Η Apple σε συνομιλίες με την PrismML για τη συρρίκνωση μεγάλων μοντέλων AI για επεξεργασία iPhone στη συσκευή

Η Apple βρίσκεται σε ενεργές συνομιλίες με το PrismML, ένα spinout της Caltech που υποστηρίζεται από την Khosla Ventures, για να αξιολογήσει την τεχνολογία που μπορεί να συρρικνώσει αρκετά ισχυρά μοντέλα τεχνητής νοημοσύνης ώστε να εκτελούνται απευθείας σε ένα iPhone, ενδεχομένως μεταμορφώνοντας τον τρόπο με τον οποίο η Apple Intelligence επεξεργάζεται αιτήματα στις συσκευές της.

Το CNBC ανέφερε για πρώτη φορά στις 14 Ιουλίου 2026 ότι η Apple αξιολογεί την τεχνολογία συμπίεσης μοντέλων του PrismML, για την οποία η startup ισχυρίζεται ότι μπορεί να μειώσει τα μεγέθη μοντέλων τεχνητής νοημοσύνης με παράγοντες τάξης μεγέθους, χρησιμοποιώντας αρχιτεκτονικές ακραίας ακρίβειας χαμηλού bit. Η PrismML επιβεβαίωσε τις συζητήσεις σε μια δήλωση στο AppleInsider την ίδια μέρα.

Για τις πιο πρόσφατες εξελίξεις της βιομηχανίας AI και την ανάλυση τεχνολογίας, το AI Buzz Wire καλύπτει τα εργαλεία που αναδιαμορφώνουν το τοπίο.

Η σημαντική ανακάλυψη: Εκτέλεση του Qwen 3.6 σε iPhone

Σύμφωνα με το Seeking Alpha, η PrismML συμπίεσε επιτυχώς το ανοιχτού κώδικα Qwen 3.6 μοντέλο της Alibaba για να τρέξει στο iPhone 17 Pro — ένα ορόσημο που περιγράφεται ως λειτουργία του μεγαλύτερου μοντέλου τεχνητής νοημοσύνης σε smartphone καταναλωτών. Η startup λέει ότι η τεχνολογία της χρησιμοποιεί έως και 15 φορές λιγότερη μνήμη από τις συμβατικές αρχιτεκτονικές μοντέλων.

Η προσέγγιση του PrismML επικεντρώνεται σε αρχιτεκτονικές νευρωνικών δικτύων 1 bit και τριμερών. Στα παραδοσιακά μοντέλα τεχνητής νοημοσύνης, κάθε παράμετρος βάρους αποθηκεύεται ως αριθμός κινητής υποδιαστολής 16-bit ή 32-bit. Αντίθετα, το PrismML αποθηκεύει τα βάρη με εξαιρετική ακρίβεια χαμηλών bit — ως δυαδικές τιμές (+1, -1) ή τριμερείς τιμές (+1, 0, -1) — μειώνοντας δραματικά το αποτύπωμα της μνήμης χωρίς να θυσιάζει σοβαρά τη λογική ή τις δυνατότητες παραγωγής.

Δεν πρόκειται για απλή κβαντοποίηση, την ευρέως χρησιμοποιούμενη τεχνική μείωσης της ακρίβειας σε ένα ήδη εκπαιδευμένο μοντέλο. Οι αρχιτεκτονικές του PrismML έχουν σχεδιαστεί από την αρχή για λειτουργία χαμηλού bit, κάτι που η εταιρεία λέει ότι διατηρεί την ποιότητα του μοντέλου πολύ καλύτερα από τις μεθόδους συμπίεσης μετά την εκπαίδευση.

Γιατί η Apple θέλει AI On-Device

Η αναφερόμενη σημαντική ανακάλυψη έχει προσελκύσει την προσοχή της Apple καθώς η εταιρεία επεκτείνει την πλατφόρμα Apple Intelligence. Η εκτέλεση μεγαλύτερων μοντέλων τεχνητής νοημοσύνης απευθείας σε iPhone θα επέτρεπε τη λειτουργία περισσότερων λειτουργιών στη συσκευή παρά μέσω των Private Cloud Compute διακομιστών της Apple, οι οποίοι επί του παρόντος χειρίζονται πολύπλοκα αιτήματα τεχνητής νοημοσύνης.

