有人测试了一款 1997 年的处理器，并证明仅需 128 MB RAM 就足以运行 AI

📄完整原文· 由 trafilatura 自动抓取Gemini 翻譯3578 字

EXO Labs 是如何讓一個輕量級的 Llama 2 在搭載僅 128 MB RAM 的 1997 年 Pentium II 上運行的？該團隊借助 BitNet 的三元權重方法（-1、0、1），展示了該模型能夠（緩慢地）做出回應，凸顯出軟體優化——而非新的晶片——可以在老舊機器上釋放出令人驚訝的性能空間。有人測試了一顆 1997 年的處理器，並證明僅 128 MB 的 RAM 就足以運行 AI 關鍵要點 - EXO Labs 在搭載僅 128 MB RAM 的 1997 年 Pentium II 上運行了 Llama 2。 - BitNet 使用 -1、0 和 1 的權重來削減 AI 的記憶體和運算需求。 - 隨著 EXO Labs 推動軟體優先的效率，Nvidia 時代的 AI 成本面臨壓力。 EXO Labs 剛剛教會了一台搭載 128 MB RAM 的 Pentium II 一項新本領：緩慢但穩定地運行一個精簡版的 Llama 2 模型。該團隊借助 BitNet——一種將神經網路運算精簡為 -1、0 和 1 的三元權重方法，將現代 AI 擠進了 1997 年的瓶頸之中。這個成果並未取代你的 GPU 設備，但卻戳破了「唯有更多晶片才是唯一出路」的反射性思維。如果軟體能在博物館等級的硬體上發揮到如此地步，那麼下一波 AI 效率提升，或許將始於更聰明的程式碼，而非更昂貴的晶片。在過往的遺物上運行 AI 看著老晶片玩出新花樣，有一種靜謐的滿足感。EXO Labs 的研究團隊展示了一個現代語言模型，在一台來自 1997 年的米白色機箱 PC 上運行，動力來自 Pentium II 與僅 128 MB 的 RAM。該模型是 Llama 2 的精簡變體，這次展示挑戰了一個簡單的假設：更強的 AI 永遠需要更強的機器。 BitNet 背後的巧思其中的秘訣是一個名為 BitNet 的軟體架構。BitNet 並未採用高精度運算，而是讓神經網路使用三元權重——具體來說是 −1、0 和 1。這將運算和記憶體壓力削減到最低限度。輸出緩慢地、一個詞一個詞地出現，但確實出現了。重點不在於速度，而在於在極度受限的硬體上實現可行性。新舊技術的結合這裡存在明顯的對比。1990 年代的思維重視效率，因為每一個運算週期都至關重要。如今的 AI 技術棧則假定 GPU 資源豐沛。這個專案在兩者之間取得了平衡，展示了細心的量化、剪枝與資料佈局可以抵消蠻力運算。它也呼應了美國關於可持續性的辯論，那裡的訓練與推論的能源足跡正日益受到政策制定者和雲端買家的關注。這對開發者和買家為何重要對開發者而言，啟示很簡單：從約束條件開始。如果一個三元權重的網路能在 Pentium II 上存活下來，那麼它在中階筆電、邊緣閘道器，甚至塞在零售店裡的微伺服器上必然能蓬勃發展。這可以擴展裝置端推論的範圍、降低延遲，並削減雲端費用。對企業買家來說，軟體優先的效率可以轉化為更少的 GPU 與更低的資本支出。它並未主張什麼這並不是要取代資料中心訓練，也不是要將 Nvidia 高端加速器趕下王座。展示中運行的是一個精簡過的模型，其反應速度無法滿足重度生產用途。儘管如此，它仍是一個有用的反例。將精度視為可選、將記憶體視為稀缺資源的工具，可以為公民科技、教室，以及那些缺乏集群但仍渴望擁有強大模型的新創公司打開大門。更宏觀的啟示是文化層面的。AI 的進步不僅僅屬於擁有最多晶片的人，也屬於那些能從中榨出最多價值的人。確實，當軟體紀律能讓模型更接近那些先前難以觸及的人、地點與預算時，它所帶來的影響力可以與一顆新晶片的流片同樣巨大。

数据状态✓ 已抓取全文阅读原文（Bitcoin.com）

🔍历史类似事件· 关键词 + 标的比对2 则

2026-05-26

有人刚刚销毁了820万美元的Bitcoin——为什么？

相似度 130%關鍵字 just/someone

2026-04-29

Google 和 Microsoft 刚刚证明了 AI 交易依然活跃——而 OpenAI 却在冒冷汗

相似度 100%關鍵字 just/proved

💡 目前用关键词 + 标的比对（MVP）· 之后会升级为 embedding 语义搜寻

原始信息

ID：169bcca348

来源：Bitcoin.com

发布：2026-05-28 13:42:07

分类：一般 · 导出分类 neutral

标的：未指定

社群投票：+0 / −0 · ⭐ 0 重要 · 💬 0 留言