Apple prowadzi aktywne rozmowy z PrismML, spółką Caltech wspieraną przez Khosla Ventures, aby ocenić technologię, która może zmniejszyć potężne modele sztucznej inteligencji na tyle, aby można je było uruchamiać bezpośrednio na iPhonie, potencjalnie zmieniając sposób, w jaki Apple Intelligence przetwarza żądania na swoich urządzeniach.

14 lipca 2026 r. stacja CNBC po raz pierwszy poinformowała, że ​​Apple ocenia technologię kompresji modeli PrismML, która według startupu może zmniejszyć rozmiary modeli sztucznej inteligencji o współczynniki rzędu wielkości przy użyciu architektur o ekstremalnie małej precyzji bitowej. PrismML potwierdził tę dyskusję w oświadczeniu dla AppleInsider tego samego dnia.

Jeśli chodzi o najnowsze rozwiązania w branży AI i analizy technologii, AI Buzz Wire opisuje narzędzia zmieniające krajobraz.

Przełom: uruchomienie Qwen 3.6 na iPhonie

Według Seeking Alpha firma PrismML pomyślnie skompresowała duży model językowy Qwen 3.6 firmy Alibaba o otwartym kodzie źródłowym, aby działał na iPhonie 17 Pro — co było kamieniem milowym opisanym jako uruchomienie największego w historii modelu sztucznej inteligencji na smartfonie konsumenckim. Startup twierdzi, że jego technologia zużywa do 15 razy mniej pamięci niż konwencjonalne architektury modeli.

Podejście PrismML koncentruje się na 1-bitowych i trójskładnikowych architekturach sieci neuronowych. W tradycyjnych modelach AI każdy parametr wagi jest przechowywany jako 16-bitowa lub 32-bitowa liczba zmiennoprzecinkowa. Zamiast tego PrismML przechowuje wagi z ekstremalnie niską precyzją bitową — jako wartości binarne (+1, -1) lub wartości trójskładnikowe (+1, 0, -1) — radykalnie zmniejszając zużycie pamięci bez poważnego poświęcania rozumowania i możliwości generacyjnych.

Nie jest to prosta kwantyzacja, szeroko stosowana technika zmniejszania precyzji w już wytrenowanym modelu. Architektury PrismML zaprojektowano od podstaw pod kątem operacji niskobitowych, co według firmy pozwala zachować jakość modelu znacznie lepiej niż metody kompresji po treningu.

Dlaczego Apple chce sztucznej inteligencji na urządzeniu

Zgłoszony przełom przyciągnął uwagę Apple, ponieważ firma rozwija swoją platformę Apple Intelligence. Uruchamianie większych modeli sztucznej inteligencji bezpośrednio na iPhone'ach umożliwiłoby działanie większej liczby funkcji na urządzeniu, a nie za pośrednictwem serwerów Apple Private Cloud Compute, które obecnie obsługują złożone żądania sztucznej inteligencji.

Korzyści są dwojakie. Po pierwsze, przetwarzanie na urządzeniu zwiększa prywatność użytkownika, przechowując dane w telefonie, zamiast przesyłać je do serwerów w chmurze — jest to główny wyróżnik, który Apple podkreślał od czasu wprowadzenia Apple Intelligence. Po drugie, zmniejsza koszty operacyjne Apple, zmniejszając zależność od drogiej infrastruktury chmurowej i wydajności centrum danych wymaganej do obsługi setek milionów użytkowników iPhone'ów.

MacRumors zauważa, że ​​technologia ta może pozwolić Apple oferować bardziej wyrafinowane funkcje sztucznej inteligencji – takie jak zaawansowane generowanie tekstu, złożone zadania wnioskowania i bogatsze interakcje Siri – bez konieczności połączenia sieciowego i zużywania znacznej ilości baterii.

Potencjalny wpływ na rynek chipów AI

Jeśli twierdzenia PrismML sprawdzą się w testach w świecie rzeczywistym, konsekwencje mogą wykraczać daleko poza Apple. CNBC donosi, że technologia ta może zmienić kształt popytu na układy pamięci i moc obliczeniową w centrach danych, w miarę przenoszenia większej liczby przetwarzania sztucznej inteligencji z chmury na urządzenia konsumenckie.

Obecnie branża sztucznej inteligencji wydaje setki miliardów dolarów na infrastrukturę centrów danych, procesory graficzne Nvidia i pamięć o dużej przepustowości do uczenia i obsługi dużych modeli językowych. Jeśli modele można radykalnie skompresować do użytku na urządzeniu, część tego zapotrzebowania może przesunąć się w stronę chipów do obliczeń brzegowych i odejść od scentralizowanych centrów danych.

