當(dāng)整個(gè) AI 行業(yè)還在比拼參數(shù)規(guī)模、堆算力時(shí)，有家初創(chuàng)在相反的方向發(fā)力：把模型壓縮到只剩 1 比特。

當(dāng)?shù)貢r(shí)間 3 月 31 日，美國 AI 初創(chuàng)公司 PrismML 發(fā)布了一款旗艦?zāi)Ｐ?1-bit Bonsai 8B。該模式使用 Google TPU v4 進(jìn)行訓(xùn)練，在接近同等性能的前提下，可將模型權(quán)重壓縮至單個(gè)比特（原生 1 比特架構(gòu)）。

多項(xiàng)智能基準(zhǔn)測試結(jié)果顯示，與傳統(tǒng) FP16 8B 模型相比，該模型在高保真推理和語音理解能力相當(dāng)?shù)那疤嵯拢瑑?nèi)存占用從 16GB 降至 1.15GB，推理速度提升 8 倍，能效提升 4-5 倍。在現(xiàn)有硬件平臺上，該模型還能將能耗降低 75% 到 80%。也就是說，該技術(shù)以更少的資源完成了相同的工作，并有效降低了能耗成本。

值得關(guān)注的是，該公司在三種主流平臺跑通了這款模型。根據(jù)技術(shù)報(bào)告，Bonsai 8B 可通過 MLX 或 Metal 接口在 Apple 設(shè)備（Mac、iPhone、iPad），也可基于 llama.cpp CUDA 在 NVIDIA GPU ，還可以通過 MLXSwift 或 OpenCL 路徑在移動端上運(yùn)行。

該技術(shù)有望催生新的 AI 系統(tǒng)：既能在邊緣高效運(yùn)行，又能在云端經(jīng)濟(jì)高效擴(kuò)展。讓 AI 直接在手機(jī)、筆記本電腦等消費(fèi)電子設(shè)備本地運(yùn)行，并有望進(jìn)一步拓展至數(shù)據(jù)中心。有助于減少對云的依賴，而是基于該模型直接在設(shè)備上執(zhí)行的復(fù)雜 AI 應(yīng)用程序，進(jìn)而解鎖機(jī)器人、可穿戴設(shè)備和個(gè)人計(jì)算應(yīng)用程序等邊緣場景。

“人工智能的未來有望不再取決于誰能建造最大的數(shù)據(jù)中心，而是取決于誰能以單位能源和成本提供最大的智能。”該公司投資人、Khosla Ventures 創(chuàng)始人 Vinod Khosla 表示。

（來源：資料圖）

PrismML 是在加州理工學(xué)院團(tuán)隊(duì)技術(shù)支持下衍生而來。目前，該公司已通過種子輪融資和 SAFE 融資籌集 1,625 萬美元，投資者包括 Khosla Ventures、Cerberus Capital 和加州理工學(xué)院。

該公司聯(lián)合創(chuàng)始人兼 CEO、加州理工學(xué)院教授 Babak Hassibi 稱，該技術(shù)是一種能夠適應(yīng)各種硬件環(huán)境，并“在單位能耗和成本下釋放更高智能密度”的數(shù)學(xué)突破。

圖丨1-bit Bonsai 8B 的技術(shù)報(bào)告（來源：PrismML）

隨著 AI 模型規(guī)模和計(jì)算量的提升，部署高級智能技術(shù)越來越需要龐大的數(shù)據(jù)中心基礎(chǔ)設(shè)施。但由于延遲、硬件和隱私等方面的限制，實(shí)時(shí)、本地化的 AI 體驗(yàn)仍面臨嚴(yán)峻的挑戰(zhàn)。

PrismML 指出了一個(gè)容易忽略的事實(shí)：在端側(cè)推理場景下，真正“卡脖子”的是內(nèi)存帶寬而非算力。該公司的關(guān)鍵優(yōu)勢在于，通過數(shù)年時(shí)間研發(fā)了壓縮神經(jīng)網(wǎng)絡(luò)所需的數(shù)學(xué)理論來應(yīng)對這一挑戰(zhàn)。

與傳統(tǒng)的 FP16 架構(gòu)不同，PrismML 創(chuàng)建了具有原生 1 比特結(jié)構(gòu)的模型。在不犧牲推理、編碼和通用知識能力的前提下，同時(shí)壓縮計(jì)算復(fù)雜度與內(nèi)存占用。

（來源：PrismML）

根據(jù) PrismML 發(fā)布的技術(shù)報(bào)告，他們將智能密度定義為模型智能與規(guī)模的比值（以比特為單位測量，或等效地以 GB 為單位）。按此標(biāo)準(zhǔn)衡量，1-bit Bonsai 8B 的智能密度得分達(dá) 1.06/GB。在參數(shù)數(shù)量相近的模型中，最接近的 Qwen3 8B 得分僅 0.10/GB。

