資深開發大佬，終于忍不住自己出來創業了。

(資料圖片)

Georgi Gerganov，今年三月曾開源了 llama.cpp 項目，GitHub 上已破三萬星標，要知道 Stable Diffusion 也不過 8.8k。

這個項目能讓開發者在沒有 GPU 情況下運行 Meta 的 LLaMA 模型，即便是在樹莓派、MacBook 上運行大模型也通通不在話下 ~

△在 M2 Max 上以 40 tok/s 的速度運行 7B LLaMA

甚至還成功吸引了小扎的注意：Meta 也在運行 llama.cpp。

可能由于反響太好，這位大哥決定把背后核心純 C 語言框架 ggml拿出來創業：原本是幾月前的副業項目。

在官宣前這家公司就已經獲得來自 GitHub 前 CEONat Friedman、Y Combinator 合伙人 Daniel Gross 的種子前投資。

消息一出，眾多開發者趕來祝賀。

其中不乏一些堅定的擁護者：ggml 正在將大模型普及到邊緣設備。沒過多久就有人建議：蘋果應該將它收購了。（狗頭）llama.cpp 作者創業

ggml，是一個純 C 語言編寫的張量庫，可幫助開發者在消費級硬件上運行大模型，GitHub 星標數達到 4.4k。

由于加速效果驚人，一下子收獲了不少開發者的支持。

By the way，ggml 的 gg 恰好是他名字的縮寫。

大哥自己的兩個上萬星標的項目 llama.cpp 和 whisper.cpp 都使用了它。

后者是為 OpenAI 的 Whisper 自動語音識別模型開發的加速方案，可在 Mac、Windows、Linux、iOS、安卓、樹莓派以及 web 上運行。

△使用 whisper.cpp 在 樹莓派上檢測短語音命令

不少初創公司，比如主打生活搜索引擎的 rewind 都使用了這套解決方案。

還有兩個項目同時在終端上運行。

△在單個 M1Pro 上同時運行 4 個 13B LLaMA+Whisper Small 實例

根據個人介紹，ggml 張量庫具有以下這些特點：

支持 16bit 浮點數；支持整數量化（包括 4 位、5 位、8 位）；自動微分；內置優化算法（例如 ADAM、L-BFGS）；為蘋果芯片設置特定優化；在 x86 架構上使用 AVX / AVX2 Intrinsic；通過 WebAssembly 和 WASM SIMD 提供 Web 支持；無第三方依賴；運行時零內存分配；支持指導型語言輸出……

目前這個庫以及相關項目都是免費開源，開發過程也全公開；當然也不排除開發授權給一些商業用途的項目。

用 C/C++ 重寫神經網絡代碼

而這背后的開發大佬 Georgi Gerganov 也值得說道說道。

他的個人網站十分簡單直接，甩出各種開源項目，除此之外別無其他。可以看出，他是 C/C++ 的狂熱愛好者，信仰 Vim。

此前，他曾用 C/C++ 語言重寫神經網絡推理代碼，這樣幾乎不依賴于其他庫，以此提升效率。至于 llama.cpp 也是他一晚上 Hacking 出來的。

除此之外，他還有一些有意思的項目。

比如檢查鍵盤是否可以通過麥克風竊聽、猜 Hacker News 的標題，Wordle 克隆版等等。

One More Thing

值得一提的是，背后的這兩個投資者也有點意思。

他們還專門給創業者提供算力集群，只需在網站上申請即可。這波是在 Next Level 上了 ~

參考鏈接：

[ 1 ] https://ggerganov.com/

[ 2 ] http://ggml.ai/

[ 3 ] https://twitter.com/ggerganov