你以为 AI 推理必须靠服务器？Safari 26 今天把这件事彻底变了

Safari 26 刚发布，四大浏览器全部稳定支持 WebGPU 计算着色器。浏览器端跑 AI 推理这事，从不可能变成了现实——而且实测 RTX 3060 上 4096×4096 矩阵乘法比 WebGL 快 8 倍，追到原生 CUDA 的 82%吞吐量。

2026 年，浏览器终于有了一个真正能打大规模并行计算的 GPU API。

WebGPU Compute Shaders 是什么

计算着色器（Compute Shader）是 GPU 上跑通用并行计算的东西，跟渲染管线是分开的。你不需要画任何三角形，只需要把计算任务扔给 GPU 的 thousands of cores 并行处理。

WebGPU 用 WGSL 作为着色器语言，语法相对简洁：

@group(0) @binding(0) var<storage, read> input_a : array<f32>;
@group(0) @binding(1) var<storage, read> input_b : array<f32>;
@group(0) @binding(2) var<storage, write> output : array<f32>;

@compute @workgroup_size(64)
fn main(@builtin(global_invocation_id) id : vec3u) {
    let index = id.x;
    if (index < arrayLength(&input_a)) {
        output[index] = input_a[index] * input_b[index];
    }
}

JavaScript 端调用也不复杂：

const bufferA = device.createBuffer({
    size: Float32Array.BYTES_PER_ELEMENT * size,
    usage: GPUBufferUsage.STORAGE | GPUBufferUsage.COPY_DST
});
const bufferOut = device.createBuffer({
    size: Float32Array.BYTES_PER_ELEMENT * size,
    usage: GPUBufferUsage.STORAGE | GPUBufferUsage.COPY_SRC
});

const dataA = new Float32Array(matrixA_flat);
device.queue.writeBuffer(bufferA, 0, dataA);

const encoder = device.createCommandEncoder();
const pass = encoder.beginComputePass();
pass.setPipeline(pipeline);
pass.setBindGroup(0, bindGroup);
pass.dispatchWorkgroups(Math.ceil(size / 64));
pass.end();
device.queue.submit([encoder.finish()]);

实测性能：WebGPU vs WebGL vs CUDA

第三方实测数据（sitepoint.com/johal.in）：

4096×4096 矩阵是 ML 推理的常见输入规模。8 倍提速意味着你以前要等 3.8 秒的操作现在不到半秒就跑完了。和原生 CUDA 比，WebGPU 1.2 单精度浮点能达到 82%的吞吐量——对 Web API 来说已经是可以接受的生产级性能。

这个性能来自几个地方：GPU 天然擅长 SIMD 并行，矩阵乘法这种 O(n³) 操作非常适合 thousands of cores 并行处理。WebGPU 计算着色器不经过 DOM 渲染管线，减少了 CPU-GPU 通信开销。Safari 26 的 Metal 性能在 Apple Silicon 上也达到了接近原生的水平。

浏览器端 AI 推理的现状

WebLLM（webllm.mlc.ai）是目前最成熟的生产级方案，已经支持 Mistral-7B、LLaMA-3.1-8B、Phi-3-mini 等模型在浏览器本地运行。搭配 WebGPU 计算着色器，可以做：

本地推理：数据不上云，隐私敏感场景可以直接在用户设备跑 ML 推理。实时图像处理：GAN 生成、风格迁移、图像增强这类计算密集任务。物理模拟：刚体碰撞、流体动力学，多物体并行计算。数据可视化加速：大规模数据集的聚类、降维、FFT。

适用场景判断

不是所有场景都值得从服务器迁移到浏览器。判断标准：

需要 GPU 吗？计算着色器只适合大规模并行任务，小计算量反而增加 overhead。用户设备有 WebGPU 吗？caniuse.com 显示全球 ~90% 覆盖率（Chrome 113+/Firefox 121+/Safari 16.4+/Edge 113+）。数据能放客户端吗？涉及隐私的数据必须确认合规要求。首次加载能接受吗？WebLLM 模型文件通常 1-4GB，首次加载有延迟。

如果你的场景需要：实时 ML 推理 + 用户隐私 + 不想维护 GPU 服务器 + 用户设备较新，那 WebGPU 计算着色器就是值得尝试的方案。Safari 26 补完了四大浏览器支持，浏览器端 GPU 通用计算的时代正式开始了。

下一步

先在 caniuse.com 确认你的用户群覆盖率。如果目标用户主要是 Apple Silicon Mac，Safari 26 的 WebGPU + 计算着色器组合是当下最强选择。试着跑一个简单矩阵乘法基准测试，感受一下真实提速幅度，再决定是否迁移生产负载。