初創公司將270億參數模型塞進iPhone，蘋果已與其會談
Claire Weston
初創公司PrismML將270億參數大模型從54GB壓縮至不足4GB，可在iPhone上本地運行；蘋果已就該技術與其展開會談，指向設備端AI戰略的關鍵缺口。
270億參數塞進手機——到底怎麼做到的？
PrismML對阿里巴巴開源模型Qwen 3.6進行壓縮，體積從約54GB縮至不足4GB，壓縮比超過90%。
關鍵差異：蘋果自家設備端模型雖有200億參數，但採用稀疏架構（一種「按需激活」的設計，每次只啟用一小部分參數），實際運行時僅10億至40億參數在工作；PrismML則是270億參數全部同時激活。
這意味著→ 同樣放在手機裡跑，PrismML的模型「全員上陣」，蘋果的模型只讓少數人上場——理論上前者能處理更複雜的任務。
蘋果為甚麼需要這項技術？
蘋果一直將「數據不出設備」視為私隱承諾的核心，但今年6月公佈的Siri升級仍需調用Google Gemini模型，最先進功能跑在Google雲端的Nvidia晶片上。
簡單來說＝ 蘋果口頭上說「一切在手機裡完成」，實際上最強的活還是交給了Google的雲端伺服器。
據報道，蘋果去年嘗試自行壓縮內部AI模型時，性能大幅下滑——這正是PrismML技術對蘋果具有戰略價值的直接原因。
PrismML是甚麼來頭？
公司從加州理工學院（Caltech）孵化而來，CEO巴巴克·哈西比是該校電氣工程教授，核心壓縮專利由加州理工持有並獨家授權給PrismML。
今年早些時候完成1,625萬美元種子輪融資，投資方包括科斯拉風險投資（Khosla Ventures）。
科斯拉創辦人維諾德·科斯拉形容PrismML提供了一種「根本性的突破」。公司表示相關開源模型將於下週二正式發佈。
全部跑在手機上，真的可行嗎？
並非所有人認同純設備端路線。初創公司Argmax等採用混合架構（部分任務在手機端完成，部分上傳雲端處理），將語音、圖像在本地處理，複雜推理交給雲端。
混合架構支持者的核心論點：雲端大模型以每週更新的速度迭代，純設備端模型享受不到這些最新性能提升。
這反映出一個更深的分歧——設備端AI追求的是私隱和離線可用，雲端AI追求的是持續變強；兩條路線目前誰也說服不了誰。
接下來看甚麼？
PrismML計劃繼續將更大模型——包括萬億參數級別——壓縮至設備端，届時將進入與OpenAI GPT、Anthropic Claude同台競技的領域。
蘋果是否最終選擇收購或深度合作PrismML，將是驗證其設備端AI戰略能否擺脫雲端依賴的關鍵信號。
這意味著→ 若蘋果出手，說明它承認僅靠內部團隊無法解決模型壓縮難題；若不出手，純設備端AI的時間表可能繼續拉長。
Content is for reference only, not financial advice.