اپل در حال گفتگوهای فعال با PrismML، یک شرکت کال‌تک است که توسط Khosla Ventures پشتیبانی می‌شود، تا فناوری‌هایی را ارزیابی کند که می‌تواند مدل‌های هوش مصنوعی قدرتمند را به اندازه‌ای کوچک کند که مستقیماً روی آیفون اجرا شوند و به طور بالقوه نحوه پردازش درخواست‌ها را توسط Apple Intelligence در دستگاه‌های خود تغییر دهد.

CNBC برای اولین بار در 14 ژوئیه 2026 گزارش داد که اپل در حال ارزیابی فناوری فشرده سازی مدل PrismML است، که به ادعای استارتاپ می تواند اندازه مدل های هوش مصنوعی را با استفاده از معماری های بسیار دقیق با بیت کم با عوامل درجه یک کاهش دهد. PrismML در همان روز در بیانیه ای به AppleInsider این بحث ها را تایید کرد.

برای آخرین [پیشرفت‌های صنعت هوش مصنوعی] (https://aibuzzwire.news) و تجزیه و تحلیل فناوری، AI Buzz Wire ابزارهایی را پوشش می‌دهد که منظره را تغییر می‌دهند.

پیشرفت: اجرای Qwen 3.6 در آیفون

به گزارش Seeking Alpha، PrismML با موفقیت مدل زبان بزرگ Qwen 3.6 منبع باز علی بابا را برای اجرا بر روی iPhone 17 Pro فشرده کرد - نقطه عطفی که به عنوان اجرای بزرگترین مدل هوش مصنوعی در یک گوشی هوشمند مصرف کننده توصیف می شود. این استارت آپ می گوید فناوری آن تا 15 برابر کمتر از معماری مدل های معمولی از حافظه استفاده می کند.

رویکرد PrismML بر روی معماری شبکه های عصبی 1 بیتی و سه تایی متمرکز است. در مدل‌های سنتی هوش مصنوعی، هر پارامتر وزن به عنوان یک عدد ممیز شناور 16 بیتی یا 32 بیتی ذخیره می‌شود. PrismML در عوض وزن‌ها را با دقت بسیار کم بیت ذخیره می‌کند - به عنوان مقادیر باینری (+1، -1) یا مقادیر سه تایی (+1، 0، -1) - به طور چشمگیری ردپای حافظه را بدون قربانی کردن شدید استدلال یا قابلیت‌های تولیدی کاهش می‌دهد.

این کوانتیزاسیون ساده نیست، روشی که به طور گسترده برای کاهش دقت در یک مدل از قبل آموزش دیده استفاده می شود. معماری‌های PrismML از ابتدا برای عملیات کم‌بیت طراحی شده‌اند، که این شرکت می‌گوید کیفیت مدل را به مراتب بهتر از روش‌های فشرده‌سازی پس از آموزش حفظ می‌کند.

چرا اپل هوش مصنوعی روی دستگاه می خواهد؟

پیشرفت گزارش شده توجه اپل را به خود جلب کرده است زیرا این شرکت پلت فرم هوشمند اپل خود را گسترش می دهد. اجرای مدل‌های هوش مصنوعی بزرگ‌تر به‌طور مستقیم بر روی آیفون‌ها، به جای سرورهای خصوصی Cloud Compute اپل، که در حال حاضر درخواست‌های پیچیده هوش مصنوعی را انجام می‌دهند، امکان عملکرد بیشتر ویژگی‌های روی دستگاه را فراهم می‌کند.

فواید آن دوچندان است. اول، پردازش روی دستگاه، حریم خصوصی کاربر را با نگه‌داشتن داده‌ها بر روی تلفن به جای انتقال آن به سرورهای ابری، افزایش می‌دهد - عامل اصلی تمایز اپل از زمان راه‌اندازی Apple Intelligence. دوم، هزینه های عملیاتی اپل را با کاهش وابستگی به زیرساخت های ابری گران قیمت و ظرفیت مرکز داده مورد نیاز برای خدمت رسانی به صدها میلیون کاربر آیفون کاهش می دهد.

MacRumors اشاره می‌کند که این فناوری می‌تواند به اپل امکان ارائه ویژگی‌های پیشرفته‌تر هوش مصنوعی - مانند تولید متن پیشرفته، وظایف استدلالی پیچیده‌تر، و تعاملات غنی‌تر Siri - را بدون نیاز به اتصال شبکه یا مصرف باتری قابل توجه ارائه دهد.

تاثیر بالقوه بر بازار تراشه های هوش مصنوعی

اگر ادعاهای PrismML در آزمایش های دنیای واقعی پابرجا باشد، پیامدهای آن می تواند فراتر از اپل باشد. CNBC گزارش می دهد که این فناوری می تواند تقاضا برای تراشه های حافظه و محاسبات مرکز داده را تغییر دهد، زیرا پردازش های بیشتر هوش مصنوعی از ابر به دستگاه های مصرف کننده تغییر می کند.

در حال حاضر، صنعت هوش مصنوعی صدها میلیارد دلار برای زیرساخت‌های مرکز داده، پردازنده‌های گرافیکی Nvidia و حافظه با پهنای باند بالا برای آموزش و ارائه مدل‌های زبان بزرگ هزینه می‌کند. اگر بتوان مدل‌ها را به‌طور چشمگیری برای استفاده در دستگاه فشرده کرد، بخشی از این تقاضا می‌تواند به سمت تراشه‌های محاسباتی لبه‌ای تغییر کند و از مراکز داده متمرکز دور شود.

