Appleは、iPhone上で直接実行できるほど強力なAIモデルを縮小できる技術を評価するために、Khosla Venturesが支援するカリフォルニア工科大学のスピンアウトであるPrismMLと積極的に協議を行っており、Apple Intelligenceによるデバイス上でのリクエストの処理方法を変革する可能性がある。

CNBC は 2026 年 7 月 14 日に、Apple が PrismML のモデル圧縮テクノロジーを評価していると初めて報じました。同社は、このテクノロジーにより、極度の低ビット精度アーキテクチャを使用して AI モデルのサイズを桁違いに削減できると主張しています。 PrismMLは同日、AppleInsiderへの声明でこの議論を認めた。

最新の AI 業界の動向 とテクノロジー分析については、AI Buzz Wire が状況を再形成するツールを取り上げています。

画期的な方法: iPhone での Qwen 3.6 の実行

Seeking Alpha によると、PrismML は Alibaba のオープンソース Qwen 3.6 大型言語モデルを圧縮して iPhone 17 Pro 上で実行することに成功しました。これは、消費者向けスマートフォン上で史上最大の AI モデルを実行するマイルストーンであると言われています。同社によれば、同社のテクノロジーは従来のモデル アーキテクチャに比べてメモリ使用量が最大 15 倍少ないという。

PrismML のアプローチは、1 ビットおよび 3 値のニューラル ネットワーク アーキテクチャに重点を置いています。従来の AI モデルでは、各重みパラメータは 16 ビットまたは 32 ビットの浮動小数点数として保存されます。代わりに、PrismML は重みを極めて低いビット精度で (2 進値 (+1、-1) または 3 進値 (+1、0、-1) として) 保存するため、推論や生成機能を大幅に犠牲にすることなく、メモリ フットプリントを大幅に削減します。

これは、すでにトレーニングされたモデルの精度を下げるために広く使用されている手法である単純な量子化ではありません。 PrismML のアーキテクチャは低ビット動作向けにゼロから設計されており、同社によれば、トレーニング後の圧縮方法よりもモデルの品質がはるかに良く保たれます。

Apple がオンデバイス AI を求める理由

同社が Apple Intelligence プラットフォームを拡張する中、報告されたこの画期的な進歩は Apple の注目を集めた。より大規模な AI モデルを iPhone 上で直接実行できれば、現在複雑な AI リクエストを処理している Apple のプライベート クラウド コンピューティング サーバー経由ではなく、より多くの機能をデバイス上で実行できるようになります。

利点は 2 つあります。まず、オンデバイス処理は、データをクラウドサーバーに送信するのではなく電話機上に保持することでユーザーのプライバシーを強化します。これは、Apple が Apple Intelligence を立ち上げて以来、主要な差別化要因であると強調しています。第 2 に、高価なクラウド インフラストラクチャと数億の iPhone ユーザーにサービスを提供するために必要なデータ センターの容量への依存を減らすことで、Apple の運用コストを削減します。

MacRumors は、この技術により Apple は、ネットワーク接続を必要としたり、バッテリー寿命を大幅に消費したりすることなく、高度なテキスト生成、複雑な推論タスク、より豊富な Siri 対話など、より高度な AI 機能を提供できる可能性があると指摘しています。

AI チップ市場への潜在的な影響

PrismML の主張が実際のテストで有効であれば、その影響は Apple をはるかに超えて広がる可能性があります。 CNBC は、AI 処理がクラウドからコンシューマ デバイスに移行するにつれて、この技術がメモリ チップとデータセンター コンピューティングの需要を再構築する可能性があると報じています。

現在、AI 業界は、大規模な言語モデルをトレーニングして提供するために、データセンター インフラストラクチャ、Nvidia GPU、高帯域幅メモリに数千億ドルを費やしています。オンデバイスで使用するためにモデルを大幅に圧縮できれば、その需要の一部は集中型データセンターからエッジ コンピューティング チップへとシフトする可能性があります。

しかしアナリストらは、AIモデルを推論のためにどれだけ効率的に圧縮できるかに関係なく、AIモデルのトレーニングには依然として膨大なコンピューティングリソースが必要になると警告している。圧縮テクノロジーは、AI パイプラインの中で依然として最もコンピューティング集約的な部分であるトレーニング フェーズではなく、デプロイメントと推論に対応します。

PrismML の背景と資金提供

PrismML は、カリフォルニア工科大学からスピンアウトした AI スタートアップ兼研究研究所です。同社は、商業的に実現可能な低ビット ニューラル ネットワーク アーキテクチャの先駆者であり、この分野は学術的に大きな関心を集めているものの、これまで商業展開は限られていました。

このスタートアップは、革新的なテクノロジー企業への初期投資で知られる著名なベンチャーキャピタル会社、Khosla Ventures によって支援されています。 The Information は 7 月 9 日に PrismML の画期的な進歩について初めて報じ、iPhone 上で史上最大の AI モデルを実行すると説明しました。

カリフォルニア工科大学とのつながりは重要です。バイナリおよびターナリ ニューラル ネットワークに関する学術研究は長年にわたって活発に行われてきましたが、これらの技術を標準モデルのパフォーマンスに匹敵する製品品質のシステムに変換することは、非常に難しいことが判明しています。 PrismML の商業的実現可能性の主張 (Qwen 3.6 ほどの大規模なモデルを消費者向けハードウェアで実行することによって検証された) は、有意義な前進を示しています。

競争環境

オンデバイス AI を追求しているのは Apple だけではありません。クアルコムは、Snapdragon プロセッサを通じてオンデバイス AI 機能を進化させ、Google はオンデバイス モデルを Pixel 携帯電話に統合し、サムスンは Google と提携して Gemini Nano を Galaxy デバイスに導入しました。ただし、現在のほとんどのオンデバイス モデルは比較的小さく、通常は 10 ～ 30 億のパラメータ範囲です。

PrismML のテクノロジーが大規模に証明されれば、はるかに大規模なモデル (潜在的には数百億のパラメータ) をスマートフォン上で実行できるようになり、競争力学を根本的に変える可能性があります。これにより、Apple はクラウドベースの AI 処理に大きく依存するライバルに対して大きな優位性を得ることができます。

TrendForce は、PrismML のマイルストーンは「クラウド インフラストラクチャに依存するのではなく、デバイス上で AI を直接実行するという Apple の広範な推進を反映している」と指摘しています。市場調査会社は、オンデバイス圧縮が成功すれば、家電業界全体でエッジ AI への移行が加速する可能性があると示唆しています。

次に何が起こるか

AppleとPrismMLとの協議は評価段階に入っていると伝えられており、これは両社がその技術がAppleの性能と信頼性の基準を満たしているかどうかを評価していることを意味している。この提携が商品化につながるという保証はなく、Appleはこの協議について公式にコメントしていない。

この技術が将来の Apple 製品に統合される場合、iOS のアップデートや新しい世代のハードウェアに搭載される可能性があります。 PrismML がデモンストレーションに使用した iPhone 17 Pro は、すでに Apple の Neural Engine による重要なニューラル処理機能を備えています。

より広範な問題は、低ビット AI アーキテクチャが業界標準になるのか、それともニッチな最適化に留まるのかということです。今のところ、PrismML の結果は、このアプローチが重大な閾値を超えたことを示唆しており、Apple の関心は、この技術が家電業界の最高レベルで真剣に受け止められていることを示しています。

AI の先を行く

AI ハードウェア、モデルの最適化、業界の発展に関する包括的な報道については、AI Buzz Wire をご覧ください。

AIニュースをもっと読む→