ऍपल प्रिझमएमएल, खोसला व्हेंचर्स द्वारा समर्थित कॅलटेक स्पिनआउट, आयफोनवर थेट चालण्यासाठी पुरेसे शक्तिशाली AI मॉडेल संकुचित करू शकणाऱ्या तंत्रज्ञानाचे मूल्यांकन करण्यासाठी सक्रिय चर्चेत आहे, ऍपल इंटेलिजेंस त्याच्या उपकरणांवर विनंती कशी प्रक्रिया करते हे संभाव्य रूपांतरित करते.

CNBC ने प्रथम 14 जुलै 2026 रोजी अहवाल दिला की Apple PrismML च्या मॉडेल कॉम्प्रेशन तंत्रज्ञानाचे मूल्यमापन करत आहे, ज्याचा स्टार्टअपचा दावा आहे की अत्यंत कमी-बिट अचूक आर्किटेक्चरचा वापर करून ऑर्डर-ऑफ-मॅग्निट्यूड घटकांद्वारे AI मॉडेलचा आकार कमी करू शकतो. त्याच दिवशी AppleInsider ला दिलेल्या निवेदनात PrismML ने चर्चेची पुष्टी केली.

नवीनतम AI इंडस्ट्री डेव्हलपमेंट्स आणि तंत्रज्ञान विश्लेषणासाठी, AI Buzz Wire लँडस्केपचा आकार बदलणारी टूल्स कव्हर करते.

द ब्रेकथ्रू: iPhone वर Qwen 3.6 चालवणे

सीकिंग अल्फा नुसार, PrismML ने iPhone 17 Pro वर चालण्यासाठी Alibaba चे ओपन-सोर्स Qwen 3.6 लार्ज लँग्वेज मॉडेल यशस्वीरित्या संकुचित केले - ग्राहक स्मार्टफोनवर आतापर्यंतचे सर्वात मोठे AI मॉडेल चालवणारा एक मैलाचा दगड. स्टार्टअप म्हणते की त्याचे तंत्रज्ञान पारंपारिक मॉडेल आर्किटेक्चरच्या तुलनेत 15 पट कमी मेमरी वापरते.

प्रिझमएमएलचा दृष्टीकोन 1-बिट आणि टर्नरी न्यूरल नेटवर्क आर्किटेक्चर्सवर केंद्रित आहे. पारंपारिक AI मॉडेल्समध्ये, प्रत्येक वजन पॅरामीटर 16-बिट किंवा 32-बिट फ्लोटिंग-पॉइंट नंबर म्हणून संग्रहित केला जातो. प्रिझमएमएल त्याऐवजी अत्यंत कमी-बिट अचूकतेवर वजन साठवते — बायनरी व्हॅल्यूज (+1, -1) किंवा टर्नरी व्हॅल्यूज (+1, 0, -1) — तर्कशक्ती किंवा जनरेटिव्ह क्षमतांचा गंभीरपणे त्याग न करता नाटकीयरित्या मेमरी फूटप्रिंट कमी करते.

हे साधे क्वांटायझेशन नाही, आधीच प्रशिक्षित मॉडेलवर अचूकता कमी करण्याचे व्यापकपणे वापरले जाणारे तंत्र आहे. PrismML च्या आर्किटेक्चर्सची रचना कमी-बिट ऑपरेशनसाठी जमिनीपासून केली गेली आहे, ज्याचे कंपनीचे म्हणणे आहे की प्रशिक्षणानंतरच्या कॉम्प्रेशन पद्धतींपेक्षा मॉडेलची गुणवत्ता खूप चांगली आहे.

Apple ला ऑन-डिव्हाइस AI का हवे आहे

कंपनीने ॲपल इंटेलिजेंस प्लॅटफॉर्मचा विस्तार केल्यामुळे अहवालातील प्रगतीने Apple चे लक्ष वेधून घेतले आहे. मोठ्या AI मॉडेल्स थेट iPhones वर चालवल्याने ॲपलच्या खाजगी क्लाउड कॉम्प्युट सर्व्हरच्या ऐवजी डिव्हाइसवर ऑपरेट करण्यासाठी अधिक वैशिष्ट्यांना अनुमती मिळेल, जे सध्या जटिल AI विनंत्या हाताळतात.

