Apple discută cu PrismML pentru a micșora modelele mari de inteligență artificială pentru procesarea iPhone-ului pe dispozitiv

Apple este în discuții active cu PrismML, un spinout Caltech susținut de Khosla Ventures, pentru a evalua tehnologia care poate micșora modelele AI puternice suficient pentru a rula direct pe un iPhone, potențial transformând modul în care Apple Intelligence procesează cererile pe dispozitivele sale.

CNBC a raportat pentru prima dată pe 14 iulie 2026 că Apple evaluează tehnologia de compresie a modelului PrismML, despre care startup-ul susține că poate reduce dimensiunile modelelor AI prin factori de ordin de mărime folosind arhitecturi extreme de precizie de biți scăzut. PrismML a confirmat discuțiile într-o declarație către AppleInsider în aceeași zi.

Pentru cele mai recente dezvoltări ale industriei AI și analize tehnologice, AI Buzz Wire acoperă instrumentele care remodelează peisajul.

Descoperirea: rularea Qwen 3.6 pe un iPhone

Potrivit Seeking Alpha, PrismML a comprimat cu succes modelul de limbă mare Qwen 3.6 open-source de la Alibaba pentru a rula pe iPhone 17 Pro – o piatră de hotar descrisă ca rulând cel mai mare model AI pe un smartphone de consum. Startup-ul spune că tehnologia sa folosește de până la 15 ori mai puțină memorie decât arhitecturile de model convenționale.

Abordarea PrismML se concentrează pe arhitecturi de rețele neuronale pe 1 bit și ternare. În modelele tradiționale AI, fiecare parametru de greutate este stocat ca un număr în virgulă mobilă de 16 biți sau 32 de biți. În schimb, PrismML stochează greutăți la o precizie extremă de biți scăzut - ca valori binare (+1, -1) sau valori ternare (+1, 0, -1) - reducând dramatic amprenta memoriei fără a sacrifica sever raționamentul sau capacitățile generative.

Aceasta nu este o simplă cuantizare, tehnica larg utilizată de reducere a preciziei pe un model deja antrenat. Arhitecturile PrismML sunt proiectate de la zero pentru operare cu biți scăzuti, despre care compania spune că păstrează calitatea modelului mult mai bine decât metodele de compresie post-antrenament.

De ce Apple vrea AI pe dispozitiv

Descoperirea raportată a atras atenția Apple, deoarece compania își extinde platforma Apple Intelligence. Rularea modelelor AI mai mari direct pe iPhone-uri ar permite mai multor funcții să funcționeze pe dispozitiv, mai degrabă decât prin serverele Apple Private Cloud Compute, care gestionează în prezent solicitări complexe de AI.

Beneficiile sunt duble. În primul rând, procesarea pe dispozitiv îmbunătățește confidențialitatea utilizatorilor prin păstrarea datelor pe telefon, mai degrabă decât prin transmiterea lor către serverele cloud - un element de diferențiere principal pe care Apple l-a subliniat de la lansarea Apple Intelligence. În al doilea rând, reduce costurile de operare ale Apple prin scăderea dependenței de infrastructura cloud costisitoare și de capacitatea centrului de date necesară pentru a servi sute de milioane de utilizatori de iPhone.

MacRumors observă că tehnologia ar putea permite Apple să ofere funcții AI mai sofisticate - cum ar fi generarea de text avansată, sarcini complexe de raționament și interacțiuni mai bogate Siri - fără a necesita o conexiune la rețea sau a consuma o durată de viață semnificativă a bateriei.

Impact potențial asupra pieței de cipuri AI

Dacă afirmațiile lui PrismML rezistă în testele din lumea reală, implicațiile s-ar putea extinde cu mult dincolo de Apple. CNBC raportează că tehnologia ar putea remodela cererea de cipuri de memorie și de calcul al centrului de date, pe măsură ce procesarea AI se schimbă de la cloud la dispozitivele de consum.

În prezent, industria AI cheltuiește sute de miliarde de dolari pe infrastructura centrelor de date, GPU-uri Nvidia și memorie cu lățime de bandă mare pentru a antrena și a servi modele de limbaj mari. Dacă modelele pot fi comprimate în mod dramatic pentru utilizarea pe dispozitiv, o parte din această cerere s-ar putea muta către cipuri de calcul edge și departe de centrele de date centralizate.

