我是在出差途中看到關(guān)于蘋果MM1消息的，當(dāng)時并沒有覺得驚訝，畢竟蘋果放棄造車、轉(zhuǎn)戰(zhàn)生成式AI的消息早已不是秘密。

讓我感到驚訝的是，最懂蘋果的彭博社記者M(jìn)ark Gurman爆料稱，蘋果正在和谷歌洽談“將Gemini植入iPhone事宜”。

如果Gemini最終真出現(xiàn)在了今年9月即將發(fā)布的iPhone 16上，那就意味著，MacBook好不容易擺脫了英特爾的噩夢，iPhone卻又著了谷歌的道。

即便只是暫時聯(lián)姻，但Android陣營的大模型滲透到蘋果系統(tǒng)中，這也堪稱是前無古人了。

話雖如此，但我們還是有必要了解一下蘋果對于生成式AI的態(tài)度轉(zhuǎn)變，以及關(guān)于下一代AI iPhone的猜想。

01

MM1的戰(zhàn)略意圖

就在上周，蘋果團(tuán)隊(duì)產(chǎn)出了一篇關(guān)于多模態(tài)預(yù)訓(xùn)練大模型的論文，蘋果名為MM1的多模態(tài)預(yù)訓(xùn)練大模型在這篇論文中也浮出水面。

MM1，大多數(shù)果粉聽起來都會覺得這名字耳熟得很。

無論蘋果是有意還是無意，這名字確實(shí)容易讓人想起蘋果MacBook搭載的第一代基于ARM架構(gòu)自研的處理器M1，也是憑借M1，蘋果最終擺脫了英特爾多年的噩夢，真正實(shí)現(xiàn)了絕對的軟硬一體。

蘋果將自己的大模型命名為MM1，似乎也有想要擺脫現(xiàn)在市面上幾乎一手遮天的OpenAI影響的寓意。

每篇研究論文，關(guān)鍵之處在于獨(dú)創(chuàng)性，這也就是所謂的研究成果。

蘋果公司這篇名為MM1的論文，雖然沒有透露出太多公司戰(zhàn)略層面的想法，但是也輸出了一些蘋果AI研究團(tuán)隊(duì)的認(rèn)知：

例如，蘋果AI研究團(tuán)隊(duì)在論文中指出，對于多模態(tài)預(yù)訓(xùn)練大模型而言，使用圖像字幕、圖像文本交錯內(nèi)容、純文本內(nèi)容的組合對于在多個基準(zhǔn)測試中實(shí)現(xiàn)少量優(yōu)秀測試結(jié)果至關(guān)重要。

蘋果AI研究團(tuán)隊(duì)在論文中還指出，在模型設(shè)計(jì)過程中，相關(guān)要素的重要性依次為：圖像分辨率（image resolution）、視覺編碼器的損耗和容量（visual encoder loss and capacity）、視覺編碼器預(yù)訓(xùn)練數(shù)據(jù)（visual encoder pre-training data）。

蘋果MM1大模型，則是基于LLM（大語言模型）+MoE（混合專家系統(tǒng)）搭建而成的多模態(tài)大模型，參數(shù)規(guī)模有3B、7B、30B三個版本。

實(shí)際上，MM1更像是蘋果在放棄造車后，一次不那么正式地對外官宣，官宣自己確實(shí)已經(jīng)在將大模型作為研發(fā)重心來對待。

早在2023年ChatGPT火遍全球時，Mark Gurman就曾爆料，蘋果這年2月在喬布斯劇院舉辦了一場人工智能年度峰會。大模型和AI工具，正是這場僅允許蘋果內(nèi)部員工參與的活動的主要議題。

隨后，《紐約時報(bào)》報(bào)道稱，盡管Siri存在設(shè)計(jì)缺陷已經(jīng)毋庸置疑，但蘋果工程師已經(jīng)在開發(fā)類似ChatGPT的人工智能。

不過，這個五年前在蘋果內(nèi)部成立，由蘋果人工智能負(fù)責(zé)人John Giannandrea領(lǐng)導(dǎo)的16人團(tuán)隊(duì)，彼時的研究方向還是對話式AI基礎(chǔ)模型。

直到去年，一個名為“Ajax”的大模型框架，以及一個被蘋果內(nèi)部員工稱為“Apple GPT”的聊天機(jī)器人項(xiàng)目再次浮出水面，關(guān)于蘋果大模型的消息才有了些苗頭。

而這些無論是被稱作對話式AI，還是大模型的項(xiàng)目，主要目標(biāo)就是改善Siri、搜索、地圖、Apple Music在內(nèi)的軟件體驗(yàn)。

這樣的商業(yè)導(dǎo)向，讓蘋果人工智能團(tuán)隊(duì)一直有著充足的預(yù)算，彭博社在2023年10月的一份報(bào)道中指出，蘋果每年在人工智能技術(shù)開發(fā)上的預(yù)算高達(dá)10億美元。

