אפל מנהלת מגעים פעילים עם PrismML, ספין-אוט של Caltech המגובה על ידי Khosla Ventures, כדי להעריך טכנולוגיה שיכולה לכווץ דגמי AI חזקים מספיק כדי לרוץ ישירות על אייפון, מה שעלול לשנות את האופן שבו Apple Intelligence מעבד בקשות במכשיריה.
CNBC דיווחה לראשונה ב-14 ביולי 2026 כי אפל בוחנת את טכנולוגיית הדחיסה של המודל של PrismML, שלטענת הסטארט-אפ יכולה להפחית את גדלי דגמי הבינה המלאכותית לפי גורמים בסדר גודל תוך שימוש בארכיטקטורות דיוק קיצוניות של סיביות. PrismML אישרה את הדיונים בהצהרה ל-AppleInsider באותו היום.
עבור הפיתוחים האחרונים בתעשיית AI וניתוח טכנולוגיה, AI Buzz Wire מכסה את הכלים המעצבים מחדש את הנוף.
פריצת הדרך: הפעלת Qwen 3.6 באייפון
לפי Seeking Alpha, PrismML דחסה בהצלחה את דגם השפה הגדול Qwen 3.6 של עליבאבא בקוד פתוח כדי לרוץ על ה-iPhone 17 Pro - אבן דרך שתוארה כהפעלת דגם ה-AI הגדול ביותר אי פעם בסמארטפון לצרכן. הסטארט-אפ אומר שהטכנולוגיה שלו משתמשת בזיכרון עד פי 15 מארכיטקטורות דגמים קונבנציונליות.
הגישה של PrismML מתמקדת בארכיטקטורות רשת עצביות של 1-bit ושלישיות. בדגמי AI מסורתיים, כל פרמטר משקל מאוחסן כמספר נקודה צפה של 16 סיביות או 32 סיביות. PrismML במקום זאת מאחסן משקלים ברמת דיוק קיצונית של סיביות - כערכים בינאריים (+1, -1) או ערכים טרינריים (+1, 0, -1) - ומפחיתה באופן דרמטי את טביעת הרגל של הזיכרון מבלי להקריב באופן חמור את ההיגיון או היכולות היצירתיות.
זוהי קוונטיזציה לא פשוטה, הטכניקה הנפוצה של הפחתת דיוק במודל שכבר מיומן. הארכיטקטורות של PrismML מתוכננות מהיסוד לפעולת סיביות נמוכה, שלדבריה החברה שומרת על איכות המודל הרבה יותר טוב משיטות דחיסה לאחר אימון.
מדוע אפל רוצה AI במכשיר
פריצת הדרך המדווחת משכה את תשומת הלב של אפל כאשר החברה מרחיבה את פלטפורמת Apple Intelligence שלה. הפעלת דגמי AI גדולים יותר ישירות על מכשירי אייפון תאפשר ליותר תכונות לפעול במכשיר ולא דרך שרתי Private Cloud Compute של אפל, המטפלים כיום בבקשות AI מורכבות.
היתרונות הם כפולים. ראשית, עיבוד במכשיר משפר את פרטיות המשתמש על ידי שמירת נתונים בטלפון במקום שידורם לשרתי ענן - מאפיינים מרכזיים שאפל הדגישה מאז השקת Apple Intelligence. שנית, היא מפחיתה את עלויות התפעול של אפל על ידי הקטנת ההסתמכות על תשתית ענן יקרה וקיבולת מרכז הנתונים הנדרשת לשרת מאות מיליוני משתמשי אייפון.
MacRumors מציינת שהטכנולוגיה יכולה לאפשר לאפל להציע תכונות AI מתוחכמות יותר - כגון יצירת טקסט מתקדמת, משימות חשיבה מורכבות ואינטראקציות עשירות יותר של Siri - מבלי להידרש לחיבור רשת או לצרוך חיי סוללה משמעותיים.
השפעה פוטנציאלית על שוק שבבי הבינה המלאכותית
אם הטענות של PrismML יחזיקו מעמד בבדיקות בעולם האמיתי, ההשלכות עשויות להרחיק הרבה מעבר לאפל. CNBC מדווחת כי הטכנולוגיה עשויה לעצב מחדש את הביקוש לשבבי זיכרון ומחשוב מרכזי נתונים, ככל שעיבוד AI יותר עובר מהענן למכשירים צרכניים.
נכון לעכשיו, תעשיית הבינה המלאכותית מוציאה מאות מיליארדי דולרים על תשתית מרכזי נתונים, GPUs של Nvidia וזיכרון ברוחב פס גבוה כדי לאמן ולשרת דגמי שפות גדולים. אם ניתן לדחוס דגמים באופן דרמטי לשימוש במכשיר, חלק מהביקוש הזה עלול לעבור לכיוון שבבי מחשוב קצה ולהתרחק ממרכזי נתונים מרכזיים.