Τα οφέλη είναι διπλά. Πρώτον, η επεξεργασία στη συσκευή ενισχύει το απόρρητο των χρηστών διατηρώντας δεδομένα στο τηλέφωνο αντί να τα μεταδίδει σε διακομιστές cloud - ένα βασικό στοιχείο διαφοροποίησης που έχει τονίσει η Apple από τότε που κυκλοφόρησε το Apple Intelligence. Δεύτερον, μειώνει το λειτουργικό κόστος της Apple μειώνοντας την εξάρτηση από την ακριβή υποδομή cloud και τη χωρητικότητα του κέντρου δεδομένων που απαιτείται για την εξυπηρέτηση εκατοντάδων εκατομμυρίων χρηστών iPhone.

Η MacRumors σημειώνει ότι η τεχνολογία θα μπορούσε να επιτρέψει στην Apple να προσφέρει πιο εξελιγμένα χαρακτηριστικά τεχνητής νοημοσύνης - όπως προηγμένη δημιουργία κειμένου, σύνθετες εργασίες συλλογισμού και πλουσιότερες αλληλεπιδράσεις Siri - χωρίς να απαιτείται σύνδεση δικτύου ή να καταναλώνει σημαντική διάρκεια μπαταρίας.

Πιθανός αντίκτυπος στην αγορά τσιπ AI

Εάν οι ισχυρισμοί του PrismML ισχύουν σε πραγματικές δοκιμές, οι επιπτώσεις θα μπορούσαν να επεκταθούν πολύ πέρα από την Apple. Το CNBC αναφέρει ότι η τεχνολογία θα μπορούσε να αναδιαμορφώσει τη ζήτηση για τσιπ μνήμης και υπολογιστές κέντρων δεδομένων, καθώς περισσότερη επεξεργασία τεχνητής νοημοσύνης μετατοπίζεται από το cloud στις καταναλωτικές συσκευές.

Επί του παρόντος, ο κλάδος της τεχνητής νοημοσύνης ξοδεύει εκατοντάδες δισεκατομμύρια δολάρια σε υποδομές κέντρων δεδομένων, GPU Nvidia και μνήμη υψηλού εύρους ζώνης για την εκπαίδευση και την εξυπηρέτηση μεγάλων μοντέλων γλώσσας. Εάν τα μοντέλα μπορούν να συμπιεστούν δραματικά για χρήση στη συσκευή, μέρος αυτής της ζήτησης θα μπορούσε να μετατοπιστεί προς τα τσιπ υπολογιστών αιχμής και μακριά από κεντρικά κέντρα δεδομένων.

Ωστόσο, οι αναλυτές προειδοποιούν ότι η εκπαίδευση μοντέλων τεχνητής νοημοσύνης θα εξακολουθεί να απαιτεί τεράστιους υπολογιστικούς πόρους ανεξάρτητα από το πόσο αποτελεσματικά μπορούν να συμπιεστούν για συμπέρασμα. Η τεχνολογία συμπίεσης ασχολείται με την ανάπτυξη και την εξαγωγή συμπερασμάτων, όχι τη φάση εκπαίδευσης, η οποία παραμένει το πιο απαιτητικό τμήμα του αγωγού τεχνητής νοημοσύνης.

Ιστορικό και χρηματοδότηση του PrismML

Το PrismML είναι μια startup και ερευνητικό εργαστήριο τεχνητής νοημοσύνης που προέρχεται από το Ινστιτούτο Τεχνολογίας της Καλιφόρνια. Η εταιρεία έχει πρωτοπορήσει εμπορικά βιώσιμες αρχιτεκτονικές νευρωνικών δικτύων χαμηλού bit, μια περιοχή που έχει δει σημαντικό ακαδημαϊκό ενδιαφέρον αλλά περιορισμένη εμπορική ανάπτυξη μέχρι τώρα.

Η startup υποστηρίζεται από την Khosla Ventures, την εξέχουσα εταιρεία επιχειρηματικών κεφαλαίων γνωστή για τις πρώτες επενδύσεις σε εταιρείες μετασχηματιστικής τεχνολογίας. Το Information ανέφερε για πρώτη φορά την ανακάλυψη του PrismML στις 9 Ιουλίου, περιγράφοντάς το ως το μεγαλύτερο μοντέλο τεχνητής νοημοσύνης σε iPhone.

