Apple is actief in gesprek met PrismML, een spin-out van Caltech gesteund door Khosla Ventures, om technologie te evalueren die krachtige AI-modellen voldoende kan verkleinen om rechtstreeks op een iPhone te kunnen draaien, waardoor de manier waarop Apple Intelligence verzoeken op zijn apparaten verwerkt mogelijk wordt getransformeerd.

CNBC meldde voor het eerst op 14 juli 2026 dat Apple de modelcompressietechnologie van PrismML evalueert, waarvan de startup beweert dat het de AI-modelgroottes kan verkleinen met orde-van-grootte-factoren met behulp van architecturen met extreem lage bitprecisie. PrismML bevestigde de discussies dezelfde dag in een verklaring aan AppleInsider.

Voor de nieuwste AI-industrieontwikkelingen en technologieanalyse behandelt AI Buzz Wire de tools die het landschap opnieuw vormgeven.

De doorbraak: Qwen 3.6 draaien op een iPhone

Volgens Seeking Alpha heeft PrismML met succes Alibaba's open-source Qwen 3.6 grote taalmodel gecomprimeerd voor gebruik op de iPhone 17 Pro – een mijlpaal die wordt beschreven als het uitvoeren van het grootste AI-model ooit op een consumentensmartphone. De startup zegt dat zijn technologie tot 15 keer minder geheugen gebruikt dan conventionele modelarchitecturen.

De aanpak van PrismML concentreert zich op 1-bit en ternaire neurale netwerkarchitecturen. In traditionele AI-modellen wordt elke gewichtsparameter opgeslagen als een 16-bits of 32-bits drijvende-kommagetal. PrismML slaat in plaats daarvan gewichten op met extreem lage bitprecisie (als binaire waarden (+1, -1) of ternaire waarden (+1, 0, -1)) waardoor de geheugenvoetafdruk dramatisch wordt verminderd zonder de redenering of generatieve mogelijkheden ernstig op te offeren.

Dit is geen eenvoudige kwantisering, de veelgebruikte techniek om de precisie van een reeds getraind model te verminderen. De architecturen van PrismML zijn van de grond af aan ontworpen voor low-bit-werking, waardoor volgens het bedrijf de modelkwaliteit veel beter behouden blijft dan compressiemethoden na training.

Waarom Apple AI op het apparaat wil

De gerapporteerde doorbraak heeft de aandacht van Apple getrokken nu het bedrijf zijn Apple Intelligence-platform uitbreidt. Door grotere AI-modellen rechtstreeks op iPhones te laten draaien, zouden meer functies op het apparaat kunnen werken in plaats van via de Private Cloud Compute-servers van Apple, die momenteel complexe AI-verzoeken afhandelen.

De voordelen zijn tweeledig. Ten eerste verbetert verwerking op het apparaat de privacy van gebruikers door gegevens op de telefoon te bewaren in plaats van deze naar cloudservers te verzenden – een belangrijke onderscheidende factor die Apple heeft benadrukt sinds de lancering van Apple Intelligence. Ten tweede verlaagt het de bedrijfskosten van Apple door de afhankelijkheid van dure cloudinfrastructuur en de datacentercapaciteit die nodig is om honderden miljoenen iPhone-gebruikers te bedienen, te verminderen.

MacRumors merkt op dat de technologie Apple in staat zou kunnen stellen meer geavanceerde AI-functies aan te bieden – zoals geavanceerde tekstgeneratie, complexe redeneringstaken en rijkere Siri-interacties – zonder dat een netwerkverbinding nodig is of een aanzienlijke levensduur van de batterij in beslag wordt genomen.

Potentiële impact op de AI-chipmarkt

Als de beweringen van PrismML stand houden in tests in de echte wereld, zouden de implicaties veel verder kunnen reiken dan alleen Apple. CNBC meldt dat de technologie de vraag naar geheugenchips en datacentercomputers zou kunnen hervormen, naarmate meer AI-verwerking verschuift van de cloud naar consumentenapparaten.

Momenteel besteedt de AI-industrie honderden miljarden dollars aan datacenterinfrastructuur, Nvidia GPU’s en geheugen met hoge bandbreedte om grote taalmodellen te trainen en te bedienen. Als modellen dramatisch kunnen worden gecomprimeerd voor gebruik op apparaten, zou een deel van die vraag kunnen verschuiven naar edge computing-chips en weg van gecentraliseerde datacenters.

