近日，YouTube 科技頻道 Fully Buffered 完成了一項極具震撼力的硬核測試：在奔騰 4 641 處理器（發佈於 2006 年）上，成功運行了 Meta 最新的 Llama 3.2 3B 大模型。

這一測試將現代人工智能技術與 20 年前的老舊硬件強行“對撞”，不僅展示了 LLM 運行的底層兼容性極限，更讓不少網友感慨：摩爾定律在 AI 時代的進化速度，竟以這種方式實現了跨時空的“握手”。

硬件“考古”：極致配置跑通現代算力

爲了這場測試，Fully Buffered 團隊還原了 2006 年主流發燒友的硬件天花板：

  • 核心心臟： Intel 奔騰 4 641（3.2GHz，單核，2MB L2 緩存）。

  • 內存陣列： 華碩 P5WDH Deluxe 主板搭配 4 條 2GB DDR2-800 內存，總容量達到 8GB。

  • 軟件環境： 針對老舊架構缺乏 AVX2 指令集的特性，團隊專門調配了支持 No-AVX 模式 的推理環境。

慢動作推理：每秒 0.21 Token 的“長征”

測試過程中，當系統向 Llama 3.2 3B 拋出問題“What's a Pentium 4？”時，這顆 20 年前的單核處理器立刻進入了“巔峯負荷”狀態。

  • 生成效率： 最終的生成速度僅爲 0.21 Token/秒。

  • 時間成本： 爲了得到一個完整的回答，奔騰 4 連續滿載運轉了近 33 分鐘。

在現代 AI 應用追求“毫秒級”響應的今天，33 分鐘的等待無疑是“崩潰級”體驗，但對於這顆誕生於 NetBurst 架構時代的處理器而言，這卻是 AI 原理在古老硅片上一次跨越 20 年的“邏輯長跑”。

意義超越實用：證明了 AI 的兼容極限

爲什麼要用這麼古老的機器跑 AI？測試團隊表示，這場測試並非爲了探討實用性，而是驗證了兩個關鍵邊界：

  1. No-AVX 指令集的生存空間： 現代大模型幾乎都默認要求 AVX 指令集，但通過特定的推理模式，即使沒有這些指令集，AI 依然能完成推理。

  2. 內存的“底座”作用： 30 億參數的 3B 模型在 8GB DDR2 內存下的“剛好載入”，證明了只要內存足夠，即便是極低算力的單核 CPU，依然能夠支撐起現代 LLM 的運行，而非必須依賴頂級 GPU 算力。

尾聲：NetBurst 架構的“AI 晚年”

2006 年，Intel 奔騰 4 還在主頻競賽的狂熱中執着於追求“高主頻低效能”的 NetBurst 架構，當年的工程師們或許預見到未來會是處理器的時代，但恐怕做夢也想不到，他們設計的架構能在 20 年後以如此艱難的方式，理解並闡述自己的歷史。

這次測試爲 AI 硬件生態提供了一個極端的參考案例：算力決定響應速度，但指令集兼容性與內存支撐，纔是大模型運行的底層生命線。 當奔騰 4 最終在屏幕上緩慢敲出對自己的描述時，這不僅僅是一次推理成功，更是計算機科學史上一場浪漫的告別儀式。