Cu toate acestea, analiștii avertizează că antrenarea modelelor AI va necesita în continuare resurse de calcul masive, indiferent de cât de eficient pot fi comprimate pentru deducere. Tehnologia de compresie se adresează implementării și inferenței, nu fazei de antrenament, care rămâne partea cea mai consumatoare de calcul a conductei AI.

Contextul și finanțarea PrismML

PrismML este un startup și un laborator de cercetare AI, desprins din California Institute of Technology. Compania a fost pionierul arhitecturilor de rețele neuronale cu biți mici viabile din punct de vedere comercial, un domeniu care a cunoscut un interes academic semnificativ, dar o implementare comercială limitată până acum.

Startup-ul este susținut de Khosla Ventures, importanta firmă de capital de risc cunoscută pentru investițiile timpurii în companii de tehnologie transformatoare. The Information a raportat pentru prima dată despre descoperirea PrismML pe 9 iulie, descriindu-l ca rulând cel mai mare model AI de vreodată pe un iPhone.

Conexiunea Caltech este semnificativă. Cercetarea academică în rețelele neuronale binare și ternare a fost activă de ani de zile, dar transpunerea acestor tehnici în sisteme de calitate a producției care se potrivesc cu performanța modelelor standard s-a dovedit extraordinar de dificilă. Afirmația PrismML de viabilitate comercială - validată prin rularea unui model la fel de mare ca Qwen 3.6 pe hardware de consum - reprezintă un pas semnificativ înainte.

Peisaj competitiv

Apple nu este singurul care urmărește AI pe dispozitiv. Qualcomm a avansat capabilitățile AI pe dispozitiv prin procesoarele sale Snapdragon, Google a integrat modele pe dispozitiv în telefoanele Pixel, iar Samsung a încheiat un parteneriat cu Google pentru a aduce Gemini Nano pe dispozitivele Galaxy. Cu toate acestea, majoritatea modelelor actuale de pe dispozitiv sunt relativ mici - de obicei, în intervalul de parametri 1-3 miliarde.

Tehnologia PrismML, dacă este dovedită la scară, ar putea permite modelelor mult mai mari – potențial în zeci de miliarde de parametri – să ruleze pe smartphone-uri, schimbând fundamental dinamica competitivă. Acest lucru ar oferi Apple un avantaj semnificativ față de rivalii care depind mai mult de procesarea AI bazată pe cloud.

TrendForce notează că piatra de hotar a lui PrismML „reflectă eforturile mai ample ale Apple de a rula AI direct pe dispozitive, mai degrabă decât să se bazeze pe infrastructura cloud”. Firma de cercetare de piață sugerează că compresia de succes pe dispozitiv ar putea accelera trecerea către IA de vârf în industria electronică de larg consum.

Ce urmează

Discuțiile Apple cu PrismML se află în faza de evaluare, ceea ce înseamnă că companiile evaluează dacă tehnologia îndeplinește standardele de performanță și fiabilitate ale Apple. Nu există nicio garanție că parteneriatul va avea ca rezultat un produs comercial, iar Apple nu a comentat public discuțiile.

Dacă tehnologia este integrată în viitoarele produse Apple, ar putea apărea în actualizările iOS sau în noile generații de hardware. iPhone 17 Pro, pe care PrismML l-a folosit pentru demonstrația sa, are deja capacități semnificative de procesare neuronală prin Neural Engine de la Apple.

Întrebarea mai largă este dacă arhitecturile AI low-bit vor deveni un standard industrial sau vor rămâne o optimizare de nișă. Pentru moment, rezultatele PrismML sugerează că abordarea a depășit un prag critic – iar interesul Apple semnalează că tehnologia este luată în serios la cele mai înalte niveluri ale industriei electronice de larg consum.

Rămâi înaintea AI

Pentru o acoperire cuprinzătoare a hardware-ului AI, optimizarea modelelor și evoluțiile din industrie, vizitați AI Buzz Wire.

Citiți mai multe știri AI →