只不過，雖然Siri這兩年已經(jīng)正在變得好用，但由于蘋果的戰(zhàn)略搖擺，讓它沒能在百模大戰(zhàn)中嶄露頭角。

MM1的悄然上線，算是蘋果在放棄汽車、選定生成式AI這樣的業(yè)務(wù)調(diào)整后，一個戰(zhàn)略意圖上的顯露。

02

谷歌的GPT外衣

從蘋果AI研究團(tuán)隊(duì)這篇論文的測試報(bào)告中可以看到，和OpenAI、谷歌的多模態(tài)大模型相比，蘋果的MM1并不占優(yōu)勢，甚至可以用差強(qiáng)人意來形容。

這就不難理解，為什么會傳出蘋果正在與谷歌談判，希望將Gemini應(yīng)用到iPhone中，Mark Gurman甚至爆料稱，蘋果也在與OpenAI進(jìn)行了接觸，在考慮使用OpenAI的大模型。

在手機(jī)上應(yīng)用谷歌的Gemini大模型，按理來說也不足為奇，畢竟，谷歌Gemini Nano（18億/32.5億參數(shù)規(guī)模）本身就是專為手機(jī)這樣智能硬件設(shè)計(jì)的一款大模型。

更何況，這一模型不僅用在了谷歌自己的Pixel 8 Pro上，還被三星用到了今年年初發(fā)布的旗艦手機(jī)Galaxy S24上。

所以，嚴(yán)格意義上來說，這是一個在主流手機(jī)上已經(jīng)經(jīng)過驗(yàn)證的端側(cè)大模型，保真保熟。

只不過，如果將三星換成蘋果，這件事兒的意義就不一樣了。

眾所周知，蘋果是自成一體的封閉系統(tǒng)，而且還是一套和谷歌陣營的Android一向?qū)α⒌牡诙笫謾C(jī)生態(tài)體系，如果選擇聯(lián)姻，意味著蘋果手機(jī)在軟硬一體上的優(yōu)勢將在一定程度將被打破。

畢竟大模型和其它軟件不太一樣，雖然現(xiàn)在在手機(jī)上還看不出有什么石破驚天的創(chuàng)新應(yīng)用，但在未來將會是一個不亞于芯片的根技術(shù)。

實(shí)際上，從Mark Gurman的爆料來看，蘋果這次與谷歌談合作，也是打算在本地用自己的大模型，在云端用谷歌的Gemini提供文本生成和圖像生成等功能。

這樣看來，蘋果的這一舉措更像是一個”緩兵之計(jì)“。

既然打不過，那就先拿來用吧。

庫克畢竟不是喬布斯，沒有技術(shù)潔癖，這樣的技術(shù)組合，商業(yè)上依然是成功的，對于當(dāng)下的iPhone來說也未嘗不可。

只不過，蘋果以往在人工智能技術(shù)上的高投入，似乎就打了水漂。

郭明錤在2023年10月就曾預(yù)測，蘋果每年至少需要投資數(shù)十億美元，才有可能在生成式AI上追上競爭對手。

這樣算來，蘋果一年10億美元的AI投入，還是顯得少了些。

而關(guān)于蘋果在生成式AI到底有哪些關(guān)鍵成果，在今年2月的蘋果一季度電話會議上，庫克透露，“我們很高興將在今年晚些時候分享我們正在進(jìn)行的人工智能工作的相關(guān)細(xì)節(jié)?！?/span>

這一時間節(jié)點(diǎn)很可能是今年6月的WWDC 2024，搭載蘋果生成式AI的產(chǎn)品則很可能是iOS 18，以及今年秋季即將發(fā)布的iPhone 16。

03

關(guān)于AI iPhone的猜想

就在昨天，高通高調(diào)對外發(fā)布了一顆新處理器——驍龍8s Gen 3。

芯片廠商的產(chǎn)品向來版本眾多，新名字聽得大家也是云里霧里，而這顆芯片，其實(shí)是驍龍8 Gen 3的低配版（官方稱之為性能版）。

即便如此，這仍是一顆最高支持100億參數(shù)大模型的手機(jī)處理器。

低配版的處理器都已經(jīng)開始支持百億參數(shù)大模型，由此可見，大模型已經(jīng)成了智能手機(jī)的標(biāo)配。

就在智能手機(jī)都開始標(biāo)配大模型、換殼“AI手機(jī)”時，如何使用大模型就成了那個最關(guān)鍵的問題。

現(xiàn)在來看，就新一代蘋果手機(jī)或iOS系統(tǒng)而言，我們能夠期待的是：

1、語音助手Siri能夠通過生成式AI變得聰明些；

2、百年不變的攝像/攝影功能通過生成式AI搞一些新玩法；

3、攝影功能在生成式AI的加持下可以和Vision Pro進(jìn)一步聯(lián)動，讓為Vision Pro創(chuàng)造3D內(nèi)容變得更簡單；

4、在Pages、Keynote等辦公軟件上加入自動摘要、文生圖等內(nèi)容生成功能，那種能夠更容易上手和使用的內(nèi)容生成功能；

5、最好能再通過生成式AI創(chuàng)造出兩個我們都不曾想到的新鮮玩法。

當(dāng)然，鋅產(chǎn)業(yè)認(rèn)為，毫無懸念的是，這次通過生成式AI，蘋果Siri必然會迎來一次空前升級。

憑借超10億優(yōu)質(zhì)iPhone活躍用戶，這次，借助生成式AI，蘋果或許能夠重啟語音交互時代。