A Apple está em negociações ativas com o PrismML, um spinout da Caltech apoiado pela Khosla Ventures, para avaliar a tecnologia que pode reduzir modelos de IA poderosos o suficiente para serem executados diretamente em um iPhone, potencialmente transformando a forma como a Apple Intelligence processa solicitações em seus dispositivos.

A CNBC informou pela primeira vez em 14 de julho de 2026 que a Apple está avaliando a tecnologia de compressão de modelo PrismML, que a startup afirma poder reduzir o tamanho dos modelos de IA por fatores de ordem de magnitude usando arquiteturas de precisão extremamente baixa. PrismML confirmou as discussões em comunicado ao AppleInsider no mesmo dia.

Para os mais recentes desenvolvimentos da indústria de IA e análises de tecnologia, o AI Buzz Wire cobre as ferramentas que estão remodelando o cenário.

A inovação: executando o Qwen 3.6 em um iPhone

De acordo com o Seeking Alpha, o PrismML comprimiu com sucesso o modelo de linguagem grande Qwen 3.6 de código aberto do Alibaba para rodar no iPhone 17 Pro – um marco descrito como a execução do maior modelo de IA de todos os tempos em um smartphone de consumo. A startup afirma que sua tecnologia usa até 15 vezes menos memória do que as arquiteturas de modelos convencionais.

A abordagem do PrismML centra-se em arquiteturas de redes neurais ternárias e de 1 bit. Nos modelos tradicionais de IA, cada parâmetro de peso é armazenado como um número de ponto flutuante de 16 ou 32 bits. Em vez disso, o PrismML armazena pesos com precisão extremamente baixa - como valores binários (+1, -1) ou valores ternários (+1, 0, -1) - reduzindo drasticamente o consumo de memória sem sacrificar severamente o raciocínio ou os recursos generativos.

Esta não é uma simples quantização, a técnica amplamente utilizada para reduzir a precisão em um modelo já treinado. As arquiteturas do PrismML são projetadas desde o início para operação com poucos bits, o que, segundo a empresa, preserva a qualidade do modelo muito melhor do que os métodos de compactação pós-treinamento.

Por que a Apple quer IA no dispositivo

A descoberta relatada atraiu a atenção da Apple à medida que a empresa expande sua plataforma Apple Intelligence. A execução de modelos maiores de IA diretamente em iPhones permitiria que mais recursos operassem no dispositivo, em vez de por meio dos servidores de computação em nuvem privada da Apple, que atualmente lidam com solicitações complexas de IA.

Os benefícios são duplos. Primeiro, o processamento no dispositivo aumenta a privacidade do usuário, mantendo os dados no telefone em vez de transmiti-los para servidores em nuvem – um diferencial central que a Apple enfatizou desde o lançamento do Apple Intelligence. Em segundo lugar, reduz os custos operacionais da Apple ao diminuir a dependência de infraestruturas dispendiosas em nuvem e da capacidade do centro de dados necessária para servir centenas de milhões de utilizadores do iPhone.

MacRumors observa que a tecnologia poderia permitir que a Apple oferecesse recursos de IA mais sofisticados – como geração avançada de texto, tarefas de raciocínio complexas e interações Siri mais ricas – sem exigir uma conexão de rede ou consumir bateria significativa.

Impacto potencial no mercado de chips de IA

Se as afirmações do PrismML se sustentarem em testes do mundo real, as implicações poderão ir muito além da Apple. A CNBC relata que a tecnologia pode remodelar a demanda por chips de memória e computação de data center, à medida que mais processamento de IA muda da nuvem para dispositivos de consumo.

Atualmente, a indústria de IA está gastando centenas de bilhões de dólares em infraestrutura de data center, GPUs Nvidia e memória de alta largura de banda para treinar e servir grandes modelos de linguagem. Se os modelos puderem ser drasticamente compactados para uso no dispositivo, parte dessa demanda poderá mudar para chips de computação de ponta e para longe dos data centers centralizados.

