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)隊的認(rèn)知:
例如,蘋果AI研究團(tuán)隊在論文中指出,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)隊在論文中還指出,在模型設(shè)計過程中,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》報道稱,盡管Siri存在設(shè)計缺陷已經(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,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)隊一直有著充足的預(yù)算,彭博社在2023年10月的一份報道中指出,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)隊這篇論文的測試報告中可以看到,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“。
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)。”
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。