با این حال، تحلیلگران هشدار می دهند که آموزش مدل های هوش مصنوعی صرف نظر از اینکه چقدر می توانند برای استنتاج فشرده شوند، همچنان به منابع محاسباتی عظیم نیاز دارند. فناوری فشرده سازی به استقرار و استنتاج می پردازد، نه مرحله آموزش، که محاسباتی ترین بخش خط لوله هوش مصنوعی باقی می ماند.

سابقه و بودجه PrismML

PrismML یک استارتاپ و آزمایشگاه تحقیقاتی هوش مصنوعی است که از موسسه فناوری کالیفرنیا منشعب شده است. این شرکت پیشگام معماری‌های شبکه‌های عصبی کم‌بیت تجاری با دوام بوده است، حوزه‌ای که تا به امروز دارای علاقه‌های آکادمیک قابل‌توجهی بوده، اما گسترش تجاری محدودی داشته است.

این استارت‌آپ توسط Khosla Ventures، شرکت سرمایه‌گذاری مخاطره‌آمیز برجسته که به دلیل سرمایه‌گذاری اولیه در شرکت‌های فناوری تحول‌آفرین شناخته شده است، پشتیبانی می‌شود. The Information اولین بار در 9 جولای پیشرفت PrismML را گزارش کرد و آن را به عنوان بزرگترین مدل هوش مصنوعی در آیفون توصیف کرد.

ارتباط Caltech قابل توجه است. تحقیقات آکادمیک در مورد شبکه‌های عصبی باینری و سه تایی برای سال‌ها فعال بوده است، اما تبدیل این تکنیک‌ها به سیستم‌های با کیفیت تولید که با عملکرد مدل‌های استاندارد مطابقت دارند، بسیار دشوار است. ادعای PrismML مبنی بر دوام تجاری - تایید شده با اجرای مدلی به بزرگی Qwen 3.6 بر روی سخت افزار مصرف کننده - نشان دهنده یک گام معنادار به جلو است.

چشم انداز رقابتی

اپل در پیگیری هوش مصنوعی روی دستگاه تنها نیست. کوالکام قابلیت‌های هوش مصنوعی روی دستگاه را از طریق پردازنده‌های اسنپدراگون خود ارتقا داده است، گوگل مدل‌های روی دستگاه را در تلفن‌های پیکسل ادغام کرده است، و سامسونگ با گوگل همکاری کرده است تا Gemini Nano را به دستگاه‌های گلکسی بیاورد. با این حال، اکثر مدل‌های فعلی روی دستگاه نسبتاً کوچک هستند - معمولاً در محدوده پارامتری 1 تا 3 میلیارد.

فناوری PrismML، اگر در مقیاس ثابت شود، می‌تواند مدل‌های بسیار بزرگ‌تر را - به طور بالقوه در ده‌ها میلیارد پارامتر - در تلفن‌های هوشمند اجرا کند و پویایی رقابت را اساساً تغییر دهد. این امر به اپل برتری قابل توجهی نسبت به رقبایی می دهد که بیشتر به پردازش هوش مصنوعی مبتنی بر ابر وابسته هستند.

TrendForce خاطرنشان می کند که نقطه عطف PrismML "منعکس کننده فشار گسترده تر اپل برای اجرای مستقیم هوش مصنوعی به جای تکیه بر زیرساخت های ابری است." این شرکت تحقیقاتی بازار پیشنهاد می‌کند که فشرده‌سازی موفق روی دستگاه می‌تواند حرکت به سمت هوش مصنوعی لبه‌ای را در صنعت لوازم الکترونیکی مصرفی تسریع کند.

بعد چه می آید

طبق گزارش‌ها، مذاکرات اپل با PrismML در مرحله ارزیابی است، به این معنی که شرکت‌ها در حال ارزیابی هستند که آیا این فناوری با استانداردهای عملکرد و قابلیت اطمینان اپل مطابقت دارد یا خیر. هیچ تضمینی وجود ندارد که این همکاری منجر به یک محصول تجاری شود و اپل به طور عمومی در مورد بحث ها اظهار نظر نکرده است.

اگر این فناوری در محصولات آینده اپل ادغام شود، می‌تواند در به‌روزرسانی‌های iOS یا نسل‌های سخت‌افزار جدید ظاهر شود. آیفون 17 پرو، که PrismML برای نمایش خود از آن استفاده کرد، در حال حاضر دارای قابلیت‌های پردازش عصبی قابل توجهی از طریق موتور عصبی اپل است.

سوال گسترده‌تر این است که آیا معماری‌های هوش مصنوعی کم‌بیت به یک استاندارد صنعتی تبدیل می‌شوند یا یک بهینه‌سازی خاص باقی می‌مانند. در حال حاضر، نتایج PrismML نشان می دهد که این رویکرد از آستانه بحرانی عبور کرده است - و علاقه اپل نشان می دهد که این فناوری در بالاترین سطوح صنعت الکترونیک مصرفی جدی گرفته می شود.

از هوش مصنوعی جلوتر بمانید

برای پوشش جامع سخت افزار هوش مصنوعی، بهینه سازی مدل، و پیشرفت های صنعت، از [AI Buzz Wire] (https://aibuzzwire.news) دیدن کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →