苹果研究团队在预印本平台 arxiv发表论文《LLM in a flash》，介绍了一项全新的闪存技术，让苹果可以在其内存有限的设备上部署大语言模型。

论文地址：https://arxiv.org/pdf/2312.11514.pdf

研究团队表示，他们通过将模型参数存储在闪存 (Flash Memory) 中 —— 也就是储存应用和照片的地方，解决了有效运行大语言模型容量的挑战。与传统用于运行大语言模型的 RAM 相比，闪存在移动设备中容量要大得多。

论文指出，这项技术可以让 AI 模型的运行规模达到 iPhone 可用内存的两倍。在这项技术的加持之下，LLM 的推理速度在 Apple M1 Max CPU 上提高了 4-5 倍，在 GPU 上提高了 20-25 倍。