עם זאת, אנליסטים מזהירים כי אימון מודלים של בינה מלאכותית עדיין ידרוש משאבי מחשוב מסיביים ללא קשר למידת היעילות שניתן לדחוס אותם לצורך מסקנות. טכנולוגיית הדחיסה מתייחסת לפריסה ולהסקה, לא לשלב האימון, שנותר החלק עתיר המחשוב בצינור הבינה המלאכותית.
הרקע והמימון של PrismML
PrismML היא סטארט-אפ ומעבדת מחקר בינה מלאכותית שנבנתה מהמכון הטכנולוגי של קליפורניה. החברה הייתה חלוצה בארכיטקטורות של רשתות עצביות בעלות סיביות נמוכה מבחינה מסחרית, תחום שראה עניין אקדמי משמעותי אך פריסה מסחרית מוגבלת עד כה.
הסטארט-אפ מגובה על ידי Khosla Ventures, חברת ההון סיכון הבולטת הידועה בהשקעות מוקדמות בחברות טכנולוגיה טרנספורמטיביות. ה-Information דיווח לראשונה על פריצת הדרך של PrismML ב-9 ביולי, ותיאר אותה כמריץ את דגם ה-AI הגדול ביותר אי פעם באייפון.
החיבור של קלטק הוא משמעותי. מחקר אקדמי על רשתות עצביות בינאריות ושלישיות פעיל כבר שנים, אך תרגום טכניקות אלו למערכות באיכות ייצור התואמות את הביצועים של מודלים סטנדרטיים הוכח בצורה יוצאת דופן. הטענה של PrismML לגבי כדאיות מסחרית - מאומתת על ידי הפעלת דגם גדול כמו Qwen 3.6 על חומרה לצרכן - מייצגת צעד משמעותי קדימה.
נוף תחרותי
אפל לא לבד בחיפוש אחר AI במכשיר. קוואלקום קידמה את יכולות הבינה המלאכותית במכשיר באמצעות מעבדי ה-Snapdragon שלה, גוגל שילבה דגמים במכשיר בטלפונים של Pixel, וסמסונג שיתפה פעולה עם גוגל כדי להביא את Gemini Nano למכשירי Galaxy. עם זאת, רוב הדגמים הנוכחיים במכשיר הם קטנים יחסית - בדרך כלל בטווח של 1-3 מיליארד פרמטרים.
הטכנולוגיה של PrismML, אם תוכח בקנה מידה, עשויה לאפשר לדגמים גדולים בהרבה - פוטנציאליים בעשרות מיליארדי פרמטרים - לפעול על סמארטפונים, ולשנות מהותית את הדינמיקה התחרותית. זה ייתן לאפל יתרון משמעותי על פני יריבות התלויות יותר בעיבוד AI מבוסס ענן.
TrendForce מציינת כי אבן הדרך של PrismML "משקפת את הדחיפה הרחבה יותר של אפל להפעיל AI ישירות על מכשירים במקום להסתמך על תשתית ענן". חברת מחקרי השוק מציעה שדחיסה מוצלחת במכשיר יכולה להאיץ את המעבר לעבר AI קצה בתעשיית האלקטרוניקה הצרכנית.
מה שיבוא אחר כך
על פי הדיווחים, השיחות של אפל עם PrismML נמצאות בשלב ההערכה, כלומר החברות בוחנות האם הטכנולוגיה עומדת בתקני הביצועים והאמינות של אפל. אין ערובה שהשותפות תגרום למוצר מסחרי, ואפל לא הגיבה בפומבי על הדיונים.
אם הטכנולוגיה משולבת במוצרי אפל עתידיים, היא עשויה להופיע בעדכוני iOS או דורות חומרה חדשים. ה-iPhone 17 Pro, שבו השתמש PrismML להדגמתו, כבר כולל יכולות עיבוד עצביות משמעותיות דרך המנוע העצבי של אפל.
השאלה הרחבה יותר היא האם ארכיטקטורות AI בעלות סיביות נמוכה יהפכו לסטנדרט בתעשייה או יישארו אופטימיזציה של נישה. לעת עתה, התוצאות של PrismML מצביעות על כך שהגישה חצתה סף קריטי - והעניין של אפל מאותת שהטכנולוגיה נלקחת ברצינות ברמות הגבוהות ביותר של תעשיית האלקטרוניקה הצרכנית.
הישאר לפני AI
לסיקור מקיף של חומרת AI, אופטימיזציה של מודלים ופיתוחים בתעשייה, בקר ב-AI Buzz Wire.
קרא עוד חדשות AI →
