MetaがLlamaの量子化モデルを公開。モバイルデバイス向けに処理速度2-4倍、メモリ使用量41%削減を実現

Metaは2024年10月24日（現地時間）、モバイルデバイス向けに最適化された量子化されたLlamaモデル（Llama 3.2 1Bおよび3B）の提供を開始した。

この新モデルは、Quantization-Aware TrainingとSpinQuantの2つの量子化技術を採用し、オリジナルのBF16フォーマットと比較してモデルサイズを平均56%削減、メモリ使用量を41%削減しながら、2-4倍の処理速度向上を実現した。QualcommとMediaTekのSoCに搭載されたArm CPUで利用可能となっている。

＜本ニュースの10秒要約＞

• Metaが軽量化された量子化Llamaモデルを公開し、モバイルデバイスでの高速な処理を実現
• QLoRAとSpinQuantの2つの量子化手法により、処理速度2-4倍向上とメモリ使用量41%削減を達成
• QualcommとMediaTekのSoCで利用可能となり、オンデバイスAIの実用性が大幅に向上

量子化技術の概要と実装方法

Metaが採用した量子化スキームは、PyTorchのExecuTorchフレームワークとArm CPUバックエンドを考慮して設計されている。具体的には、3つの主要な部分から構成されている。

第一に、すべてのトランスフォーマーブロック内の線形層を、重みに対して4ビットのグループワイズスキーム（グループサイズ32）、活性化に対して8ビットのトークンごとの動的量子化を適用する。
第二に、分類層に対して重みを8ビットのチャネルごと、活性化を8ビットのトークンごとの動的量子化を適用する。
第三に、埋め込みに対して8ビットのチャネルごとの量子化を採用している。

この設計により、モデルの品質、プリフィル/デコード速度、メモリフットプリントのバランスを最適化している。

量子化手法の特徴と性能評価

Metaは2つの異なる量子化手法を採用している。1つ目は、Quantization-Aware Training with LoRA（QLoRA）で、低精度環境でのパフォーマンスを最適化するために量子化の効果をトレーニング中にシミュレートする。この手法は、BF16 Llama 3.2モデルのチェックポイントを初期値として使用し、追加のSFTトレーニングを行う。2つ目のSpinQuantは、トレーニングデータセットへのアクセスを必要としない最新の後処理量子化手法だ。

性能評価では、Android OnePlus 12デバイスでのテストで、デコードレイテンシーが平均2.5倍、プリフィルレイテンシーが4.2倍向上し、モデルサイズは56%、メモリ使用量は41%削減された。Samsung S24+やS22でも同様のパフォーマンスが確認されている。

将来展望とパートナーシップ

Metaは現在、パートナー企業と協力してNPU（Neural Processing Unit）での量子化モデルの活用を進めている。すでにExecuTorchオープンソースエコシステムにNPUを活用するための基本コンポーネントが統合され、Llama 1B/3Bモデルの NPUでの量子化対応に向けた取り組みが進行中だ。

Llamaは2024年だけで10倍の成長を達成し、責任あるイノベーションの標準となっている。オープン性、修正可能性、コスト効率の面でリードを続け、一部の分野ではクローズドモデルを上回る性能を示している。

AI Market の見解

MetaのLlama量子化モデルの公開は、モバイルAI市場に大きな影響を与える重要な進展だ。QLoRAとSpinQuantという2つの異なるアプローチを提供することで、用途に応じた柔軟な選択肢を実現している。特に、トレーニングデータへのアクセスなしで量子化が可能なSpinQuantは、プライバシーの観点から重要な意味を持つ。

さらに、処理速度の向上とメモリ使用量の削減により、より多くのデバイスでの実用的なAI実装が可能となるため、エッジAIアプリケーションの普及を加速させる可能性が高い。また、モバイルデバイスでの高度なAI機能の実装が容易になることで、新たなアプリケーション市場が創出される可能性がある。長期的には、オンデバイスAIの標準化とさらなる性能向上が期待され、プライバシーを重視したAIアプリケーションの新時代が始まるだろう。

参照元：Meta Newsroom

LLMについて詳しく知りたい方はこちらの記事もご参考ください。

AIに関するご相談はAI Marketへ

AI MarketではAI開発・生成AI開発実績豊富なAI会社の選定・紹介を行っています。貴社に最適な会社に手間なく数日で出会えます。貴社の要望に応えることが可能な企業複数社の紹介が可能で、相見積もり・比較もすぐに実施可能。

プロのAIコンサルタントが貴社の代わりに数社選定しますので、AI会社の選定に迷ったり、相談方法がわからなかったら、累計1,000件以上の相談実績を持つAI Marketへ、いつでもお気軽にご相談ください。

　下記の記事も一緒によく読まれています

マルイ、AIによる需要予測で客数・販売予測精度向上。発注時間50%削減を実現 Meta、オープンソース且つこれまでで最も高性能な「Llama 3.1 405B」モデルを公開 Lenovo、Tech World 2024で次世代AIデバイスと革新的ソリューションを公開 Meta社、競合モデルを凌駕する性能を持つLLM「Llama 3」をオープンソースとして公開 rinna、Meta社「Llama 3 8B」の日本語能力を拡大する継続事前学習モデル「Llama 3 Youko 8B」を公開