網頁 AI 卡卡的？Google 把本機加速引擎搬進瀏覽器了
你試過在網頁上傳照片自動去背、或開啟相機即時辨識物品嗎？這種「瀏覽器裡跑 AI」的功能聽起來很酷，但實際用過的人都知道——慢到想關掉網頁。
問題出在：以前的方案像叫 JavaScript 一個人扛全場，CPU 和 GPU 坐在旁邊乾瞪眼。
Google 昨天（7/9）發表的 LiteRT.js，就是把原本手機 App 用的加速引擎，整組搬進瀏覽器。結果？比現有方案快最多 3 倍，GPU 加速時甚至能快 60 倍。
為什麼以前的瀏覽器 AI 這麼慢？
想像你去 50 嵐點飲料：
- 本機 App = 店員直接在櫃檯做，30 秒拿到
- 傳統網頁 AI = 店員用 JavaScript「手抄」你的訂單，再跑去後場叫工讀生，來回溝通浪費時間
Google 原本的 TensorFlow.js 就是這樣——用 JavaScript 模擬 AI 運算，沒辦法直接呼叫電腦的 GPU 或 NPU（AI 專用晶片）。
LiteRT.js 的改變：透過 WebAssembly 這道「翻譯橋梁」，讓瀏覽器能直接執行原本給手機用的 LiteRT 引擎，CPU、GPU、NPU 全都能派上用場。
三種加速模式，自動對應你的裝置
Google 這次把硬體支援做到很細：
| 硬體 | 加速技術 | 效果 |
|---|---|---|
| CPU | XNNPACK 多核心 + SIMD 指令 | 多核平行運算 |
| GPU | WebGPU + Google ML Drift | 顯卡全力衝 |
| NPU | Web Neural Network API (WebNN) | AI 晶片專職處理 |
實測數字很誇張：
- 整體推論速度：比現有網頁方案快 最多 3 倍（M4 MacBook Pro 測試）
- GPU/WebNN 模式：比純 CPU 快 5～60 倍
這什麼概念？以前 3 秒才能辨識一張照片，現在 0.5 秒就搞定，跟本機 App 一樣順。
PyTorch 開發者最爽：不用再繞遠路了
以前把 PyTorch 模型放上網頁，要經過這條「痛苦轉乘」：
PyTorch → ONNX → TensorFlow → TensorFlow.js
每轉一次就掉一點效能、多一堆相容性問題。
LiteRT.js 直接開直達車：PyTorch 模型用 LiteRT Torch 一鍵轉成 .tflite，就能上線。還能順便做「量化」——把模型壓縮變小、跑更快。
更佛的是：舊專案不用全拆。圖片裁切、結果後處理這些可以繼續用 TensorFlow.js，只把「跑 AI 模型」那塊換成 LiteRT.js 就好。
台灣開發者可以怎麼用？
這東西對誰最有感？
電商網站：顧客上傳商品圖，即時去背、自動分類，不用等雲端回傳 線上修圖工具：美圖秀秀類的功能，直接在瀏覽器跑，照片不用上傳伺服器 教育平台：學生手機開鏡頭，即時辨識植物、算數學題，沒網路也能用 直播互動：即時濾鏡、背景替換，對電腦規格要求更低
重點是隱私：人臉、文件、醫療影像這種敏感資料，全程在本地處理，根本不會流出裝置。
現在就能試
Google 已經放出技術文件和範例，支援的模型格式就是標準 .tflite。如果你本來就在用 TensorFlow Lite 做手機 App，幾乎無痛搬上網頁。
對一般使用者來說，接下來幾個月應該會看到越來越多網站——修圖、轉文字、即時翻譯——變得超順、超快，而且沒網路也能用。
試試看吧，下次遇到「這網頁 AI 怎麼這麼快」的時候，可能就是 LiteRT.js 在背後跑。
