Apple è in trattative attive con PrismML, una spin-out Caltech sostenuta da Khosla Ventures, per valutare una tecnologia in grado di ridurre i modelli di intelligenza artificiale abbastanza potenti da poter essere eseguiti direttamente su un iPhone, trasformando potenzialmente il modo in cui Apple Intelligence elabora le richieste sui suoi dispositivi.

La CNBC ha riferito per la prima volta il 14 luglio 2026 che Apple sta valutando la tecnologia di compressione dei modelli di PrismML, che secondo la startup può ridurre le dimensioni dei modelli di intelligenza artificiale in base a fattori di ordine di grandezza utilizzando architetture di precisione a bit estremamente basso. PrismML ha confermato le discussioni in una dichiarazione ad AppleInsider lo stesso giorno.

Per gli ultimi sviluppi del settore dell'intelligenza artificiale e l'analisi tecnologica, AI Buzz Wire copre gli strumenti che stanno rimodellando il panorama.

La svolta: eseguire Qwen 3.6 su un iPhone

Secondo Seeking Alpha, PrismML ha compresso con successo il modello linguistico di grandi dimensioni Qwen 3.6 open source di Alibaba per l'esecuzione su iPhone 17 Pro: una pietra miliare descritta come l'esecuzione del modello di intelligenza artificiale più grande di sempre su uno smartphone consumer. La startup afferma che la sua tecnologia utilizza fino a 15 volte meno memoria rispetto alle architetture dei modelli convenzionali.

L'approccio di PrismML è incentrato su architetture di rete neurale a 1 bit e ternarie. Nei modelli AI tradizionali, ciascun parametro di peso viene memorizzato come numero a virgola mobile a 16 o 32 bit. PrismML memorizza invece i pesi con una precisione estremamente bassa - come valori binari (+1, -1) o valori ternari (+1, 0, -1) - riducendo drasticamente l'impronta della memoria senza sacrificare gravemente il ragionamento o le capacità generative.

Non si tratta di una semplice quantizzazione, la tecnica ampiamente utilizzata per ridurre la precisione su un modello già addestrato. Le architetture di PrismML sono progettate da zero per operazioni a basso bit, che secondo l'azienda preservano la qualità del modello molto meglio rispetto ai metodi di compressione post-training.

Perché Apple vuole l'intelligenza artificiale sul dispositivo

La svolta segnalata ha attirato l'attenzione di Apple mentre l'azienda espande la sua piattaforma Apple Intelligence. L’esecuzione di modelli IA più grandi direttamente sugli iPhone consentirebbe a più funzionalità di operare sul dispositivo piuttosto che attraverso i server Private Cloud Compute di Apple, che attualmente gestiscono richieste IA complesse.

I vantaggi sono duplici. Innanzitutto, l’elaborazione sul dispositivo migliora la privacy dell’utente mantenendo i dati sul telefono anziché trasmetterli ai server cloud: un elemento di differenziazione fondamentale che Apple ha enfatizzato sin dal lancio di Apple Intelligence. In secondo luogo, riduce i costi operativi di Apple diminuendo la dipendenza dalle costose infrastrutture cloud e dalla capacità dei data center necessaria per servire centinaia di milioni di utenti iPhone.

MacRumors rileva che la tecnologia potrebbe consentire ad Apple di offrire funzionalità IA più sofisticate, come la generazione avanzata di testo, attività di ragionamento complesse e interazioni Siri più ricche, senza richiedere una connessione di rete o consumare una durata significativa della batteria.

Impatto potenziale sul mercato dei chip AI

Se le affermazioni di PrismML reggeranno nei test nel mondo reale, le implicazioni potrebbero estendersi ben oltre Apple. La CNBC riferisce che la tecnologia potrebbe rimodellare la domanda di chip di memoria e di elaborazione dei data center, poiché sempre più elaborazione dell’intelligenza artificiale si sposta dal cloud ai dispositivi consumer.

Attualmente, l’industria dell’intelligenza artificiale sta spendendo centinaia di miliardi di dollari in infrastrutture di data center, GPU Nvidia e memoria a larghezza di banda elevata per addestrare e servire modelli linguistici di grandi dimensioni. Se i modelli potessero essere notevolmente compressi per l’uso sui dispositivi, parte di tale domanda potrebbe spostarsi verso i chip di edge computing e lontano dai data center centralizzati.

