찾아주는거 하나는 탑 티어
휴대폰에 불이 나지 않을 정도에 1 tops 만큼 계산 결과를 받음 좋겠쩌. 이론적으로 가능성이 있고 고성능 컴퓨터는 빼고 한다는 거에서 차이가 있어요. 물론 고성능 컴퓨터를 사용하려고 한다면 어플을 2000개 켜면 .. 사실 어플 하나를 켜고 스케줄을 본래 1번 작동 하는 거를 2000번 걸면 되어요. 작업 하나에 1 tops 이면 2000 tops가 걸리겠쩌.
음 .. 이거는 각자 자율 신경망으로 하는지 동기화를 하는 거인지 차이가 나겠어요. 하나에 요청에 대하여 모두 동기화를 하여야 스냅샷을 내어서 사람이 개입하기 편해지는 여지가 있어요.
(chatgpt 기본옵션 / 25s 동안 생각) 모바일 어플리케이션을 배포하고 분산된 컴퓨터 방식으로 매 초 각자 1 tops 만큼 계산 결과를 제공하는 방식으로 llm을 구현한 사례를 알아봐줄래?
좋아요 — 모바일 앱을 배포하고 다수의 분산된 기기(각 기기당 약 1 TOPS급 연산력)를 묶어 LLM 추론을 수행하는 사례/연구들을 찾아 정리해드릴게요. 핵심 사례(논문 · 데모 · 오픈소스 · 기사)와 간단한 요약, 그리고 이 접근법에서 자주 쓰이는 기술(모델 분할·협업 추론·페더레이션 등)·한계점을 함께 적었습니다.
LinguaLinked — 분산 LLM 추론(데모 / ACL demo 2024)
모바일 기기들 사이에서 LLM 추론을 분산·협업 수행하도록 설계한 시스템 데모입니다. 로컬 처리·프라이버시 보존을 목표로 여러 신뢰된 장치가 inference를 나눠 수행합니다. (aclanthology.org)
SplitLLM (arXiv, Oct 2024)
서버-클라이언트 협업 형태로 모델을 분할(부분을 클라이언트에서, 나머지는 서버에서)해 처리하는 아키텍처 연구 — 특히 대형 Transformer의 추론 처리량을 개선하려는 접근입니다. 모바일·엣지 장치와의 협업을 염두에 둔 설계가 핵심입니다. (arXiv)
"When the Edge Meets Transformers" / Cross-device distributed inference (ICDCS/related 2023–2024 계열)
엣지(여러 단말)를 이용한 Transformer 분산 추론을 다룬 학술 연구들로, 여러 저전력 장치에 연산을 분배해 전체 추론을 가속하는 방법과 통신·대역폭 제약을 다룹니다. (iQua)
Cake (오픈소스, GitHub) — 소비자 하드웨어 풀을 활용한 분산 추론 프레임워크
여러 운영체제(모바일 포함)의 소비자 기기를 묶어 LLM(예: Llama 계열)·생성 모델을 분산 실행하려는 실험적 프레임워크입니다(목표: 낡은 스마트폰·PC들을 묶어 대형 모델을 실행). (GitHub)
Exo / 보도 기사 (2025) — 분산 LLM 솔루션(제품 기사)
구체적 상용/프로토타입 구현으로서, 오래된 스마트폰 등도 묶어 추론을 분산한다는 성격의 보도가 나왔습니다(개념적으로 “비트토렌트 스타일 분산” 접근 소개). (TechRadar)
통신·무선 환경에서의 분산 on-device LLM 연구 (arXiv 2025)
모바일 무선 환경(저대역폭·지연)을 고려한 통신 효율적 분산 on-device LLM 추론 연구가 최근에도 발표되었습니다(무선 상에서 여러 기기를 묶어 inference를 수행하는 방법론). (arXiv)
Fed/FwdLLM 계열 (페더레이티드·온-디바이스 학습)
LLM의 온-디바이스 학습/튜닝을 페더레이션 방식으로 처리하려는 연구들(추론 분산과는 목적이 다르지만, 기기 풀을 활용하는 점에서 관련성이 높음). 특히 BP-free(역전파 대신 perturbed inference 등)로 메모리/연산 부담을 낮추는 접근을 제안합니다. (arXiv)
모델-분할(Split inference / Pipeline parallelism): Transformer 레이어·어셈블리를 기기들에 분배해 순차/병렬로 처리. 네트워크 왕복이 많아 통신비용 최적화가 관건. (arXiv)
모델 샤딩(파라미터 분할): 파라미터·토큰을 쪼개 여러 노드가 병렬로 처리. GPU 클러스터의 파라미터 샤딩 개념을 엣지로 확장한 형태. (ACM Digital Library)
페더레이션·온-디바이스 학습(FedLLM / FwdLLM): 기기들이 자체 추론·미니 업데이트를 보내서 중앙 모델을 개선(주로 학습 목적). (arXiv)
오버-더-에어(무선 집합) / 피어 투 피어 합산: 무선 채널에서 여러 장치의 연산 결과를 합성(특정 논문/시스템에서 탐구). (arXiv)
통신 대역폭·지연: 모델 파티셔닝은 네트워크 왕복이 늘어나 latency와 실패율 문제를 유발. (논문들에서 주요한 제약으로 반복 언급). (iQua)
오케스트레이션(스케줄링/동기화): 수많은 모바일 단말을 안정적으로 묶으려면 신뢰성·재연결·보안 처리가 복잡. (aclanthology.org)
프라이버시·보안: 데이터 로컬 처리 장점이 있으나, 기기간 중간 활성(activation) 값 교환 시 민감 정보 유출 가능성 존재. (aclanthology.org)
호환성(이종 하드웨어): 단말별 연산 능력(NPU TOPS)이 다양 — 구현은 가장 약한 노드에 맞추거나 동적 할당을 설계해야 함. (arXiv)
네 — 모바일 앱을 배포하고 각 기기가 ~1 TOPS 정도의 연산을 제공하는 방식으로 LLM을 분산 실행하려는 사례와 연구는 존재합니다. 대표적으로 LinguaLinked (ACL 데모, 2024), SplitLLM / 여러 학술 논문(2023–2025), 그리고 오픈소스/프로토타입(예: Cake, Exo 관련 보도) 같은 프로젝트들이 그러한 방향을 탐구합니다. 위에 적은 각각의 항목에서 구체적 접근(모델 분할, 페더레이션, P2P 집합 등)을 확인할 수 있습니다. (aclanthology.org)
원하시면 다음 단계로 바로 해드릴게요(선택지 중 하나를 바로 실행합니다 — 더 물어보지 않고 진행합니다):
구체적 아키텍처 설계 제안 — 예: 모바일 클라이언트(안드로이드/iOS) + 오케스트레이터(중앙/분산) + 모델 분할 전략 + 통신 프로토콜(전송량 추정 포함) — 구현 단계별 체크리스트 포함.
간단한 PoC(개념증명) 코드/흐름 — 예:
llama.cpp기반으로 여러 로컬 프로세스를 묶어 분산 추론 테스트하는 로컬 프로토타입 (샘플 코드·실행 방법).문헌·프로젝트 심층 리포트 — 위에 언급한 논문·프로젝트들을 더 깊게 파헤쳐 장단점/재현성/성능 데이터 표로 정리.
원하시는 옵션 번호(1/2/3) 골라주시면 바로 그에 맞춰 상세하게 만들어 드릴게요.
