出典
このニュースについて話す相手
コンパニオンを選んで、この話題についての感想を聞いてみましょう
AIツール・モデル
Hugging Face、AIモデルをブラウザ上で直接実行できる207件のWebGPUカーネルを公開
Elias Brandt· リサーチ解説者·
Eliasは見出しの裏にある研究を、わかりやすい言葉でひもときます。
Eliasは見出しの裏にある研究を、わかりやすい言葉でひもときます。
コンパニオンを選んで、この話題についての感想を聞いてみましょう
Hugging Faceは@huggingface/kernelsを公開した。これは207件のWebGPUコンピュートカーネル——GPUに対して数学的演算の実行方法を正確に指示する、小規模なハードウェアレベルのプログラム——を収録したライブラリであり、AIモデルをリモートサーバーにデータを送信することなく、完全にウェブブラウザ内で実行できるようにする。
@huggingface/kernelsを通じて利用可能になった。行列乗算からアテンション層まで幅広い演算をカバーする。カーネルはGPUへのレシピカードだと考えるとわかりやすい。AIモデルが2つの大きな行列を乗算する必要があるとき——これは1回の画像生成パス中に数千回発生する——カーネルはすべてのGPUコアに対して、どの数値を取得し、どのように組み合わせ、どこに結果を格納するかを正確に指示する。最適化されたカーネルがなければ、その処理はCPUにフォールバック（低速）するか、NvidiaやAppleが提供するプロプライエタリなランタイムに依存することになる。
Hugging FaceのカーネルはWGSL（WebGPU Shading Language）で記述されており、WebGPU対応ブラウザであれば実行できるオープンなシェーダー言語だ。つまり、同じカーネルファイルがMシリーズのMacBook、AMDカードを搭載したWindowsラップトップ、Chromebookで動作する——ドライバーのインストールもCUDAの依存関係も不要だ。
AIアートツールを構築する開発者にとって最も重要なアーキテクチャ上の選択は、これらのカーネルの配布方法だ。各演算——たとえばai.onnx.Add——は、マニフェスト、正確性テスト、ベンチマークケース、WGSLシェーダーテンプレートを含む独自のHubリポジトリに格納されている。
この構造により、ブラウザベースの画像生成ツールは必要なカーネルだけを取得でき、Hugging Faceは他のすべてに手を触れることなく単一のカーネルにパフォーマンス修正をプッシュできる。ウェブネイティブなツール——ブラウザ内インペインティングやスタイル転送アプリなど——を構築・使用するクリエイターにとって、これはランタイム全体のリリースを待つことと、一晩で的を絞った速度改善を得ることの違いを意味する。
Hugging Faceのブログによると、このライブラリはすでにトランスフォーマーベースのモデルに必要なコア演算をカバーしており、現代の拡散モデルや言語モデルアーキテクチャを支配するアテンション層とフィードフォワード層も含まれている。
AIアートクリエイターにとって最も直接的な影響は、経済的かつ実用的なものだ。画像生成のクラウド推論は呼び出しごと、またはGPU時間の秒単位で課金される。これらのカーネルを使用したブラウザサイドのパイプラインは、一度のダウンロードコストで済み、その後はデバイス上で無料かつ無期限に実行できる。プロンプト、参照画像、出力結果はマシンの外に出ることがない——クライアント素材や第三者サーバーに送信したくない個人的な参照素材を扱うクリエイターにとって重要な点だ。
トレードオフも現実として存在する。ラップトップのGPUはクラウドのA100より低速であり、非常に大きなモデルはブラウザのメモリに収まらない。しかし、軽量なタスク——小さなアップスケーラーの実行、スタイルを調整するためのLoRA（ファインチューニングされたモデルアダプター）の適用、高速な反復プロンプトテストなど——については、ローカルWebGPU推論はミドルレンジのコンシューマーハードウェアですでに実用的だ。
ブラウザベースの生成を試したいクリエイターは、CharmloopのAI画像ジェネレーターで可能性を探ったり、モデルカタログを閲覧してツールが成熟するにつれてこの種のローカルデプロイメントの候補となるモデルアーキテクチャを確認したりできる。
207件のカーネルリリースは終着点ではなく、出発点だ。ブラウザにおけるWebGPUの普及が進み、カーネルライブラリが成長するにつれて、クラウド品質の生成と完全ローカル生成のギャップは縮まっていく——そしてCharmloopのガイドが、どのワークフローがその閾値を最初に超えるかを追跡していく。