成立仅两年的初创公司 Mindbeam AI 今日发布了一款名为 Litespark-Inference 的开源人工智能推理框架。该框架旨在通过优化算法，让大型语言模型（LLM）在标准消费级中央处理器（CPU）上高效运行，从而降低 AI 工作负载对昂贵图形处理器（GPU）的依赖。

Litespark-Inference 的核心在于其对“三元模型”的支持。这类神经网络将权重限制为 -1、0 和 +1 三个值，大幅减少了推理过程中大规模乘法运算的开销。尽管这在一定程度上牺牲了精度，但换来了显著的性能提升和内存节省。据官方基准测试数据，与标准的 PyTorch 实现相比，该框架的吞吐量提升了 17 至 96 倍，同时内存需求降低了 80% 以上。

重新定义 CPU 在 AI 推理中的角色

Mindbeam 创始人兼首席执行官 Nii Osae 指出，当前 AI 推理管道中，用户输入首先到达 CPU，随后才转发至 GPU，CPU 往往仅充当“消息传递者”的角色。随着 Token 成本上升及 GPU 供应短缺，行业亟需降低部署成本，尤其是在内存受限的边缘应用场景中。Mindbeam 认为，几乎存在于每个 AI 系统中的 CPU 是一种被严重低估的资源。

该公司强调，Litespark-Inference 并非意在取代 GPU，而是将其作为互补加速器。通过让 CPU 承担部分推理任务，GPU 得以处理更多 Token，从而提升整体系统效率。软件支持两种部署模式：一是允许开发者完全在本地硬件上无 GPU 运行语言模型；二是面向云提供商，实现 CPU 与 GPU 在非聚合推理架构中的协同工作。

性能实测与硬件适配

在具体性能表现上，运行该框架的 Apple M5 处理器每秒可处理近 40 个 Token，而使用 PyTorch 时仅为约 2.3 个 Token。在支持英特尔 AVX-512 矢量神经网络指令的系统上，吞吐量达到近 34 个 Token/秒，较基线提升 96 倍，内存消耗从约 4.6GB 降至不足 800MB。

该框架利用了现代处理器的单指令多数据（SIMD）指令集，包括 Arm 的 NEON SDOT 以及英特尔和 AMD 的矢量神经网络指令。Mindbeam 开发的自定义内核能自动检测处理器功能并优化执行过程。目前，初始版本已支持 Apple Silicon、Intel 和 AMD 处理器，未来将针对 AWS Inferentia 等特定云硬件进行优化。

Mindbeam 已在 GitHub 上公开了 Litespark-Inference 的源代码，并鼓励社区进行独立基准测试。Osae 表示，公司计划在今年晚些时候推出专注于云端的商业化版本，并将技术扩展至功耗敏感的机器人技术和边缘计算领域，旨在为生态系统提供高效节能的推理模型。

【星途科讯 图文丨伊贝】