（來源：PrismML）

在 MMLU-Redux 知識測試、MuSR 多步推理、GSM8K 數(shù)學(xué)解題、HumanEval+代碼生成、IFEval 指令遵循和 BFCLv3 工具調(diào)用六個(gè)維度的測試中，1-bit Bonsai 8B 的平均得分達(dá) 70.5 分，與 Qwen 3 8B 的 79.3 分差距不到 9 分，但其內(nèi)存占用僅為 1.15 GB，比同類產(chǎn)品小約 12-14 倍。這正是智能密度的核心所在：不僅具有高性能，而且以更易于部署的方式提供性能支持。

研究人員在不同設(shè)備上進(jìn)行了吞吐量數(shù)據(jù)對比。在 M4 Pro Mac 上，Bonsai 8B 的運(yùn)行速度可達(dá)每秒 136 token；在 RTX 4090 上，可達(dá)每秒 440 token；在 iPhone 17 Pro Max 上，其運(yùn)行速度約每秒 44 token。這些性能表現(xiàn)指向了一個(gè)與依賴云端的 AI 截然不同的可能性：其所帶來的體驗(yàn)，可能會速度更快、更直接、更易用。

這種優(yōu)勢在處理長周期智能體工作負(fù)載時(shí)更加明顯。在上面視頻的演示中，研究團(tuán)隊(duì)模擬了 50 個(gè)工單匯總和分配任務(wù)。結(jié)果顯示，在相同時(shí)間窗口內(nèi)，Bonsai 8B 能夠完成所有 50 個(gè)工單，而標(biāo)準(zhǔn)的 FP 16 8B 模型在同一時(shí)間段內(nèi)只能完成 6 個(gè)。

對于需要持續(xù)進(jìn)行多步驟推理的智能體而言，更高的吞吐量和更低的內(nèi)存占用不僅能提升系統(tǒng)速度，還有利于擴(kuò)展智能體實(shí)際完成的工作量。

圖丨各種硬件平臺的能耗對比（來源：PrismML）

從模型效率來看，Bonsai 8B 的能耗也具有優(yōu)勢，而這一點(diǎn)與經(jīng)濟(jì)效益直接相關(guān)。數(shù)據(jù)結(jié)果顯示，其遠(yuǎn)低于 FP 16 版本，能效大約提升 4-5 倍。在 M4 Pro 上，其能耗為 0.074 毫瓦時(shí)/token，而在 iPhone 17 Pro Max 上，其能耗僅為 0.068 毫瓦時(shí)/token。

（來源：PrismML）

為進(jìn)一步展示技術(shù)的擴(kuò)展性，PrismML 還同步推出了兩款更小的型號：Bonsai 4B 和 Bonsai 1.7B，內(nèi)存占用分別是 0.5GB 和 0.24GB。研究人員選取了從 1.2GB（Qwen3 0.6B）到 16.4GB（Qwen3 8B）的 20 款主流模型。從與同量級競品對比結(jié)果來看，PrismML 的三款模型在“智能密度”指標(biāo)上具有優(yōu)勢。

該公司承認(rèn)技術(shù)當(dāng)前仍具有局限性：一方面，這些結(jié)果仍是在通用硬件和軟件優(yōu)化的前提下實(shí)現(xiàn)；另一方面，移動端的能耗數(shù)據(jù)來自電池耗電速率的間接估算。

如果適配專門為 1 比特模型設(shè)計(jì)的硬件，有可能減少對復(fù)雜數(shù)學(xué)乘法的需求。在此前提下 PrismML 預(yù)測，未來硬件只需執(zhí)行簡單的加減運(yùn)算，有望進(jìn)一步將性能和能效提升 1 個(gè)數(shù)量級。

總體來說，這種“以小博大”的新范式，正在打破算力和設(shè)備之間的物理邊界：以往需要權(quán)衡取舍的場景，例如企業(yè)級本地部署、隱私敏感場景、間歇性連接環(huán)境、成本受限的 GPU 服務(wù)等，未來有望通過同一套方案覆蓋。

參考資料：

https://github.com/PrismML-Eng/Bonsai-demo/blob/main/1-bit-bonsai-8b-whitepaper.pdf

https://prismml.com/news/prismml-launches-worlds-first-1-bit-ai-model

https://prismml.com/news/bonsai-8b

https://www.wsj.com/cio-journal/caltech-researchers-claim-radical-compression-of-high-fidelity-ai-models-e66f31c9?mod=tech_feat1_ai_pos1

運(yùn)營/排版：何晨龍