模型提供动力。 通过桌面平台,ML Drift 实现了高效端侧 AI,跨越网络应用不断增长的生态系统

Cafe24 使用 Express API 来通过 ML Drift 加速标记生成。

除了Google产品外,主要开发方合作伙伴还采用了ML Drift,为移动用户带来桌面级能力:

Adobe灯光室和Adobe Photoshop升级了关键AI功能,包括Select Object,Select Sky,以及适应性肖像,配有ML Drift,在手机上实现最快30%的端侧性能,用于支持质量的图片编辑。

Adobe 灯光室通过移动LitERT ML Drift GPU加速器运行端侧

Snap 集成的LitERT为GPU通过Android设备的端侧推论提供动力。 ML Drift GPU加速器为Snapchat镜头中的ML动力面部和样式生成器效果带来了30%的模型延迟性改进。 货币漂流不仅可以改善基于现有模型的用户体验,还可以提高扩展运行甚至大型扩散模型的能力。

实现边缘AI效率最大化需要软件架构与物理硅之间的深度对接。 在整个ML Drift开发过程中,Google与硅和IP合作伙伴密切合作,实现优化,使硬件在现代GPU的利用最大化:

- 武装:协同优化马里和Immortalis GPU的计算内核和纹理缓存位置,确保高通量、高功率的推论跨移动设备。

- Intel:ML Drift利用本地WebGPU计算和Xe Matrix扩展(XMX)来加速客户端LLM和Intel® CoreTM Ultra处理器上带有Xe3图形的视觉工作量。

- Qualcomm Technologies, Inc.:ML Drift优化了OpenCL内核,用于顶峰ALU和内存带宽利用,使得Qualcomm® AdrenoTM GPU上的有效边缘AI加速。

ML Drift通过与硅领导者携手工作,确保最先进模型优化转化为电池意识,高帧率在用户设备上的性能。

随着ML Drift的发布,遗留下来的TFLite GPU代表将不再收到新的功能更新。 我们鼓励所有开发人员向 LiteRT ML Drift GPU 加速器过渡,该加速器为您现有的模型提供完全的反向兼容性,同时立即解锁跨越 Android, iOS, Web,和桌面的现代性能收益。 对于Android开发者使用未捆绑的运行时间来最小化应用二进制大小,ML Drift加速在今天以独立的LiteRT软件包提供,并即将来到Google Play Services的LiteRT.

无论您正在将端侧模型集成到一个应用程序中还是正在编写自定义的 GPU 阴影器中,ML Drift 提供了两个直接路径:

- 对于应用程序开发者:使用LitERT ML 漂流加速器,获得出箱模式分区,拉诺虚拟化,并优化LLM加速。

- 对于GPU & System Engineers:通过ML Drift GitHub寄存器与ML Drift的独立C++ API直接构建,以构建自定义的‘GpuModel'计算图表并写入自定义的遮蔽器(通过Dawn快速启动开始在Android和WebGPU上的OpenCL).

社区反馈和贡献

ML漂流在Apache 2.0许可下为全开源。 我们欢迎各方的贡献、区域渔业委员会和社区反馈:

- 来源代码:github.com/google-ai-edge/ml-drift

- 问题跟踪器和特性请求:在 GitHub 上文件一个问题

- 讨论 & QQA: Google AI边缘社区论坛

- 贡献:审查我们的贡献指南,增加新的UCL操作器或硬件特定优化。

承认:

安德烈·库利克、安基特·戈雅尔、鲍勃·刘、金秉哲、陈冠英、长明孙、克里斯·麦克兰纳汉、克拉克·杜瓦尔、科马克·布里克、丹尼尔·霍、戴维·内托、埃卡捷琳娜·伊格纳谢瓦、冯武·姚、弗兰克·班、杰拉尔多·卡兰扎、格兰特·詹森、雅各布·多尔穆思、贾加德什·帕卡拉沃尔、詹姆斯·普莱斯、杰里米·肯普、静江·李、唐继强、开尔文·马、肯·罗素、肯吉·巴赫、林·陈、洛科·昆、卢旺、玛丽萨·伊科诺米迪斯、马特·克雷莱德尔、马蒂亚斯·格伦德曼、马蒂亚斯·西蒙松、帕韦拉夫·安德鲁什基维奇、拉曼·萨罗金、罗马里克·乔丁、萨钦·科特瓦尼、索姆达特

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

Coursera

知名MOOC平台,提供众多人工智能和机器学习课程

ML for Beginners

微软推出的免费开源的机器学习课程,GitHub标星7万+

Gemini

Google推出的AI聊天对话机器人Gemini

Gradio

开源的搭建机器学习模型UI界面的Python库

相关免费羊毛

Google Colab

免费 GPU 笔记本(T4/L4)

Microsoft Azure

学生 $100 云额度(含 Azure OpenAI)

阿里云 ESA

免费版边缘计算:10 万请求/天、20 个函数

魔搭 ModelScope

免费 Notebook:8 核 32G CPU + 每月 36 小时 GPU

同源资讯

外圈,洞察第一:一个环境质量 Agent 诊断你的制作 Agent

Google Developers · 10-22

从ADK到LangChain及以后的开发周期

Google Developers · 10-22

阅读原文(developers.googleblog.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 586 款 AI 工具分类导航 · 每日 AI 热门项目与动态