Hugging Faceが2026年9月1日、ブラウザ上でAIを高速に動かすための新しいライブラリ「@huggingface/kernels」を公開した。
初回公開では207種類のWebGPUカーネルが用意されている。いずれもApache 2.0ライセンスで公開されており、AIモデル内部で使われるさまざまなGPU処理をWebブラウザ向けに利用できる。
Hugging Face公式解説
https://huggingface.co/blog/webgpu-kernels
WebGPUカーネル一覧
https://huggingface.co/webgpu-kernels
WebGPUとは何なのか
現在の生成AIサービスの多くは、入力した文章や画像をインターネット経由でサーバーへ送り、クラウド上のGPUで処理している。
一方、小型のAIモデルなら利用者自身のPCやスマートフォンで直接動かすこともできる。
WebGPUは、WebブラウザからPCやスマートフォンのGPUを利用するための仕組みである。
これを使えば、専用のデスクトップアプリを用意しなくても、Webページ上でGPUを使ったAI処理を実行できる。
今回公開されたのはAIそのものではない
@huggingface/kernelsはChatGPTのような完成したAIサービスではない。
AIモデル内部で繰り返し使われる、行列計算、Softmax、正規化などの処理をGPU上で実行するための部品である。
こうした小さなGPU処理を「カーネル」と呼ぶ。
Hugging Faceは今回、さまざまな機械学習モデルで利用できる207種類のカーネルを公開した。
207種類のカーネルを個別に公開
Hugging FaceのWebGPU Kernels Communityを見ると、現在207個のカーネルが公開されている。
それぞれが独立したリポジトリになっており、インターフェース、シェーダー、正しく動作するか確認するためのテスト、ベンチマークなどがまとめられている。
単にGPU用のコードを置くだけでなく、再利用しやすい部品として配布する形である。
WebGPU Kernels Community
https://huggingface.co/webgpu-kernels
JavaScriptから利用できる
開発者向けにはJavaScriptパッケージも公開されている。
導入コマンドは次の通りである。
“npm install @huggingface/kernels@preview”
JavaScriptから必要なカーネルを指定すると、Hugging Face Hubから読み込んでWebGPU上で実行できる。
対応するWebブラウザやGPU、OS、ドライバーが必要になるため、すべての端末で同じ性能になるわけではない。
Hugging Faceのテストでは平均2倍前後の差
Hugging Faceは、Apple M4のGPUを使ってONNX Runtime WebのWebGPU実装との比較も行っている。
1756ケースを実行し、双方で正しく安定した結果を取得できた809ケースを比較したところ、Hugging Face側のカーネルは幾何平均で2.57倍、中央値で1.90倍高速だったとしている。
ただし、この2.57倍という数字はAIモデル全体の速度ではない。
比較しているのは個々のGPU処理であり、モデルの読み込み、データ転送、シェーダーの準備など、実際のAIアプリには別の処理時間も存在する。
「ChatGPTのようなAIが2.57倍速くなる」という意味ではない点には注意が必要である。
一部の処理では非常に大きな差も出た
個別のテストを見ると、特定条件では数百倍、あるいはそれ以上の差が出た処理もある。
これは汎用実装が特定の入力条件で非常に遅い処理方法を選んだ一方、最適化された専用カーネルではその問題を避けられたケースである。
一般的なAI処理が数百倍高速になるという意味ではない。
平均値と特殊なケースは分けて見る必要がある。
自分のGPUで測定できる「Fleet」も公開
Hugging Faceは同時に「Fleet」というブラウザ用のベンチマーク環境も公開した。
Fleetを開くと、自分の端末のWebGPU環境でカーネルを実際に動かし、正しく処理できるか、どの程度の速度が出るかを確認できる。
Fleet
https://webgpu-kernels-fleet.hf.space/
WebGPUはGPUだけでなく、ブラウザ、OS、ドライバーによっても性能が変わる。
そのため、さまざまな利用者の端末から測定結果を集めることで、特定環境で遅い処理や正常に動かないケースを見つけやすくなる。
ブラウザ上のローカルAIにどう関係するのか
WebGPUでAIを動かせるようになると、AIの処理をサーバーへ送らず、利用者の端末内で完結させられる場合がある。
例えば文章の分類、画像認識、音声処理、小型の言語モデルなどが対象になる。
サービス運営側から見ると、ユーザー自身のGPUを使うため、クラウドGPUの費用を減らせる可能性もある。
利用者側では、処理内容を外部サーバーへ送らない構成を作れる。
アプリを入れずにローカルAIを提供できる
現在ローカルAIを使う場合、OllamaやLM StudioなどのソフトをPCへインストールする方法がよく使われる。
WebGPUを利用するサービスなら、対応ブラウザを開くだけで端末のGPUを使える。
開発者側もWindows、macOS、Linux向けに別々のネイティブアプリを作る代わりに、Webアプリとして提供できる場合がある。
今回の207個のカーネルは、そのようなブラウザAIの計算部分を効率化するための共通部品である。
現時点では開発者向け
今回の発表を見て、一般ユーザーが何かをインストールするとChatGPTが高速になるという話ではない。
@huggingface/kernelsは、Web上でAIを動かすサービスを作る開発者向けの低レベルなライブラリである。
ただし、こうした処理がTransformers.jsやONNX Runtime Webなどの上位ツールに組み込まれれば、一般ユーザーがカーネルを意識せず恩恵を受ける可能性がある。
Hugging Face自身も、今回の公開をブラウザAI高速化の最初の層として位置付けている。
ブラウザ上でローカルAIを動かす技術に関心がある場合は、今後の統合状況も確認しておきたい。
Hugging Face公式解説
https://huggingface.co/blog/webgpu-kernels
WebGPUカーネル一覧
https://huggingface.co/webgpu-kernels
コメント