گزارش تازه ای از The Information نشان می دهد اپل در حال بررسی راه هایی است تا مدل های هوش مصنوعی بسیار بزرگ تری را مستقیما روی آیفون اجرا کند. در همین راستا، این شرکت جلساتی با استارتاپ PrismML برگزار کرده تا ببیند آیا فناوری آن ها می تواند چنین هدفی را عملی کند یا نه.
طبق این گزارش، PrismML موفق شده نسخه ای از مدل زبانی متن باز Qwen 3.6 متعلق به Alibaba را به شکلی فشرده سازی کند که به طور کامل روی یک iPhone 17 Pro اجرا شود. این مدل حدود 27 میلیارد پارامتر دارد؛ عددی که از مدل فعلی اپل با نام AFM 3 Core Advanced بزرگ تر است. مدل اپل حدود 20 میلیارد پارامتر دارد و همین حالا هم پایه برخی قابلیت های iOS 27 محسوب می شود.
مدلی بزرگ تر از آنچه اپل امروز استفاده می کند
AFM 3 Core Advanced که در حال حاضر در دستگاه های جدیدی مثل iPhone 17 Pro و iPhone Air استفاده می شود، با وجود 20 میلیارد پارامتر از معماری موسوم به «sparse» بهره می برد. در این معماری، همه پارامترها همزمان فعال نیستند و معمولا تنها بین 1 تا 4 میلیارد پارامتر در هر لحظه درگیر پردازش می شوند.
در مقابل، مدل فشرده شده PrismML از Qwen 3.6 این محدودیت را ندارد و هر 27 میلیارد پارامتر آن می توانند به طور همزمان فعال باشند. این تفاوت از نظر تئوری می تواند به دقت و کیفیت پاسخ ها کمک کند، چون مدل در هر لحظه از ظرفیت کامل خود استفاده می کند.
چرا اجرای مستقیم مدل های بزرگ روی آیفون مهم است؟
در حال حاضر بخشی از قابلیت های Apple Intelligence به سرورهای اختصاصی اپل در زیرساخت Private Cloud Compute متکی هستند. این یعنی برخی پردازش ها خارج از دستگاه انجام می شود. اگر اپل بتواند مدل های بزرگ تر را مستقیما روی آیفون اجرا کند، وابستگی به این سرورها کمتر می شود.
این تغییر دو پیامد مهم دارد. اول کاهش هزینه های پردازشی برای اپل، چون نیاز به منابع ابری کمتر خواهد شد. دوم، بهبود حریم خصوصی کاربران؛ چون داده های بیشتری روی خود دستگاه باقی می ماند و نیازی به ارسال آن ها به سرور نیست.
اپل در سال های اخیر بارها روی این نکته تاکید کرده که رویکردش در هوش مصنوعی، تا حد امکان مبتنی بر پردازش روی دستگاه است. چنین همکاری هایی نشان می دهد این مسیر هنوز هم برای شرکت اهمیت دارد و حتی ممکن است در نسخه های آینده iOS پررنگ تر شود.
نقش فعلی مدل های اپل در iOS 27
مدل AFM 3 Core Advanced همین حالا هم بخش مهمی از تجربه کاربری در iOS 27 را شکل می دهد. از جمله می توان به بهبود دیکته سراسری سیستم و همچنین صدای طبیعی تر و بیان پذیرتر Siri اشاره کرد. این ها نمونه هایی از قابلیت هایی هستند که به لطف پردازش محلی و مدل های زبانی پیشرفته امکان پذیر شده اند.
با این حال، محدودیت در تعداد پارامترهای فعال به این معناست که هنوز هم جای پیشرفت وجود دارد. اگر اپل بتواند مدلی با اندازه بزرگ تر و بدون محدودیت های معماری sparse را روی دستگاه اجرا کند، احتمالا شاهد جهش دیگری در کیفیت این قابلیت ها خواهیم بود.
همکاری احتمالی، نه یک محصول نهایی
نکته مهم اینجاست که گزارش فعلی صرفا به جلسات و بررسی های اپل اشاره دارد و نه یک محصول یا ویژگی قطعی. هنوز مشخص نیست آیا اپل در نهایت از فناوری PrismML استفاده خواهد کرد یا راهکار داخلی خود را توسعه می دهد.
با این حال، همین که نمونه ای از یک مدل 27 میلیارد پارامتری روی iPhone 17 Pro اجرا شده، نشان می دهد از نظر فنی این مسیر قابل دسترس است. ادامه این روند می تواند مرز بین پردازش ابری و پردازش روی دستگاه را بیش از پیش کمرنگ کند.
در مجموع، اگر این تلاش ها به نتیجه برسد، Apple Intelligence در آینده می تواند مستقل تر، سریع تر و خصوصی تر از امروز عمل کند؛ تغییری که احتمالا تاثیرش را به شکل مستقیم در تجربه روزمره کاربران نشان خواهد داد.
