AI 纪元 追踪人工智能最新进展,深度解读前沿技术

苹果端侧AI,NPU不是唯一答案

Apple Intelligence把AI拉回iPhone本地,但真正决定体验的,不只是一颗NPU。算力、内存、散热、云端协同和隐私边界,会一起决定它能做多远。

0 次阅读 约 2473 字 5 分钟 AI 生成
A conceptual editorial still life showing a smartphone chip surrounded by various physical elements representing memory, heat, and cloud connectivity.
A conceptual editorial still life showing a smartphone chip surrounded by various physical elements representing memory, heat, and cloud connectivity.

苹果讲Apple Intelligence时,最容易被记住的是“本地运行”和“保护隐私”。这两个词很有吸引力,也符合苹果一贯的产品叙事。

但端侧AI落到手机上,问题会变得具体:哪些任务真能在本地完成?NPU算力够不够?为什么同样升级到新系统,有些iPhone能用,有些不能?

答案不在一句“端侧AI来了”里。

先看苹果到底怎么分工

国信证券在2024年7月发布的《AI端侧应用系列报告(三)》里,把苹果AI的调用方式概括为三层:本地小模型、苹果私有云大模型,以及外部的GPT-4o。

这比“全部在手机上跑”要现实得多。

本地模型适合处理更贴近个人数据、响应要求高、任务边界清楚的需求,比如文本改写、简单摘要、图片里的局部理解。更复杂的推理、跨应用任务,或者需要更强模型能力的请求,则会交给私有云或外部大模型。

这套架构的关键,不是把云端彻底排除,而是让系统判断:哪些数据可以留在本机,哪些任务值得上云。

这也是为什么讨论Apple Intelligence时,只盯着NPU TOPS会失真。NPU决定一部分本地推理能力,但体验还受内存、带宽、功耗、散热和系统调度影响。手机不是服务器,不能无限堆散热,也不能让AI任务长时间占满电池。

35 TOPS之后,瓶颈换了地方

申万宏源相关材料提到,苹果A系列芯片从2017年的A11开始内置NPU,当时算力为0.6 TOPS;到2023年的A17 Pro,NPU算力已经达到35 TOPS。

这个跨度很大,也解释了为什么苹果会把Apple Intelligence的门槛设得比较高。

爱范儿在WWDC 2024后的报道中提到,虽然iPhone XR之后的机型都可以升级到iOS 18,但Apple Intelligence在手机端仅支持iPhone 15 Pro和iPhone 15 Pro Max,连iPhone 15和iPhone 15 Plus都不支持。

这说明苹果并不只是在做系统功能分发,而是在给端侧AI划硬件底线。A17 Pro这一代的NPU、内存规格和整机能力,才被苹果认为能承接Apple Intelligence的基础体验。

到了iPhone 16系列,情况继续向AI倾斜。美格智能引用苹果发布会信息称,iPhone 16系列搭载第二代3nm工艺的A18和A18 Pro芯片,苹果也把这一代产品称作“为Apple Intelligence打造”。

这句话可以理解得更冷静一点:iPhone 16不是让所有AI任务都无压力本地运行,而是把端侧AI从“能演示”推向“能日常使用”。

本地推理最怕任务变长

端侧AI最舒服的场景,是短任务、低上下文、低风险。

比如让系统润色一段文字、整理一张照片、识别屏幕上的信息。这类任务输入清楚,推理链条短,出错后用户也容易发现。

麻烦通常出现在另一类需求:让手机读取多个应用里的信息,理解上下文,再替你完成一串动作。比如根据邮件内容生成日程、结合联系人关系写回复、把照片信息和备忘录内容串起来做判断。

这类任务看起来像“Agent”,但对端侧设备并不友好。它需要更长上下文、更稳定的工具调用、更复杂的权限管理,还要控制发热和耗电。模型越小,越容易在复杂链路里漏信息;模型越大,对手机的压力越高。

所以,苹果选择三层调用并不意外。真正有价值的体验,大概率不是“所有事情都在本地完成”,而是用户无感地在本地、私有云和外部模型之间切换。

隐私是卖点,也是边界

苹果坚持端侧AI,有很强的产品逻辑。

手机里有照片、通讯录、邮件、日历、位置和支付相关信息。AI如果要真正成为系统级助手,就绕不开这些个人数据。把更多处理放在本地,至少能降低用户对数据外流的担心,也符合苹果长期强调的隐私定位。

但隐私不能自动解决性能问题。

本地模型为了适配手机,通常需要在模型规模、运行内存和响应速度之间取舍。它可以更快调用个人数据,也更容易做系统级集成;但在复杂推理、长文本、多模态理解上,云端大模型仍有优势。

这不是路线之争,而是设备形态决定的现实。

如果用户只是用Apple Intelligence做写作辅助、图片整理、通知摘要,本地能力会越来越够用。若期待它像桌面端AI工具一样长时间处理复杂任务,手机端仍会遇到功耗和散热限制。

iPhone 17该期待什么

围绕iPhone 17,市场自然会期待更强NPU和更好的AI体验。但仅靠下一代芯片,很难一次性解决端侧AI的全部问题。

原因很简单:手机里的AI体验不是单点算力竞赛。

A17 Pro已经把NPU推到35 TOPS,iPhone 16系列又进一步围绕Apple Intelligence设计。接下来即使NPU继续增强,用户感知最明显的部分,也可能来自系统调度、模型压缩、端云切换策略和应用生态适配。

换句话说,iPhone 17如果提升Apple Intelligence体验,未必表现为“所有任务都更快一倍”这种直观变化,更可能是某些场景少等待、少跳转、少失败。

这对普通用户反而更重要。

买手机前,先想清楚你要用哪种AI

如果只是想用系统级写作、图片整理、通知摘要、Siri增强等功能,支持Apple Intelligence的机型已经能覆盖主要需求。iPhone 15 Pro系列是苹果给出的最低门槛,iPhone 16系列则更贴近苹果当前的AI产品方向。

如果你希望手机承担更重的工作流,比如跨应用整理信息、自动生成日程、连续调用工具完成办公任务,就不要只看“NPU够不够”。这类体验更依赖端云协同,也更依赖具体应用是否接入苹果的系统能力。

如果你特别在意隐私,本地处理当然更安心,但要接受它在复杂任务上的边界。隐私、速度和能力,很难同时拉满。

Apple Intelligence的真正看点,不是苹果能否证明手机可以取代云端大模型,而是它能不能把AI放进系统里,让用户少做几步操作。

端侧NPU很重要,但它不是唯一答案。对iPhone来说,AI体验最终拼的是整机能力和系统分工,而不是一颗芯片的参数表。

相关阅读