No entanto, os analistas alertam que o treinamento de modelos de IA ainda exigirá enormes recursos computacionais, independentemente da eficiência com que possam ser compactados para inferência. A tecnologia de compressão aborda a implantação e a inferência, não a fase de treinamento, que continua sendo a parte do pipeline de IA com maior uso de computação.

Histórico e financiamento do PrismML

PrismML é uma startup de IA e laboratório de pesquisa derivado do Instituto de Tecnologia da Califórnia. A empresa foi pioneira em arquiteturas de redes neurais de baixo bit comercialmente viáveis, uma área que tem visto um interesse acadêmico significativo, mas com implantação comercial limitada até agora.

A startup é apoiada pela Khosla Ventures, a proeminente empresa de capital de risco conhecida pelos primeiros investimentos em empresas de tecnologia transformadoras. The Information relatou pela primeira vez sobre a descoberta do PrismML em 9 de julho, descrevendo-o como executando o maior modelo de IA de todos os tempos em um iPhone.

A conexão Caltech é significativa. A pesquisa acadêmica em redes neurais binárias e ternárias está ativa há anos, mas traduzir essas técnicas em sistemas de qualidade de produção que correspondam ao desempenho dos modelos padrão tem se mostrado extraordinariamente difícil. A alegação de viabilidade comercial do PrismML – validada pela execução de um modelo tão grande quanto o Qwen 3.6 em hardware de consumidor – representa um avanço significativo.

Cenário Competitivo

A Apple não está sozinha na busca pela IA no dispositivo. A Qualcomm tem avançado nos recursos de IA no dispositivo por meio de seus processadores Snapdragon, o Google integrou modelos no dispositivo em telefones Pixel e a Samsung fez parceria com o Google para trazer o Gemini Nano para dispositivos Galaxy. No entanto, a maioria dos modelos atuais no dispositivo são relativamente pequenos – normalmente na faixa de 1 a 3 bilhões de parâmetros.

A tecnologia do PrismML, se comprovada em escala, poderá permitir que modelos muito maiores – potencialmente na casa das dezenas de milhares de milhões de parâmetros – funcionem em smartphones, mudando fundamentalmente a dinâmica competitiva. Isso daria à Apple uma vantagem significativa sobre os rivais que dependem mais do processamento de IA baseado em nuvem.

A TrendForce observa que o marco do PrismML “reflete o esforço mais amplo da Apple para executar IA diretamente nos dispositivos, em vez de depender da infraestrutura em nuvem”. A empresa de pesquisa de mercado sugere que a compressão bem-sucedida no dispositivo poderia acelerar a mudança em direção à IA de ponta em toda a indústria de eletrônicos de consumo.

O que vem a seguir

As negociações da Apple com o PrismML estão supostamente em fase de avaliação, o que significa que as empresas estão avaliando se a tecnologia atende aos padrões de desempenho e confiabilidade da Apple. Não há garantia de que a parceria resultará em um produto comercial, e a Apple não comentou publicamente as discussões.

Se a tecnologia for integrada em futuros produtos da Apple, ela poderá aparecer em atualizações do iOS ou em novas gerações de hardware. O iPhone 17 Pro, que o PrismML usou para sua demonstração, já possui recursos significativos de processamento neural por meio do Neural Engine da Apple.

A questão mais ampla é se as arquiteturas de IA de baixo nível se tornarão um padrão da indústria ou permanecerão uma otimização de nicho. Por enquanto, os resultados do PrismML sugerem que a abordagem ultrapassou um limite crítico – e o interesse da Apple sinaliza que a tecnologia está sendo levada a sério nos mais altos níveis da indústria de eletrônicos de consumo.

Fique à frente da IA

Para uma cobertura abrangente de hardware de IA, otimização de modelos e desenvolvimentos do setor, visite AI Buzz Wire.

Leia mais notícias sobre IA →