苹果PrismML技术成iPhone运行更大AI模型关键

苹果正悄然推进一项雄心勃勃的计划——将超大规模AI模型完整部署到iPhone本地运行，而不再单纯依赖云端服务。据《The Information》披露，苹果已与一家名为PrismML的AI初创公司展开多轮深入沟通。合作的核心，正是借助PrismML领先的模型压缩与优化技术，突破现有硬件瓶颈，让百亿乃至更大参数的语言模型能够在手机端高效、全量地运行。

iPhone

这项计划的技术基础非常扎实——PrismML近期取得了关键突破：他们成功对阿里巴巴开源大语言模型通义千问3.6（Qwen 3.6）进行了深度适配与轻量化重构，最终实现了在iPhone 17 Pro上的完整本地部署。该适配后的模型参数量高达270亿，远超苹果当前为iOS 27中Apple Intelligence功能所搭载的端侧模型AFM 3 Core Advanced。后者虽然标称200亿参数，但实际服务于iPhone 17 Pro及iPhone Air系列，主要负责Siri AI更自然的语音合成与系统级实时听写。

关键在于，两者的架构理念存在本质差异。苹果现有模型采用稀疏激活机制：200亿参数中，任意时刻仅有大约10亿到40亿处于活跃状态。而PrismML优化后的模型，支持全部270亿参数同步激活。这意味着，在同等芯片资源下，后者能够释放出更充沛的本地计算潜力——就好比将一台并行计算引擎塞进了手机之中。

如果这条路径最终走通，苹果将能把原本依赖Private Cloud Compute云端服务器执行的AI任务，大规模迁移到设备端完成。这带来的战略价值是双重的：一方面，长期来看可大幅削减云基础设施的投入与运维成本；另一方面，最关键的在于，敏感用户数据（如语音指令、文本输入等）将从根本上杜绝外传风险。隐私保护将从“传输加密”升级为“数据不出设备”的硬性保障——这才是真正意义上的“所用即所安”。

目前，苹果的AI能力走的是端云协同路线：端侧负责低延迟、高隐私场景下的基础响应，云端则承担复杂推理与持续学习任务。受限于SoC算力和内存带宽，部分高负载的Apple Intelligence功能仍需调用云端资源。一旦PrismML方案通过苹果严苛的验证，未来系统更新中很可能分阶段推进更多AI能力的本地化，从而全面提升响应实时性、离线可用性和隐私安全等级。当然，需要指出的是，双方合作目前仍处于技术评估初期，具体的整合节奏与商用时间表尚未公布。但这已经是一个足以让行业高度关注的信号了。