一个名为 EXO Labs 的组织今日在社交媒体上发布了一段视频，展示了一台运行 Windows 98 系统的 26 年高龄的奔腾 II 电脑（128MB 内存）成功运行大型语言模型（LLM）的情形。随后，EXO Labs 在其博客上发表了一篇详细文章，进一步阐述了这个项目的细节，以及其“普及人工智能”的愿景。
AI在线注意到，视频中一台 350MHz 的 Elonex 奔腾 II 电脑启动 Windows 98 后，EXO Labs 运行了基于 Andrej Karpathy 的 Llama2.c 开发的定制纯 C 推理引擎，并让 LLM 生成了一个关于“Sleepy Joe”的故事。令人惊讶的是，整个过程运行流畅，故事生成速度也相当可观。
EXO Labs 由牛津大学的研究人员和工程师组成，于今年 9 月正式对外亮相，其使命是“普及人工智能”。该组织认为，少数大型企业控制人工智能会对文化、真相以及社会其他基本方面造成负面影响。因此，EXO Labs 希望“构建开放的基础设施，以训练前沿模型，并使任何人都能在任何地方运行它们”，从而让普通人也能在几乎任何设备上训练和运行 AI 模型。此次在 Windows 98 上运行 LLM 的壮举，正是对这一理念的有力证明。
根据 EXO Labs 的博客文章，他们从 eBay 上购得了一台老式 Windows 98 电脑。然而，将数据传输到这台老机器上却是一个挑战，他们最终通过其以太网端口使用“古老的 FTP”完成了文件传输。
更大的挑战在于为 Windows 98 编译现代代码，幸运的是他们找到了 Andrej Karpathy 的 llama2.c，这是一个“用 700 行纯 C 代码即可在 Llama 2 架构的模型上运行推理”的工具。借助这一资源以及老式的 Borland C++ 5.02 IDE 和编译器（以及一些小的调整），EXO Labs 成功将代码编译成可在 Windows 98 上运行的可执行文件。他们还在 GitHub 上公开了最终代码。
EXO Labs 的 Alex Cheema 特别感谢了 Andrej Karpathy 的代码，并对其性能赞叹不已，称其在使用基于 Llama 架构的 26 万参数 LLM 时，在 Windows 98 上实现了“每秒 35.9 个 token”的生成速度。值得一提的是，Karpathy 曾任特斯拉人工智能主管，也是 OpenAI 的创始团队成员之一。
虽然 26 万参数的 LLM 规模较小，但在这台古老的 350MHz 单核电脑上运行速度相当不错。根据 EXO Labs 的博客，使用 1500 万参数的 LLM 时，生成速度略高于每秒 1 个 token。而使用 Llama 3.2 10 亿参数模型时，速度则非常缓慢，仅为每秒 0.0093 个 token。
EXO Labs 的目标远不止于在 Windows 98 机器上运行 LLM。他们在博客文章中进一步阐述了其对未来的展望，并希望通过 BitNet 实现人工智能的普及。
据介绍，“BitNet 是一种使用三元权重的 transformer 架构”，使用这种架构，一个 70 亿参数的模型只需要 1.38GB 的存储空间。这对于一台 26 年前的奔腾 II 来说可能仍然有些吃力，但对于现代硬件甚至十年前的设备来说，都非常轻量级的。
EXO Labs 还强调，BitNet 是“CPU 优先”的，避免了对昂贵 GPU 的依赖。此外，据称这种类型的模型比全精度模型效率高 50%，并且可以在单个 CPU 上以人类阅读速度（约每秒 5 到 7 个 token）运行一个 1000 亿参数的模型。