Η σύνδεση του Caltech είναι σημαντική. Η ακαδημαϊκή έρευνα σε δυαδικά και τριμερή νευρωνικά δίκτυα είναι ενεργή εδώ και χρόνια, αλλά η μετάφραση αυτών των τεχνικών σε συστήματα ποιότητας παραγωγής που ταιριάζουν με την απόδοση τυπικών μοντέλων έχει αποδειχθεί εξαιρετικά δύσκολη. Ο ισχυρισμός της PrismML για εμπορική βιωσιμότητα — που επικυρώθηκε με την εκτέλεση ενός μοντέλου τόσο μεγάλου όσο το Qwen 3.6 σε καταναλωτικό υλικό — αντιπροσωπεύει ένα σημαντικό βήμα προς τα εμπρός.

Ανταγωνιστικό τοπίο

Η Apple δεν είναι η μόνη που επιδιώκει την τεχνητή νοημοσύνη στη συσκευή. Η Qualcomm έχει προωθήσει τις δυνατότητες τεχνητής νοημοσύνης στη συσκευή μέσω των επεξεργαστών Snapdragon της, η Google έχει ενσωματώσει μοντέλα στη συσκευή σε τηλέφωνα Pixel και η Samsung έχει συνεργαστεί με την Google για να φέρει το Gemini Nano στις συσκευές Galaxy. Ωστόσο, τα περισσότερα τρέχοντα μοντέλα στη συσκευή είναι σχετικά μικρά — συνήθως στο εύρος παραμέτρων 1-3 δισεκατομμύρια.

Η τεχνολογία του PrismML, εάν αποδειχθεί σε κλίμακα, θα μπορούσε να επιτρέψει σε πολύ μεγαλύτερα μοντέλα — ενδεχομένως σε δεκάδες δισεκατομμύρια παραμέτρους — να λειτουργούν σε smartphone, αλλάζοντας ουσιαστικά τη δυναμική του ανταγωνισμού. Αυτό θα έδινε στην Apple ένα σημαντικό πλεονέκτημα έναντι των ανταγωνιστών που εξαρτώνται περισσότερο από την επεξεργασία τεχνητής νοημοσύνης που βασίζεται στο cloud.

Η TrendForce σημειώνει ότι το ορόσημο του PrismML «αντανακλά την ευρύτερη ώθηση της Apple να τρέξει την τεχνητή νοημοσύνη απευθείας σε συσκευές αντί να βασίζεται στην υποδομή cloud». Η εταιρεία ερευνών αγοράς προτείνει ότι η επιτυχής συμπίεση στη συσκευή θα μπορούσε να επιταχύνει τη στροφή προς την τεχνητή νοημοσύνη αιχμής στη βιομηχανία ηλεκτρονικών ειδών ευρείας κατανάλωσης.

Τι ακολουθεί

Οι συνομιλίες της Apple με την PrismML φέρεται να βρίσκονται στη φάση αξιολόγησης, πράγμα που σημαίνει ότι οι εταιρείες αξιολογούν εάν η τεχνολογία πληροί τα πρότυπα απόδοσης και αξιοπιστίας της Apple. Δεν υπάρχει καμία εγγύηση ότι η συνεργασία θα οδηγήσει σε εμπορικό προϊόν και η Apple δεν έχει σχολιάσει δημόσια τις συζητήσεις.

Εάν η τεχνολογία ενσωματωθεί σε μελλοντικά προϊόντα της Apple, θα μπορούσε να εμφανιστεί σε ενημερώσεις iOS ή νέες γενιές υλικού. Το iPhone 17 Pro, το οποίο χρησιμοποίησε το PrismML για την επίδειξή του, διαθέτει ήδη σημαντικές δυνατότητες νευρωνικής επεξεργασίας μέσω του Neural Engine της Apple.

Το ευρύτερο ερώτημα είναι εάν οι αρχιτεκτονικές τεχνητής νοημοσύνης χαμηλών bit θα γίνουν βιομηχανικό πρότυπο ή θα παραμείνουν μια εξειδικευμένη βελτιστοποίηση. Προς το παρόν, τα αποτελέσματα του PrismML υποδηλώνουν ότι η προσέγγιση έχει ξεπεράσει ένα κρίσιμο όριο — και το ενδιαφέρον της Apple σηματοδοτεί ότι η τεχνολογία λαμβάνεται σοβαρά υπόψη στα υψηλότερα επίπεδα της βιομηχανίας ηλεκτρονικών ευρείας κατανάλωσης.

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Για ολοκληρωμένη κάλυψη του υλικού τεχνητής νοημοσύνης, της βελτιστοποίησης μοντέλων και των εξελίξεων του κλάδου, επισκεφτείτε το AI Buzz Wire.

Διαβάστε περισσότερα νέα AI →