फायदे दुहेरी आहेत. प्रथम, ऑन-डिव्हाइस प्रक्रिया क्लाउड सर्व्हरवर प्रसारित करण्याऐवजी फोनवर डेटा ठेवून वापरकर्त्याची गोपनीयता वाढवते — Apple इंटेलिजेंस लाँच केल्यापासून Apple ने मुख्य भिन्नता यावर जोर दिला आहे. दुसरे, महागड्या क्लाउड इन्फ्रास्ट्रक्चरवर अवलंबून राहून आणि लाखो आयफोन वापरकर्त्यांना सेवा देण्यासाठी आवश्यक असलेली डेटा सेंटर क्षमता कमी करून ते ऍपलचे ऑपरेटिंग खर्च कमी करते.

MacRumors नोंदवतात की तंत्रज्ञान Apple ला अधिक अत्याधुनिक AI वैशिष्ट्ये ऑफर करू शकते - जसे की प्रगत मजकूर निर्मिती, जटिल तर्क कार्ये आणि समृद्ध Siri परस्परसंवाद - नेटवर्क कनेक्शनची आवश्यकता न घेता किंवा लक्षणीय बॅटरी आयुष्य वापरल्याशिवाय.

एआय चिप मार्केटवर संभाव्य प्रभाव

जर PrismML चे दावे वास्तविक-जागतिक चाचणीत टिकून राहिल्यास, परिणाम Appleपलीकडेही वाढू शकतात. CNBC ने अहवाल दिला आहे की तंत्रज्ञान मेमरी चिप्स आणि डेटा सेंटर गणनेची मागणी बदलू शकते, कारण अधिक AI प्रक्रिया क्लाउडवरून ग्राहक उपकरणांवर बदलते.

सध्या, AI उद्योग डेटा सेंटर इन्फ्रास्ट्रक्चर, Nvidia GPU आणि उच्च-बँडविड्थ मेमरीवर मोठ्या भाषा मॉडेल्सचे प्रशिक्षण आणि सेवा देण्यासाठी शेकडो अब्ज डॉलर्स खर्च करत आहे. ऑन-डिव्हाइस वापरासाठी मॉडेल्सना नाटकीयरित्या संकुचित केले जाऊ शकते, तर त्यातील काही मागणी एज कॉम्प्युटिंग चिप्सकडे आणि केंद्रीकृत डेटा केंद्रांपासून दूर जाऊ शकते.

तथापि, विश्लेषक सावधगिरी बाळगतात की एआय मॉडेल्सना प्रशिक्षण देण्यासाठी अद्याप मोठ्या प्रमाणात गणना संसाधनांची आवश्यकता असेल तरीही ते अनुमानासाठी किती कार्यक्षमतेने संकुचित केले जाऊ शकतात. कॉम्प्रेशन तंत्रज्ञान उपयोजन आणि अनुमानांना संबोधित करते, प्रशिक्षण टप्प्याला नाही, जो AI पाइपलाइनचा सर्वात गणना-केंद्रित भाग आहे.

PrismML ची पार्श्वभूमी आणि निधी

PrismML ही कॅलिफोर्निया इन्स्टिट्यूट ऑफ टेक्नॉलॉजी मधून तयार केलेली AI स्टार्टअप आणि संशोधन प्रयोगशाळा आहे. कंपनीने व्यावसायिकदृष्ट्या व्यवहार्य कमी-बिट न्यूरल नेटवर्क आर्किटेक्चर्सची पायनियरिंग केली आहे, एक क्षेत्र ज्यामध्ये लक्षणीय शैक्षणिक स्वारस्य आहे परंतु आतापर्यंत मर्यादित व्यावसायिक तैनाती आहे.

स्टार्टअपला खोसला व्हेंचर्सचा पाठिंबा आहे, ही प्रमुख उद्यम भांडवल फर्म आहे जी परिवर्तनशील तंत्रज्ञान कंपन्यांमध्ये लवकर गुंतवणूक करण्यासाठी ओळखली जाते. प्रिझमएमएलच्या यशाबद्दल माहिती प्रथम 9 जुलै रोजी नोंदवली गेली, ज्याचे वर्णन आयफोनवर सर्वात मोठे AI मॉडेल चालवत आहे.

