苹果情报设备上的处理仍然是苹果在人工智能领域最有说服力的论据。竞争对手可能在公共模型排名、聊天机器人采用率和发布实验性功能的速度方面处于领先地位，但苹果正在人们已经用于其最个人工作的设备中构建人工智能。
这种区别改变了获胜的定义。
苹果并不需要每个 iPhone 用户都打开单独的聊天机器人应用程序。它可以将智能放入消息、邮件、照片、笔记、快捷方式、西里和第三方应用程序。本地模型可以对私有信息进行操作，而无需将该信息自动传输到外部服务器。
当人工智能市场通过聊天机器人的发布和模型大小来衡量进展时，该策略似乎进展缓慢。随着该行业面临云成本、隐私问题、不可靠的连接以及将通用人工智能转化为有用的日常操作的困难，它看起来更具竞争力。
马克斯·布朗利 (Marques Brownlee) 在他的视频《苹果输掉了人工智能竞赛》中，用简洁的一句话捕捉到了这一矛盾：
“苹果输掉了人工智能竞赛。实际上，苹果赢得了人工智能竞赛。”
这种明显的逆转很好地描述了苹果目前的立场。苹果可能已经输掉了第一场公众认知度竞赛。它越来越准备好应对人工智能在哪里运行、如何接触用户以及谁控制使其发挥作用所需的个人数据的长期竞争。
最流行的生成式人工智能产品都是从云服务开始的。用户向远程模型发送请求，提供商在数据中心处理该请求，然后通过应用程序或浏览器返回答案。
这种结构支持巨大的模型，但造成了对互联网接入、服务器容量和持续基础设施费用的依赖。这还意味着即使提供商使用强大的安全和隐私政策，个人提示也会离开设备。
苹果情报设备上从相反方向开始。 iPhone、iPad 或 Mac 首先尝试使用针对 Apple 芯片优化的 Apple Foundation Models 在本地处理请求。
该本地模型不需要了解互联网上可用的所有内容。它需要了解用户的请求，处理相关的个人上下文并有效地完成常见任务。
区别类似于拥有一台功能强大的计算机，而不是从远程服务器租用每项计算。云系统对于困难的工作负载仍然有用，但它们不再需要参与每一次交互。
对于苹果来说，本地加工也是产品优势。该公司控制着芯片、操作系统、模型架构、存储系统和应用程序。每一层都可以围绕其他层进行设计，而不是由不相关的服务组装而成。
隐私成为一项技术特征
科技公司经常将隐私描述为一项政策。苹果正试图使其成为人工智能架构的一部分。
当请求完全在 iPhone 上运行时，相关数据不需要离开设备。模型可以处理消息、约会、照片或应用程序内容，而无需将个人上下文上传到传统的云帐户。
这种结构与 Siri AI 尤其相关。真正的个人助理需要访问用户可能永远不会愿意将其放入普通聊天机器人中的信息：私人对话、旅行计划、与健康相关的详细信息、工作文件和人与人之间的关系。
当助手获得上下文时，它会变得更加有用。当相同的上下文在设备外部存储、分析或用于模型训练时，它也会变得更具侵入性。
设备上的 Apple Intelligence 使 Apple 能够扩展个人背景，同时保持更牢固的边界。助手可以在本地理解信息、执行操作并丢弃临时处理数据，而无需构建永久的广告或培训配置文件。
对于业务依赖于云服务、大规模数据收集或独立人工智能产品内部参与的竞争对手来说，这是很困难的。苹果的硬件业务给了它不同的激励。
私有云计算扩展了模型
并非所有人工智能任务都能满足 iPhone 的功耗和内存限制。当请求需要更大的模型时，Apple 使用私有云计算。
私有云计算旨在将Apple设备的隐私架构扩展到云端。用户信息仅根据请求进行处理，不会被存储，也不会提供给 Apple 用于不相关的目的。
独立研究人员可以检查系统使用的软件映像，从而对云环境创建不同寻常的外部可见性。苹果还扩展了架构，同时保持对用于处理的软件和隐私保护的控制。
这创建了一个分层系统，而不是在本地人工智能和云人工智能之间进行简单的选择。
Apple Intelligence 首先确定设备是否可以处理请求。更复杂的工作可以转移到私有云计算。外部型号当用户选择参与时，可以单独提供。
