6月27日消息，美国加州大学圣克鲁兹分校的研究团队近日取得了突破性的进展，他们成功研发出一种新型方法，能够以极低的功耗运行大规模语言模型。据悉，该方法仅需13W的功率，这相当于一个现代LED灯泡的耗电量，就能支持拥有10亿参数规模的大语言模型运行。
AI 浪潮下很多公司、机构的研究主方向是应用、推理方面，很少考虑效率等指标。该研究人员为缓解这种状况，淘汰了矩阵乘法的密集型技术，提出了“三元数”方案，只有负一、零或正一三个数值。
团队还使用一种名为现场可编程门阵列（FPGA）的高度定制电路创建了定制硬件，让他们能够最大限度地利用神经网络中的所有节能功能。
在定制硬件上运行时，可以达到与 Meta 的 Llama 等顶级模型相同的性能，但神经网络功率是常规配置的五十分之一。
该神经网络设计还可以用于在人工智能行业常用的标准 GPU 上运行，测试结果显示，与基于矩阵乘法的神经网络相比，显存占用仅为十分之一。
