苹果探索端侧AI，iPhone或迎本地模型升级

AI竞争正在从云端算力延伸到手机内部。

据CNBC报道，苹果正在与AI初创公司PrismML进行初步接触，并评估其模型压缩技术，希望让更大型的人工智能模型直接运行在iPhone设备上，而不是完全依赖云端服务器。

这背后对应的是移动AI发展的一个关键问题：手机越来越智能，但计算资源始终有限。

过去几年，大模型快速发展，参数规模不断扩大，训练和推理越来越依赖数据中心中的高性能芯片。对于手机厂商而言，如何把这些能力搬到终端设备，一直是技术挑战。云端方案虽然算力强大，但会带来延迟、网络依赖以及隐私问题。

PrismML提出的方向，正是压缩模型规模，让大模型能够适配移动设备。

该公司表示，其技术可以将AI模型内存占用降低10至15倍，使拥有270亿参数的模型能够在iPhone 15及以上设备运行。同时，经过优化后的模型响应速度可提升6至8倍，能耗降低3至6倍。

如果这些指标能够在实际产品中实现，苹果可能进一步推动Siri以及生成式AI功能向本地运行迁移。

这对于苹果来说具有现实意义。

近年来，苹果在人工智能领域一直采取相对谨慎的路线。与部分竞争对手直接接入云端大模型不同，苹果更强调设备端处理、用户隐私和系统整合能力。iPhone作为全球最大的智能手机生态之一，任何AI功能的升级都需要考虑功耗、稳定性以及用户体验，而不仅仅是模型能力。

端侧AI可能成为苹果区别于其他厂商的重要方向。

从产业链角度看，智能手机AI正在形成新的竞争层级。上游是芯片和模型优化技术，中间是操作系统和应用生态，下游则是消费者使用场景。过去手机厂商比拼摄像头、屏幕和处理器性能，未来AI运行效率可能成为新的硬件指标。

这也是为什么模型压缩技术受到关注。

大模型并不一定越大越好。对于手机这种资源受限设备而言，更重要的是如何在有限内存、有限电量条件下完成高效推理。类似的技术路线已经被芯片厂商、云计算企业以及AI创业公司广泛探索，希望找到性能与成本之间的新平衡。

不过，技术落地仍存在不少现实问题。

实验环境中的模型优化效果，并不等同于消费者每天使用时的表现。手机AI需要面对复杂场景，包括多任务运行、温度控制、电池消耗以及长期性能稳定性。如果模型运行导致设备续航明显下降，用户体验反而可能受到影响。

此外，大规模部署端侧AI也会改变云计算产业链的利益分配。

目前，大量生成式AI服务依赖云端服务器，这推动了数据中心、GPU以及云服务需求增长。如果越来越多任务转移到终端设备，部分计算需求可能被重新分配。不过，对于大型科技公司而言，云端与本地并非完全替代关系，未来更可能形成混合计算模式。

苹果此次评估PrismML技术，释放出的信号并不是简单追赶AI模型能力，而是在寻找一种更符合手机生态的人工智能路径。

未来的智能手机竞争，可能不只是看谁能调用最大的模型，而是谁能让AI真正进入用户每天的设备里，在没有网络、没有等待的情况下依然工作。