Analisten waarschuwen echter dat het trainen van AI-modellen nog steeds enorme computerbronnen zal vergen, ongeacht hoe efficiënt ze kunnen worden gecomprimeerd voor gevolgtrekking. De compressietechnologie richt zich op implementatie en gevolgtrekking, niet op de trainingsfase, die het meest rekenintensieve deel van de AI-pijplijn blijft.

Achtergrond en financiering van PrismML

PrismML is een AI-startup en onderzoekslaboratorium, voortgekomen uit het California Institute of Technology. Het bedrijf heeft pionierswerk verricht op het gebied van commercieel haalbare low-bit neurale netwerkarchitecturen, een gebied dat tot nu toe aanzienlijke academische belangstelling heeft gekend, maar de commerciële toepassing ervan beperkt heeft gehouden.

De startup wordt ondersteund door Khosla Ventures, het prominente durfkapitaalbedrijf dat bekend staat om zijn vroege investeringen in transformatieve technologiebedrijven. The Information berichtte voor het eerst over de doorbraak van PrismML op 9 juli en beschreef het als het grootste AI-model ooit op een iPhone.

De Caltech-connectie is aanzienlijk. Academisch onderzoek naar binaire en ternaire neurale netwerken is al jaren actief, maar het vertalen van deze technieken naar systemen van productiekwaliteit die overeenkomen met de prestaties van standaardmodellen is buitengewoon moeilijk gebleken. PrismML's claim van commerciële levensvatbaarheid – gevalideerd door een model zo groot als Qwen 3.6 op consumentenhardware te draaien – vertegenwoordigt een betekenisvolle stap voorwaarts.

Competitief landschap

Apple is niet de enige die AI op het apparaat nastreeft. Qualcomm heeft de AI-mogelijkheden op het apparaat verbeterd via zijn Snapdragon-processors, Google heeft modellen op het apparaat geïntegreerd in Pixel-telefoons en Samsung werkt samen met Google om Gemini Nano naar Galaxy-apparaten te brengen. De meeste huidige on-device-modellen zijn echter relatief klein, doorgaans in het bereik van 1 tot 3 miljard parameters.

Als de technologie van PrismML op grote schaal wordt bewezen, zou het mogelijk kunnen zijn dat veel grotere modellen – mogelijk met tientallen miljarden parameters – op smartphones kunnen draaien, waardoor de concurrentiedynamiek fundamenteel verandert. Dit zou Apple een aanzienlijk voordeel geven ten opzichte van concurrenten die sterker afhankelijk zijn van cloudgebaseerde AI-verwerking.

TrendForce merkt op dat de mijlpaal van PrismML "de bredere drang van Apple weerspiegelt om AI rechtstreeks op apparaten uit te voeren in plaats van te vertrouwen op de cloudinfrastructuur." Het marktonderzoeksbureau suggereert dat succesvolle compressie op het apparaat de verschuiving naar edge-AI in de consumentenelektronica-industrie zou kunnen versnellen.

Wat komt erna

De gesprekken van Apple met PrismML bevinden zich naar verluidt in de evaluatiefase, wat betekent dat de bedrijven beoordelen of de technologie voldoet aan de prestatie- en betrouwbaarheidsnormen van Apple. Er is geen garantie dat de samenwerking zal resulteren in een commercieel product, en Apple heeft niet publiekelijk gereageerd op de discussies.

Als de technologie wordt geïntegreerd in toekomstige Apple-producten, kan deze verschijnen in iOS-updates of nieuwe hardwaregeneraties. De iPhone 17 Pro, die PrismML voor zijn demonstratie gebruikte, beschikt al over aanzienlijke neurale verwerkingsmogelijkheden via de Neural Engine van Apple.

De bredere vraag is of low-bit AI-architecturen een industriestandaard zullen worden of een niche-optimalisatie zullen blijven. Voorlopig suggereren de resultaten van PrismML dat de aanpak een kritische drempel heeft overschreden – en de interesse van Apple geeft aan dat de technologie serieus wordt genomen op de hoogste niveaus van de consumentenelektronica-industrie.

Blijf AI een stap voor

Bezoek AI Buzz Wire voor uitgebreide dekking van AI-hardware, modeloptimalisatie en sectorontwikkelingen.

Lees meer AI-nieuws →