通信界讯 总是习惯性晚一步的苹果，已经悄然瞄向了大热的AI，此前围绕在iOS18传闻周围的关键词正是AI与智慧助手的升级，本周关于这一传闻有了进一步的指向性内容，那就是端侧AI。
苹果瞄向端侧AI
据彭博社记者Mark Gurman在一档节目中透露，苹果在iOS18上的首批AI功能将无需依赖云端服务器的算力，可完全在本地运行。
这意味着，苹果将通过相关框架让大语言模型得以小型化，通过模型量化技术减小模型大小和提高推理速度，同时实现并发处理和高效利用设备资源，从而能够在终端本地安装并运行。实际上，目前已经有相关AI应用发布于苹果App Store，并可在终端本地运行16亿-70亿参数量不等的大语言模型。
此前，相关消息显示，iOS 18系统内的多个功能，以及相关苹果生态下的官方应用，都将因为AI而受益。例如正在的开发一个集成AI的消息应用功能，能够更快速恢复短信内容。据福布斯的预测，生成式AI能力还将为苹果的生产力工具带来升级，例如Pages、Keynote、Numbers这三大办公套件，将可获得一系列新能力。
同时，苹果还公布了自研的MM1多态大语言模型(Multimodal LLM)。MM1共分为三个参数规模，其中最大的拥有300亿参数。根据科技博客Daily Dev的评测显示，MM1在GLUE-Score等多项评测指标上要略优于GPT-4V和Gemini Pro。
硬件配置吃得消吗？
不过，如果将升级的能力全部依托于端侧的话，苹果手机目前的硬件配置能否吃得消的问题也浮出了水面。当设备运行生成式AI模型的时候，一般会占用一定的RAM空间，同时模型本身也会占据一定的硬盘空间。
而上述两项对于苹果设备来说，显然是个小痛点。目前iPhone 15 Pro系列的RAM为8GB，iPhone 15系列为6GB，而iPhone 13系列仅为4GB。考虑到本地运行模型运算是对于RAM的占用，iPhone 15 Pro系列的8GB可能最为适宜，而6GB的iPhone 15系列只能将就。4GB的iPhone 13系列很可能将难以满足运行需求。
同时，对于一直被网友戏称为把硬盘空间当金子卖的苹果来说，一些旧有机型的用户届时在实现系统升级，并获得相关本地生成式AI能力的时候，或将面临本地存储空间吃紧的问题。要知道，因为空间不足导致升级系统失败的案例曾经在iPhone 4s时代大规模出现过。
不过好消息是，大量现役iPhone机型的NPU算力并不成问题，苹果近年来在每代A系列芯片上的升级重点就在于NPU。例如A17 Pro的NPU在算力上实现了两倍的提升，相比于提升10%的CPU与提升20%的GPU，可谓是牙膏爆挤。
端侧AI大爆发的必然
其实，对于习惯性晚一步的苹果来说，发力端侧AI更意味着对于该技术方向的肯定。同理在近期，苹果也放弃了耗时10年的电动车计划，并同样把该领域的研究经费转向AI领域。
而端侧AI也完全符合苹果对于安全与隐私上的产品定位，由于端侧AI能够让敏感数据完全在本地运行，保证了数据不会上传至云端，也就在实现AI能力的同时，保证了隐私。对于依靠云端服务器的AI而言，例如在近期宣布无需注册就能使用的ChatGPT，如果用户需要强化保护自身的聊天数据，就需要手动在设置中选择不将聊天记录用于训练，但其实很多用户在日常使用中都会忽略这点。
随着生成式AI模型的变小，100亿及更多参数的生成式AI模型也即将能够在终端侧运行。实际上，目前在笔记本设备中，已经能够运行130亿参数的大语言模型，相信在智能手机流畅运行已指日可待。这就意味着，在端侧设备上，同样可以实现媲美云端服务器的文字生成图像、对话和NLP、协作机器人、图像理解等功能，只要输入与生成的量级可控，端侧AI同样能够带来令人满意的表现。
这方面，Android阵营已经先行一步。
小米方面曾在去年透露，从2016年开始，小米就开始了对大模型的研究和开发，今年更是成立了专门的大模型团队。目前，小米的AI相关团队已经超过3000人。还有报道称，小米AI大模型的一个13亿参数大模型已经成功在手机本地跑通，部分场景可以媲美60亿参数模型在云端运行结果。
今年MWC巴塞罗那上，高通展出了全球首个运行多模态大模型（LMM）的手机，支持超过70亿参数大模型，不仅能够接受文本输入，还可以接受图像、音频等其它输入数据类型。
荣耀在今年年初发布了自研端侧 70 亿参数平台级 AI 大模型“魔法大模型”，并表示现有操作系统都值得用 AI 重做一遍。
vivo的AI蓝心大模型也实现了“端侧7B+云侧70B”超大参数规模部署，能实现超过700种手机相关功能，为超过2000万用户提供超能问答、超能创作、超能搜索、超能管理、超能交互等AI服务。
不过，端侧AI无疑才刚刚上路，至少目前它的很多功能展示更像是手机发烧友的玩具，然而，随着习惯性晚一步的苹果的引入，完全成熟可用的本地生成式AI功能即将到来。2024年，对于端侧AI来说，或许将是从“玩具”到“工具”的关键一年。