कॅलटेक कनेक्शन लक्षणीय आहे. बायनरी आणि टर्नरी न्यूरल नेटवर्क्समधील शैक्षणिक संशोधन वर्षानुवर्षे सक्रिय आहे, परंतु मानक मॉडेल्सच्या कार्यक्षमतेशी जुळणाऱ्या उत्पादन-गुणवत्ता प्रणालींमध्ये या तंत्रांचे भाषांतर करणे विलक्षण कठीण आहे. प्रिझमएमएलचा व्यावसायिक व्यवहार्यतेचा दावा — ग्राहक हार्डवेअरवर Qwen 3.6 इतकं मोठं मॉडेल चालवून प्रमाणित — पुढे एक अर्थपूर्ण पाऊल दाखवते.

स्पर्धात्मक लँडस्केप

ऑन-डिव्हाइस AI चा पाठपुरावा करण्यात Apple एकटा नाही. क्वालकॉम त्याच्या स्नॅपड्रॅगन प्रोसेसरद्वारे ऑन-डिव्हाइस AI क्षमता वाढवत आहे, Google ने पिक्सेल फोनमध्ये ऑन-डिव्हाइस मॉडेल समाकलित केले आहेत आणि सॅमसंगने गॅलेक्सी उपकरणांवर जेमिनी नॅनो आणण्यासाठी Google सोबत भागीदारी केली आहे. तथापि, बहुतेक वर्तमान ऑन-डिव्हाइस मॉडेल तुलनेने लहान आहेत — विशेषत: 1-3 अब्ज पॅरामीटर श्रेणीमध्ये.

प्रिझमएमएलचे तंत्रज्ञान, प्रमाणानुसार सिद्ध झाल्यास, अधिक मोठे मॉडेल सक्षम करू शकते — संभाव्यत: अब्जावधी पॅरामीटर्समध्ये — स्मार्टफोनवर चालण्यासाठी, स्पर्धात्मक गतिशीलता मूलभूतपणे बदलते. यामुळे ऍपलला क्लाउड-आधारित एआय प्रक्रियेवर अधिक अवलंबून असलेल्या प्रतिस्पर्ध्यांवर लक्षणीय फायदा होईल.

TrendForce नोंदवतो की PrismML चा मैलाचा दगड "क्लाउड इन्फ्रास्ट्रक्चरवर अवलंबून न राहता थेट उपकरणांवर AI चालवण्याचा ऍपलचा व्यापक प्रयत्न प्रतिबिंबित करतो." मार्केट रिसर्च फर्म सूचित करते की यशस्वी ऑन-डिव्हाइस कॉम्प्रेशन कंझ्युमर इलेक्ट्रॉनिक्स उद्योगात एज एआय कडे शिफ्टला गती देऊ शकते.

पुढे काय येईल

Apple ची PrismML सोबतची चर्चा मूल्यमापन टप्प्यात आहे, याचा अर्थ तंत्रज्ञान Apple ची कार्यक्षमता आणि विश्वासार्हता मानके पूर्ण करते की नाही याचे मूल्यांकन कंपन्या करत आहेत. भागीदारीमुळे व्यावसायिक उत्पादन होईल याची कोणतीही हमी नाही आणि Apple ने चर्चेवर सार्वजनिकपणे टिप्पणी केलेली नाही.

तंत्रज्ञान भविष्यातील Apple उत्पादनांमध्ये समाकलित केले असल्यास, ते iOS अद्यतनांमध्ये किंवा नवीन हार्डवेअर पिढीमध्ये दिसू शकते. PrismML ने त्याच्या प्रात्यक्षिकासाठी वापरलेला iPhone 17 Pro, Apple च्या न्यूरल इंजिनद्वारे आधीच लक्षणीय न्यूरल प्रोसेसिंग क्षमता वैशिष्ट्यीकृत करते.

कमी-बिट एआय आर्किटेक्चर्स एक उद्योग मानक बनतील की विशिष्ट ऑप्टिमायझेशन राहतील हा व्यापक प्रश्न आहे. आत्तासाठी, प्रिझमएमएलचे निकाल सूचित करतात की दृष्टीकोन एक गंभीर उंबरठा ओलांडला आहे — आणि Apple चे स्वारस्य सूचित करते की ग्राहक इलेक्ट्रॉनिक्स उद्योगाच्या सर्वोच्च स्तरावर तंत्रज्ञानाची गांभीर्याने दखल घेतली जात आहे.

AI च्या पुढे रहा

AI हार्डवेअर, मॉडेल ऑप्टिमायझेशन आणि उद्योग विकासाच्या व्यापक कव्हरेजसाठी, AI Buzz Wire ला भेट द्या.

अधिक एआय बातम्या वाचा →