Analitycy ostrzegają jednak, że szkolenie modeli sztucznej inteligencji nadal będzie wymagało ogromnych zasobów obliczeniowych, niezależnie od tego, jak wydajnie można je skompresować w celu wyciągnięcia wniosków. Technologia kompresji dotyczy wdrażania i wnioskowania, a nie fazy uczenia, która pozostaje najbardziej wymagającą obliczeniowo częścią potoku AI.

Historia i finansowanie PrismML

PrismML to startup i laboratorium badawcze zajmujące się sztuczną inteligencją wydzielone z Kalifornijskiego Instytutu Technologii. Firma jest pionierem opłacalnych komercyjnie architektur niskobitowych sieci neuronowych. Jest to obszar cieszący się dużym zainteresowaniem środowisk akademickich, ale do tej pory ograniczony do zastosowań komercyjnych.

Startup jest wspierany przez Khosla Ventures, wiodącą firmę venture capital znaną z wczesnych inwestycji w firmy zajmujące się technologiami transformacyjnymi. „The Information” po raz pierwszy doniósł o przełomie PrismML 9 lipca, opisując go jako obsługujący największy w historii model sztucznej inteligencji na iPhonie.

Powiązanie z Caltech jest znaczące. Badania akademickie nad binarnymi i trójskładnikowymi sieciami neuronowymi trwają od lat, ale przełożenie tych technik na systemy o jakości produkcyjnej, które dorównują wydajnością modelom standardowym, okazało się niezwykle trudne. Twierdzenie PrismML dotyczące opłacalności komercyjnej — potwierdzone przez uruchomienie modelu tak dużego jak Qwen 3.6 na sprzęcie konsumenckim — stanowi znaczący krok naprzód.

Krajobraz konkurencyjny

Apple nie jest osamotniony w dążeniu do sztucznej inteligencji na urządzeniach. Qualcomm rozwija możliwości sztucznej inteligencji na urządzeniach za pomocą procesorów Snapdragon, Google integruje modele na urządzeniach z telefonami Pixel, a Samsung nawiązał współpracę z Google, aby wprowadzić Gemini Nano na urządzenia Galaxy. Jednak większość obecnych modeli dostępnych na urządzeniach jest stosunkowo niewielka — zazwyczaj mieści się w zakresie 1–3 miliardów parametrów.

Jeśli technologia PrismML zostanie sprawdzona na dużą skalę, mogłaby umożliwić działanie na smartfonach znacznie większych modeli – potencjalnie o dziesiątkach miliardów parametrów – zasadniczo zmieniając dynamikę konkurencji. Dałoby to Apple znaczną przewagę nad rywalami, którzy w większym stopniu polegają na przetwarzaniu sztucznej inteligencji w chmurze.

TrendForce zauważa, że ​​kamień milowy PrismML „odzwierciedla szersze dążenie Apple do uruchamiania sztucznej inteligencji bezpośrednio na urządzeniach, zamiast polegać na infrastrukturze chmury”. Firma zajmująca się badaniem rynku sugeruje, że skuteczna kompresja na urządzeniu może przyspieszyć przejście w stronę sztucznej inteligencji w całej branży elektroniki użytkowej.

Co będzie dalej

Według doniesień rozmowy Apple z PrismML są na etapie oceny, co oznacza, że firmy oceniają, czy technologia spełnia standardy Apple dotyczące wydajności i niezawodności. Nie ma gwarancji, że partnerstwo zaowocuje produktem komercyjnym, a Apple nie skomentował publicznie dyskusji.

Jeśli technologia zostanie zintegrowana z przyszłymi produktami Apple, może pojawić się w aktualizacjach iOS lub nowych generacjach sprzętu. IPhone 17 Pro, którego PrismML użył do swojej demonstracji, ma już znaczne możliwości przetwarzania neuronowego za pośrednictwem silnika neuronowego Apple.

Szersze pytanie dotyczy tego, czy niskobitowe architektury AI staną się standardem branżowym, czy też pozostaną niszową optymalizacją. Na razie wyniki PrismML sugerują, że podejście to przekroczyło krytyczny próg, a zainteresowanie Apple sygnalizuje, że technologia jest traktowana poważnie na najwyższych szczeblach branży elektroniki użytkowej.

Wyprzedź sztuczną inteligencję

Aby uzyskać kompleksowe informacje na temat sprzętu AI, optymalizacji modeli i rozwoju branży, odwiedź AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →