苹果的WWDC2024刚刚落下帷幕，评价却褒贬不一。
支持者认为，苹果能在语音助手、图像编辑、Agent协作、APP打通、外部模型合作等多个维度结合AI能力，体现出一个庞大科技公司重压之下的成功。
但反对派却觉得，升级的Siri、基于AI的emoji和笔记创作，都是无聊的"雕花"功能，配不上三万亿市值。
众说纷纭中产生的一个“大乌龙”是——发布会结束后不少用户认为，苹果的这些大模型能力均来自于OpenAI的GPT-4o。
甚至，还有一些自媒体言之凿凿，说Apple Intelligence是套壳GPT-4o，几乎坐实"苹果掉队大模型"言论。
苹果或许坐不住了。
就在今天，苹果官方立刻发布了一篇文章，公布了Apple Intelligence背后，自研基础模型的信息。
文中，苹果表示Apple Intelligence背后的基础模型，是自研的一个约30亿参数的端侧语言模型（Apple On-Device）和一个通过私有云计算并在 Apple 芯片服务器上运行的、更大的基于服务器的语言模型（Apple Server）。
而且，这些模型都针对苹果用户的日常行为进行了微调训练。
现在，我们来一起看看这两个模型的技术细节和竞品对比。
详解Apple On-Device和Apple Server
这次WWDC背后主要有两个模型。
其中一个是端侧模型，参数量为3B，可以直接在手机等终端设备上运行，对标微软的Phi-3-mini、谷歌Gemma 7B等小模型。
另一个是更大的模型，没有明确参数量，主要对标GPT-4。该模型可通过私有云计算，并在Apple的服务器上运行。
通过苹果官方提供的测评，可以看出它的端侧模型，也就是Apple On-Device，在总结、安全性、编码、数学推理、分类等测试方面基本处于第一的位置。
而Apple Server，整体还略逊色于GPT-4 Turbo。
同时，苹果还公布了用适配器fine-tune 的细节。比如使用适配器，即一些模型权重的小集合，相当于一个小型的插件，让模型快速适应不同的任务。
例如，模型处理邮件和通知的总结，看起来差不多，但实际上有许多细微的差别。所以苹果给模型用适配器，让它能更好地完成这种任务。
其他内容还包括测试、合成数据等。
*更多技术细节参考：https://machinelearning.apple.com/research/introducing-apple-foundation-models
端侧和多模态：苹果的长期布局
今年以来，苹果在模型方面动作频频。
最明显地，是它自2月开始发布的一系列小型模型。这其中既包括可以读懂iPhone屏幕的多模态理解模型ReALM（Reference Resolution As Language Modelling），还包括Ferret-UI。
4月，苹果又发布一系列名为OpenELM（开源高效语言模型）的语言模型，提供2.7亿、4.5亿、11亿和30亿等多个规格的参数量。
以下是这些模型的基本情况和参数总结：
另外，苹果在AI领域的投资和并购也围绕"端侧"和"多模态"两大特点。
有信息指出，2023年苹果至少收购了32家AI创业公司。
像近期对加拿大人工智能初创公司DarwinAI的收购，被很多人视作提升端侧AI能力的布局之一。因为，DarwinAI的核心技术是能够让AI系统变得更小、更快。
而苹果半年前收购的Datakalab，技术特点则是能够通过面部识别和视觉数据分析人类情绪。
更早一些时候，也就是2020年，苹果先后收购了两家可以提升设备AI处理以及语言处理能力的AI公司，Xnor.ai和Voysis。
或许此次的WWDC没有达到所有人对苹果颠覆式创新的预期。
但苹果对AI的投入不可否认——它不仅发布自研模型和收购AI相关公司补短板，也带来丰富的AI用例，这点在发布会上有诸多体现（参考阅读：Apple Intelligence：苹果终于打响大模型时代第一枪）。
苹果端侧模型的想象力也不容忽视。今年以来，微软、面壁智能、商汤、昆仑万维等公司纷纷发力端侧模型，说明这一领域很可能是下一个AGI大厂抢夺的高地。
但端侧模型对计算和网络通信效率要求严苛，模型的大小又限制了能力的涌现。对所有大厂来说，它都可能都是块难啃的骨头。这也让人们更加期待苹果未来的表现。
热门跟贴