iOS 27 AI 大升級最大功臣！拆解蘋果 AFM 3 背後隱藏技術！

Apple 在 6 月 9 日凌晨的 WWDC 全球開發者大會上，正式發佈了全新一系列 27 的作業系統。當中 Apple 最落力推介的 Apple Intelligence，自然成為大家最關心的焦點。一如外界預期，Apple 今次正式與 Google 達成戰略合作，將 Gemini 語言模型整合到 Apple 的生態圈內。

發佈會完結後，Apple 按照慣例在官方的 Machine Learning Research 網站，公開了第三代 Apple 基礎模型（Apple Foundation Models, AFM 3）的技術白皮書。今次 Daniel 就為大家消化一下這份技術文件，用比較易明的方式，拆解全新一代 AFM 3 到底有甚麼技術突破。

五大模型構建 Apple Foundation Model

今代的 AFM 3 家族一共有五款模型，分別針對不同的運算場景，全面涵蓋「裝置端」（On-Device）以及「私密雲端運算」（Private Cloud Computing，PCC）伺服器。各個模型的具體規格與分工如下：

AFM 3 Core（裝置端）： 具備 30 億參數的密集模型（Dense model），專注處理低延遲的基礎文字任務。Apple 官方數據指出，今代模型在基準測試中的用家滿意度達到 45.6%，較上一代有顯著的效能提升。
AFM 3 Core Advanced（裝置端）： 終端 AI 的運算核心，規模達到 200 億參數的稀疏模型（Sparse model）。系統會透過動態調度，針對特定任務精準喚醒對應的專家模塊，將系統資源消耗減至最低，並原生支援語音與影像等多模態數據輸入。
AFM 3 Cloud（伺服器）： 負責在雲端處理更複雜的任務。它升級了「並行軌道混合專家架構（Parallel-Track Mixture-of-Experts，PT-MoE）」，概念上是同時分開多條數據通道，讓不同專家模塊會在各專屬軌道上同時處理數據，大幅度降低舊有雲端架構的數據排隊延遲。
ADM 3 Cloud (Image)（伺服器）： 專為影像處理建構的擴散模型，主要負責提供龐大的圖像生成算力，驅動系統內建的 Genmoji 生成、Image Playground 以及相片 App 的「空間重塑（Reframe）」等高強度圖像渲染功能。
AFM 3 Cloud Pro（伺服器）： AFM 3 Cloud Pro（伺服器）： AFM 3 家族中規格封頂的旗艦模型。全系唯一調用 NVIDIA GPU 叢集進行運算，專屬處理最複雜的邏輯推理任務及跨應用程式的 AI 工具調度。

全新調度架構突破手機 RAM 限制

要在手機跑 AI，RAM 不夠大向來是最大的硬傷。例如 Google 的 Gemini Nano-2，正是受制於此物理限制，其規模只能壓縮至 30 億參數。Apple 研發團隊引入了一項名為「指令跟隨式修剪」（Instruction-Following Pruning，IFP）的創新架構。

在傳統的混合專家模型（MoE）中，AI 生成每個詞元（Token）時，均需在手機的 ROM 與 RAM 之間高頻率地傳輸「權重」（Weights，即 AI 經過訓練後的神經網絡參數與邏輯連線）。但頻繁的數據遷移會極度消耗系統功耗。

但有了 IFP，系統在接收到用戶指令的瞬間，會精準計算出任務所需的運算模塊，隨即動態從 ROM 中提取 10 億至 40 億個「專家」參數載入 RAM 運作。這種機制令實際模型大小成功避開傳統 RAM 的限制，同時大幅度減少了延遲。

IFP 架構的示意圖，當在 RAM 中藍色的「權重」判斷完畢，就會從 ROM 提取橙色的「專家」參數放入 RAM 中。

外部伺服器依然受私密雲端計算保護

至於外部伺服器的私隱問題，今次 Apple 最破格的，絕對是罕有地公開與 Google 的合作細節。對於市場憂慮用戶資料傳送至 Google 伺服器或引發私隱風險，Apple 今次透過升級版 PCC 架構繼續保障私隱。

Apple 首度將 AFM 3 Cloud Pro 放到 Google Cloud 伺服器內的 NVIDIA GPU 上，也把 PCC 安全架構延伸至第三方雲端。Apple 結合了 NVIDIA 機密運算技術、Intel TDX 及 Google Titan 晶片等，更同時擁有分別來自 Google 與 Intel 的「硬件信任根」（內置在晶片中絕對不會被駭客改到的安全種子），代表即使其中一個硬件層面出現漏洞，整體 PCC 伺服器也不會受到任何損壞。

而且，Apple 裝置只獲准與經過官方簽署的軟件通訊。所以就算軟件在第三方雲端運行，裝置亦只會跟 PCC 中真正獲認證的 Apple 程式碼對話，確保所有運算均遵循端到端加密及「無狀態運算」（Stateless Computing，即運算後立即銷毀數據）原則。

軟硬件研發技術令 Apple 優勝於 Android

面對全面擁抱 Google Gemini 的 Android 手機陣營，Apple 透過 AFM 3 展現出完全不同的競爭策略。現時 Android 陣營高度依賴 Google 提供的 Gemini Nano 作為裝置端 AI 模型。不過，由於絕大部分 Android 手機採用外購晶片，加上 Android 系統限制，廠商很難在系統底層做到複雜的記憶體調度調整，令手機模型的規模長期停留在幾十億參數的樽頸。

反觀 Apple 今次正好發揮了軟硬體「大包圍」的絕對優勢，由核心的 Apple Silicon 晶片、iOS 系統底層，以至專為自家硬件編寫的 IFP 模型架構，全部由 Apple 掌握。正因為 Apple 有對系統開發的絕對權，所以才能破格地將一個高達 200 億參數的模型放入 iPhone 並維持系統流暢。

今次看得出 Apple 不是單純把 Google Gemini 直接放入 AFM 3 的伺服器，而是 Apple 真的有特別研究如何把外來模型配合自家的技術在各個 OS 中發揮作用。當然白皮書中技術當然很亮麗，用家最留意的實際表現都要等待九月各個 OS「27」正式推出的日子才知道。

資料來源：Apple Machine Learning Research