---
title: Google maakt ML Drift open source voor snellere kunstmatige intelligentie op apparaten
url: https://www.elseif.net/nl/google-maakt-ml-drift-open-source-voor-snellere-kunstmatige-intelligentie-op-apparaten
published: 2026-10-28T14:28:57+00:00
language: nl
section: Modellen
source: https://www.infoq.com/news/2026/10/google-ml-drift/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global
organizations: Google, Arm, Intel, Qualcomm Technologies, Adobe
publisher: elseif
---

# Google maakt ML Drift open source voor snellere kunstmatige intelligentie op apparaten

Google heeft ML Drift vrijgegeven, een open source, cross-platform GPU-berekeningsmotor die is ontworpen voor inferentie van kunstmatige intelligentie en machine learning op het apparaat zelf. Het project valt onder de Apache 2.0-licentie en abstrahert de complexiteiten van verschillende GPU-hardware en low-level API's. De motor ondersteunt OpenGL ES, OpenCL, Metal en WebGPU.

ML Drift vormt de kern van de GPU-versnelling die LiteRT aandrijft. Door de code open source te maken, stelt Google ontwikkelaars in staat om aangepaste grafische en inferentie-runtimes te bouwen. Dit geldt voor toepassingen die variëren van traditionele computer vision, audio en dieptebehandeling tot generatieve kunstmatige intelligentie. Een van de belangrijkste doelen is het vereenvoudigen van de toegang tot de diverse GPU-hardware die ontwikkelaars tegenkomen bij het creëren van applicaties voor edge-apparaten.

Ontwikkelaars worden geconfronteerd met een breed scala aan GPU-architecturen, driver-versies en low-level API's, zonder vooraf te weten op welke specifieke hardware de applicatie zal draaien. Google stelt dat ML Drift een nieuw fundament legt voor draagbaarheid en prestaties. Het levert stabiliteit voor traditionele machine learning en piekprestaties voor de meest geavanceerde generatieve kunstmatige intelligentie.

Vergeleken met de legacy TFLite GPU-delegate introduceert ML Drift enkele technische verbeteringen. Dit omvat geünificeerde shaders door tensorvirtualisatie, uitbreidbare aangepaste operaties en ondersteuning voor vijf-dimensionale tensors. De motor bevat ook hardware-specifieke optimalisaties voor GPU's van Arm, Intel en Qualcomm Technologies om de hardwarebenutting over moderne GPU's te maximaliseren.

ML Drift breidt de ondersteuning voor inferentie op desktops uit naar Windows en Linux via Dawn, de WebGPU-implementatie van Chromium. Op macOS blijft de ondersteuning voor de native Metal-backend behouden. Dawn biedt een geünificeerd API-model dat gebruikmaakt van de hardware-abstraheringslaag van WebGPU. Hierdoor is het niet nodig om direct te communiceren met platformspecifieke grafische API's zoals DirectX en Vulkan.

Google heeft ML Drift getest met Gemma-modellen op werkstationhardware voor ontwikkelaars. Het bedrijf rapporteert een 12 procent lager geheugengebruik vergeleken met andere frameworks, waaronder llama.cpp en MLX LM. Google benadrukt dat ML Drift al draait op miljoenen apparaten via apps zoals Chrome, YouTube Shorts, Photos en Meet.

In YouTube Shorts bereikt ML Drift een gemiddelde reductie van de frame-latency met tot 40 procent voor segmentatie-gebaseerde effecten op Android en iOS. In Google Photos versnelt het de berekeningsfotografie- en segmentatiepijplijnen met tot twee seconden. Adobe Lightroom en Photoshop profiteren van prestatieverbeteringen van tot 30 procent voor geselecteerde door kunstmatige intelligentie aangedreven foto-bewerkingsfuncties zoals Select Subject, Select Sky en Adaptive Portrait. Snapchat ziet een reductie van de model-latency met 30 procent voor door machine learning aangedreven gezicht- en stijlgeneratie-effecten op Android, wat het gebruik van grotere diffusiemodellen mogelijk maakt.

Pavithra Agraharam, een AI/ML-ingenieur, reageerde op de aankondiging op LinkedIn. Hij stelde dat native ondersteuning voor vijf-dimensionale tensors zonder layout-hacks een grote overwinning is voor het draaien van ruimtelijke en transformer-modellen op edge-GPU's. Het scheiden van logische tensors van fysieke geheugentoewijzingen zou de geheugenscattering tijdens live-inferentie aanzienlijk moeten verminderen. Matthew Charles Vladislav Busel, oprichter en enige ontwikkelaar van Tensorust, vroeg zich af hoe het vergelijkt met Core ML op recente iPhones qua latentie en geheugen, aangezien dat waar de meeste ontwikkelaars tegenwoordig tegen aan leveren. Google heeft echter geen vergelijkende cijfers verstrekt.

Met de vrijgave van ML Drift stopt Google met het bijwerken van de legacy TensorFlow Lite GPU-delegate. Voor achterwaartse compatibiliteit met bestaande modellen beveelt het bedrijf migratie naar de LiteRT ML Drift GPU-versneller aan. Applicatieontwikkelaars kunnen de LiteRT ML Drift-versneller gebruiken, terwijl GPU- en systeemingenieurs toegang hebben tot de lagere niveau C++ API om aangepaste GpuModel-berekeningsgrafieken te construeren en aangepaste shaders te schrijven.