作者：陸向陽
自從LLM/GenAI興起後，有一項遺憾是LLM/GenAI必須倚賴雲端資料中心機房裡龐大的運算力，才能即時完成推論結果並回應，一旦網路斷線就無法使用，且免費版服務已表明刻意放慢回應速度。
其他困擾也包含可能洩漏公司機密或個人隱私，南韓三星已有實際案例；或者GenAI因為他人的誤導而使回覆的答案飄移、前後不一；或者為了避免系統被誤導而導入「關鍵字把關系統」，會刻意忽略色情、犯罪、暴力、歧視等話語及用詞，這在多數情況下適用，但若有社會學研究生偏偏需要研究歧視議題，那就無法用雲端GenAI。
本機端、在地端的LLM
基於上述，人們開始期望有自己本機端、在地端（local）的LLM，主要PC晶片商也看準這點，在去年開始倡議AI PC概念，透過在PC內加強CPU、GPU的電路設計，或追加整合NPU等，大幅強化PC在LLM方面的計算速度，同時搭配上LLM的輕量化瘦身工程等，也是可以在自己電腦上實現一套LLM/GenAI系統與服務，從而解除上述的限制與困擾。
關於此倡議的實際行動，如Intel在去年底推出Core Ultra系列並搭載NPU，而今年2月NVIDIA也推出一套軟體Chat with RTX，言下之意可以下載、安裝輕量版的LLM到PC上，然後運用NVIDIA的GeForce RTX系列GPU來加速LLM推論運算工作，讓用戶獲得自己專屬的LLM。
緊追在後的，與Intel、NVIDIA為長期競爭關係的AMD，也在3月份推出LLM Studio軟體，該軟體可以運用AMD CPU或GPU來加速執行本機端的LLM，一樣讓用戶實現自有專屬LLM的願望。
很明顯的，無論是NVIDIA Chat with RTX或是AMD LLM Studio，就是要刺激大眾購買新的、高階的CPU、GPU系統，正是基於此，所以AMD LLM Studio只支援新的AMD Ryzen AI的CPU或AMD Radeon RX 7000系列的GPU，其餘不行。
模型下載
此外，LLM Studio一起頭下載就要選擇對的版本，有運用CPU加速的LM Studio – Windows，或者是運用GPU加速的LM Studio – ROCm（至3月中旬時仍處於技術預覽版階段）。
圖1 從AMD官網下載CPU版或GPU版LLM Studio（圖片來源：AMD）
下載與安裝對應的版本後，接下來要下載LLM，目前是提供開放原碼的Llama 2 （也有人寫LLaMA）7B與Mistral 7B，從7B字樣就知道權重參數已經縮減到70億個，已經是減肥、輕量化的模型。
圖4 先進行搜尋，搜到Llama 2 7B模型（圖片來源：AMD）
模型選單與名稱上也有一些細節，例如Q4_K_M的Q4是指模型量化（Quantization）成4位元精度，而K_M或K_S則是對一半或全數的張量（tensor）進行指定配置。
然後要注意，不是所有模組都可以透過GPU來加速，所以還有附註文字「FULL GPU OFFLOAD POSSIBLE」與「PARTIAL GPU OFFLOAD POSSIBLE」，後者就是只有程度性透過GPU加速，前者則是盡可能都由GPU處理。
模型雖然已是輕量化，但依然動輒數GB容量，需要一些時間下載，已經準備足夠的電腦空間安裝，安裝後就可以用來對話聊天了。
圖5 下載盡可能透過GPU加速的模型，容量4.08GB（圖片來源：AMD）
圖6 採行與ChatGPT相仿的問答聊天介面（圖片來源：AMD）
既然模型都在自己手上了，那自主掌握度就高了，把LLM Studio細部設定選項展開來，可以看到LLM Studio已經偵測到系統內的GPU是何種類型，然後也可以手動設定要運用多少GPU運算資源來加速LLM執行，可以全速投入，或者低投入，或者一半投入，或者選擇更細緻刻度的設定。
圖7 LLM Studio偵測到GPU，確實可支援加速，圖中選擇讓GPU全速投入LLM執行加速（圖片來源：AMD）
小結
最後要打一下預防針，畢竟LLM Studio目前僅為0.2版，離正式的1.0版尚遠，甚已標註「技術預覽」字樣，坦承完成度待加強，故先別苛責聊天回應效果，姑且嘗鮮體驗試試。
也由於LLM Studio明顯是刺激消費高階高規系統（筆者查了一下，7000系列顯示卡，入門的RX7600至少也要8,490元新台幣，頂款的RX7900則可以貴到3.6、3.8萬之譜），故只建議預算寬裕的創客先行體驗，多數人可以再等等，等待軟體版本更成熟，同時也等待高規硬體降價，或等待新版軟體可以放寬硬體支援等。
至於CPU、GPU對7B瘦身模型的加速程度如何？有興趣的創客可以試試看發完問話訊息後的回應時間，倘若超過15秒恐怕就失去實用性，或者也可以用Windows的「工作管理員」檢視一下，看看CPU、GPU有推論工作、沒推論工作時的尖峰運算差距？從中得到新體驗與樂趣。
（責任編輯：謝嘉洵。）
- LLM/GenAI的回答會造成危害嗎？MLCommons提出衡量規範草案 - 2024/04/22
- 致敬？回敬？繼NVIDIA Chat with RTX後AMD亦推行LLM Studio - 2024/03/27
- 推探Google開源、輕量級大型語言模型Gemma - 2024/03/21