Tuttavia, gli analisti avvertono che l’addestramento dei modelli di intelligenza artificiale richiederà comunque ingenti risorse di calcolo, indipendentemente dall’efficienza con cui possono essere compressi per l’inferenza. La tecnologia di compressione riguarda l'implementazione e l'inferenza, non la fase di addestramento, che rimane la parte a maggiore intensità di calcolo della pipeline di intelligenza artificiale.

Background e finanziamenti di PrismML

PrismML è una startup di intelligenza artificiale e un laboratorio di ricerca nato dal California Institute of Technology. L’azienda è stata pioniera nelle architetture di reti neurali a basso bit commercialmente valide, un’area che ha visto un notevole interesse accademico ma un’implementazione commerciale limitata fino ad ora.

La startup è sostenuta da Khosla Ventures, l’importante società di venture capital nota per i primi investimenti in società tecnologiche trasformative. The Information ha riportato per la prima volta la svolta di PrismML il 9 luglio, descrivendolo come l'esecuzione del modello di intelligenza artificiale più grande mai realizzato su un iPhone.

Il collegamento con il Caltech è significativo. La ricerca accademica sulle reti neurali binarie e ternarie è attiva da anni, ma tradurre queste tecniche in sistemi di qualità produttiva che corrispondano alle prestazioni dei modelli standard si è rivelato straordinariamente difficile. L'affermazione di fattibilità commerciale di PrismML, convalidata eseguendo un modello grande quanto Qwen 3.6 su hardware consumer, rappresenta un significativo passo avanti.

Panorama competitivo

Apple non è la sola a perseguire l’intelligenza artificiale sui dispositivi. Qualcomm ha migliorato le capacità di intelligenza artificiale su dispositivo attraverso i suoi processori Snapdragon, Google ha integrato modelli su dispositivo nei telefoni Pixel e Samsung ha collaborato con Google per portare Gemini Nano sui dispositivi Galaxy. Tuttavia, la maggior parte dei modelli attuali sui dispositivi sono relativamente piccoli, in genere nell’intervallo di parametri da 1 a 3 miliardi.

La tecnologia di PrismML, se dimostrata su larga scala, potrebbe consentire a modelli molto più grandi – potenzialmente nell’ordine di decine di miliardi di parametri – di funzionare sugli smartphone, cambiando radicalmente le dinamiche competitive. Ciò darebbe ad Apple un vantaggio significativo rispetto ai rivali che dipendono maggiormente dall’elaborazione AI basata su cloud.

TrendForce osserva che il traguardo raggiunto da PrismML "riflette la spinta più ampia di Apple a eseguire l'intelligenza artificiale direttamente sui dispositivi anziché fare affidamento sull'infrastruttura cloud". La società di ricerche di mercato suggerisce che il successo della compressione sul dispositivo potrebbe accelerare il passaggio all’intelligenza artificiale all’avanguardia nel settore dell’elettronica di consumo.

Cosa verrà dopo

Secondo quanto riferito, i colloqui di Apple con PrismML sono in fase di valutazione, il che significa che le aziende stanno valutando se la tecnologia soddisfa gli standard di prestazioni e affidabilità di Apple. Non vi è alcuna garanzia che la partnership si tradurrà in un prodotto commerciale e Apple non ha commentato pubblicamente le discussioni.

Se la tecnologia verrà integrata nei futuri prodotti Apple, potrebbe apparire negli aggiornamenti iOS o nelle nuove generazioni di hardware. L'iPhone 17 Pro, utilizzato da PrismML per la sua dimostrazione, presenta già significative capacità di elaborazione neurale tramite il Neural Engine di Apple.

La domanda più ampia è se le architetture AI a basso bit diventeranno uno standard di settore o rimarranno un’ottimizzazione di nicchia. Per ora, i risultati di PrismML suggeriscono che l’approccio ha superato una soglia critica e l’interesse di Apple segnala che la tecnologia viene presa sul serio ai massimi livelli dell’industria dell’elettronica di consumo.

Stai al passo con l'intelligenza artificiale

Per una copertura completa dell'hardware AI, dell'ottimizzazione dei modelli e degli sviluppi del settore, visitare AI Buzz Wire.

Leggi altre notizie sull'AI →