苹果AI“图穷匕见”：将大模型塞进iPhone里

《教父》电影中有句话：“千万不要让外人知道你想干什么”，这句话似乎也可以用在苹果2023年前11个月的AI表现上。

今年5月，外媒报道苹果担心ChatGPT、Copilot等AI工具收集机密数据，禁止员工在工作中使用。

今年6月，在苹果全球开发者大会上，库克甚至都没提AI，而是同义替换为ML。

但如果说苹果不在意AI，显然不可能。毕竟追溯到2010年，苹果就以2亿美元的价格收购了Siri团队，虽然这么多年过去了，它还是那么“弱智”。

今年7月，彭博社报道称，苹果内部研发了自己的AI框架Ajax和聊天机器人AppleGPT。其中Ajax基于Google Jax搭建，而AppleGPT则类似于ChatGPT。不过，二者看起来没有什么创新之处。

今年10月，苹果又掏出了开源多模态大模型Ferret，拥有70亿和130亿两个参数版本。但因为目前只对研究机构开放，也没激起什么浪花。

同样是10月，彭博社报道称，苹果非常“焦虑”，并已启动一项庞大的追赶计划。该计划由机器学习和人工智能主管John Giannandrea和Craig Federighi领导，服务部门高级副总裁Eddy Cue也参与其中，预算为每年10亿美元。

有点讽刺的是，早在2020年，John Giannandrea就在访谈中肯定了苹果的AI战略，并表示苹果不会向外说太多自己的AI能力。

到底是不能说太多，还是其实没有太多。总之，太多传言吊足了大家的胃口。

虽然你可以说，作为一家主打硬件的公司，苹果今年至少发布了Vision Pro，其中数字分身、场景与动作识别等功能都和AI技术有关。

但骄傲止步于11月份AI Pin的刷屏。半个烟盒大小的“领夹”只通过“听”和“看”就能理解用户需求，并用AI软件执行任务，被一些人视为“天生的iPhone杀手”。更重要的是，AI Pin背后的金主爸爸包括微软、OpenAI 等一系列让苹果“焦虑”的对象。

眼看狼群要全方位包抄了，苹果终于在2023年即将结束之时，放出了两篇论文。

其中一篇题为《LLM in a flash:Efficient Large Language Model Inference with Limited Memory》的论文提出：苹果通过一种创新的闪存利用技术，成功地在内存有限的 iPhone 和其他苹果设备上部署了LLM，这一成果有望让更强大的 Siri、实时语言翻译以及融入摄影和AR的尖端 AI 功能登陆未来 iPhone。

在2024年，这条“大模型+硬件”路线或许会直接改变竞争格局。

01 打破内存墙，将大模型放在闪存里

先放数据结论。论文显示，在Flash-LLM技术的加持之下，两个关键领域得到优化：1、减少闪存传输的数据量；2、读取更大、更连续的数据块。

优化之后，设备能够支持运行的模型大小达到了自身DRAM的2倍；LLM的推理速度在Apple M1 Max CPU上提高了4-5倍，在GPU上提高了20-25倍。

Flash-LLM是如何做到的呢？采用了两种主要技术：

第一、 窗口化技术（windowing），通过重复使用先前激活的神经元来战略性地减少数据传输。大大减少了从存储器（闪存）到处理器（DRAM）的数据传输量。

第二、行列捆绑技术(row-column bundling)，根据闪存的时序数据的访问强度量身定制，增加从闪存读取的数据块的大小，改变了数据的存储方式。

举个我们曾在《亏了几个亿， AI项目到底怎么投？看欧洲老牌风投Index如何押宝》中举过的“图书馆”例子。

假设，你拿着列有20本书的书单去图书馆找书，但这家图书馆就像英剧《Black Books》一样，书本摆放得杂乱无章。你几乎要从头走到尾，才能全部定位出你要找的所有书。

想象一下，你找书时，需要“眼睛”和“脑子”对账。按照常理，你不会每看到一本书，就从书单里找对应。因为你的大脑已经“闪存”了“重点书名”。

你要做的，只是从当下视线扫过的范围内找出书单上的书。

窗口化技术（windowing）就是这样，相当于先用一个算法稀疏化 LLM 的权重矩阵，只保留一部分重要的元素，从而减少计算量，提高计算效率。

同时，因为你一共要找20本书，总不能像狗熊掰玉米拿一本扔一本，因此你需要一个小推车。行列捆绑技术(row-column bundling)就是这个小推车，帮助每次从闪存中读取的数据块更大，也提高了数据读取效率。