用户不需要了解每个答案背后的技术路径。系统选择能够完成任务的最小且最私密的环境。
Apple Silicon 是一项人工智能投资
苹果对其处理器的控制已成为其在AI时代的最大优势之一。
神经引擎首次出现是在生成式人工智能成为消费者痴迷的几年前。它支持 Face ID、摄影、语音识别和其他机器学习任务。苹果继续在 iPhone、iPad 和 Mac 上扩展该硬件。
这些投资现在提供了大量旨在本地运行机器学习工作负载的设备。最新的 Apple 芯片将 CPU、GPU、神经引擎和统一内存结合在一个架构中，可以在不同类型的处理之间有效地移动信息。
相同的设计可帮助基础模型运行，而无需与传统数据中心硬件相关的功耗或单独的内存系统。
苹果还控制着调度这些工作负载的操作系统。可以针对支持设备的确切处理器、内存限制和能源行为来优化模型。
竞争对手可以构建出色的模型，但他们通常需要支持来自多个能力不一致的制造商的硬件。苹果可以确定人工智能功能需要特定一代的芯片，并围绕它设计完整的体验。
开发商获得本地模式
基础模型框架将 Apple Intelligence 设备上的功能扩展到 Apple 自己的应用程序之外。开发人员可以通过本机 Swift 工具使用系统模型，而不是交付单独的大型模型或为每个云请求付费。
应用程序可以生成结构化内容、解释自然语言或使用工具调用，同时在设备上保留受支持的处理。 Apple 负责模型交付和系统集成。
这可以降低开发商的运营成本。每次用户提交请求时，基于云的人工智能功能都会产生持续的费用。本地推理使用客户已经拥有的硬件。
它还可以提高可靠性。功能可以在没有互联网连接的情况下保持可用，并且无需等待远程服务即可响应。
该框架鼓励以更安静的方式采用人工智能。应用程序不需要添加显着的聊天机器人选项卡或围绕对话界面重新设计自身。智能可以作为一种有用的功能出现在现有工作流程中。
这就是苹果战略可能达到规模的地方。数以百万计的应用程序可以整合小型人工智能功能，用户将这些功能体验为正常的软件行为，而不是访问人工智能目的地。
安装量是苹果的分销优势
人工智能竞赛经常被视为模型之间的竞赛。消费者的采用也取决于分销。
Apple 可以通过 iPhone、iPad、Mac 和 Vision Pro 的操作系统更新提供新的智能功能。用户无需创建另一个帐户、选择提供商或将其个人信息转移到新服务中。
Siri已经占据了系统界面。 Apple Intelligence 可以跨第一方应用程序运行。开发者可以通过Apple框架连接自己的功能。
规模很难复制。模型提供商可能有更强的基准分数，但仍然需要用户下载应用程序并有意识地打开它。苹果可以在人们已经执行的操作中引入人工智能：回复消息、定位照片、组织笔记或完成快捷方式。
这并不能保证成功。苹果必须让 Siri AI 变得可靠，保持功能可用性的一致性，并证明本地模型可以提供足够的功能来满足习惯于强大云助手的用户。
只有当体验有效时，分销优势才变得有意义。
无需构建最响亮的聊天机器人即可获胜
苹果在人工智能转型过程中犯了错误。 Siri 的改进比承诺的要晚，地区法规推迟了功能的推出，竞争对手在苹果完成新系统之前就建立了强大的消费品牌。
这些挫折解释了为什么苹果在人工智能竞赛中失败的说法变得有说服力。
他们不解决结果。
第一阶段奖励那些快速发布聊天机器人并展示越来越大模型的公司。下一阶段可能会奖励那些能够将人工智能融入日常生活的系统，而无需持续的云访问、高昂的订阅成本或广泛的个人信息收集。
设备上的 Apple Intelligence 就是为这个阶段而构建的。它使用用户手中已有的硬件，在本地保护更多的个人上下文，并使开发人员能够访问情报，而不需要每次交互都成为服务器事务。
苹果不需要赢得每一个基准测试或发布最健谈的助手。它需要人工智能成为人们已经信任的设备的可靠组成部分。
布朗利的标题之所以有效，是因为这两种说法都可能是真的。苹果失去了定义早期生成人工智能市场的可见冲刺。通过专注于本地处理、芯片、隐私和操作系统集成，它可能已经做好了赢得接下来的竞争的准备。