速度和大小的双重突破，或许很快可以让大模型在iPhone、iPad和其他移动设备上流畅运行。

尽管这种方法也存在一些局限性，包括主要针对文本生成任务，对其他类型任务的适用性还需进一步验证，以及处理超大规模模型的能力有限等等。

02 迎接 Vision Pro 上市，30分钟生成“数字人分身

第二篇论文《HUGS: Human Gaussian Splats》虽然不比上一篇惊艳，但也足够让人眼前一亮。

这篇论文详细介绍了一项名为 HUGS（Human Gaussian Splats）的生成式 AI 技术，苹果研究员兼HUGS论文作者之一的Anurag Ranjan介绍：HUGS仅仅需要一个约50-100帧的原始视频，相当于2到4秒24fps的视频，就能在30分钟内生成一个“数字人分身”。

据悉，这比包含NeuMan、Vid2Avatar在内的其他方式要快约100倍。

根据Ranjan在X上发布的视频，画面右方的三个数字人分身正在草坪上快乐跳舞，颇为魔性。

苹果表示，虽然当前的神经渲染技术比早期有了显著的进步，但依然最适合用在静态场景中，而不是在动态场景中自由移动的人类。

HUGS则是建立在3DGS（3D Gaussian Splatting）和SMPL身体模型技术的基础上，创建数字人分身。当然，目前HUGS技术无法捕捉每个细节，但对于未能捕捉并建模的细节元素，HUGS会自动填充。

而3D虚拟数字人是VR头显进一步发展的必然要求。

例如，在去年Meta发布了Codec Avatar 2.0版本，比1.0进一步完成了逼真的数字人效果。

今年，苹果发布Vision Pro，可以通过前置摄像头扫描用户面部信息，基于机器学习和编码神经网络，为用户生成一个数字分身。当用户使用FaceTime通话时，数字分身就可以动态模仿用户的面部及手部动作，并保留数字人分身的体积感和深度。

根据彭博报道，苹果正在为Vision Pro上市做最后的准备，发售有望提前至2024年1月下旬。

据苹果资深分析师 Mark Gurman 爆料，2024年苹果的精力会重点放在可穿戴产品上（Vision Pro、AirPods、Apple Watch），一向占据大头的 iPhone 或将让位。

这篇论文或许就是迎接Vision Pro上市的准备动作。

03 结语

根据集邦咨询，从2018年开始，苹果就悄悄收购了20 多家AI公司，只有少数公开了交易价格。

也就是说，当你以为苹果终于慢半拍时，大佬正在观察、努力，悄悄布局生态，然后像以前无数次那样，突然一鸣惊人，惊艳所有人。

更可怕的是，此前苹果所表现的“落后一步”似乎是“以退为进”，有两个信息值得注意。

1、外媒报道，最近苹果正讨论“价值至少5000万美元的多年期合作协议”，并与康泰纳仕、NBC新闻和IAC等媒体接洽，以获取他们过往新闻文章的使用授权。

跟别的科技公司拿了数据直接训练不同，苹果是先取得授权，才会拿数据来进行训练。

这让人不由联想到，最近纽约时报指控OpenAI和微软，未经授权就使用纽约时报内容训练人工智能模型。而此案可能是人工智能使用知识版权纠纷的分水岭。

同样的还有近期Midjourney V6的版权麻烦——利用人类创作者的作品进行AI训练是否合法？司法如何保护创作者的权益主张？

2、在“谈AI安全色变”的气候下，今年10月，苹果供应链的香港海通国际证券分析师Jeff Pu发布报告显示：苹果可能在2023年已经建造了几百台AI服务器，而2024年将会显著增加。

他认为，苹果在推出生成式AI时前在谨慎考虑如何使用和处理个人数据，以符合其对客户隐私的承诺。

也就是说，此前苹果的“慢半拍”似乎是思考如何在尊重客户隐私的前提下，使用和处理个人数据。在没有完美的解决方案之前，苹果则始终保持谨慎。

此外，Jeff Pu在报告中指出：苹果计划最早在2024年末开始在iPhone和iPad上实施生成式AI技术。如果计划得以实现，2024年末的时间表将意味着苹果可能会从iOS 18和iPadOS 18开始推出生成式AI功能。

至此，这两篇论文的发布似乎启动了苹果王者归来的时钟，2024年，群雄逐鹿的人工智能赛道将会更加精彩。

       原文标题 : 苹果AI“图穷匕见”：将大模型塞进iPhone里