苹果大模型，不藏了

　　岁末年初，苹果加快了在大模型领域的步伐。

　　上个月，苹果先是推出了名为Ferret的多模态大语言模型，图像处理技术堪称惊艳;而后又发布了一篇题为《闪存中的大型语言模型：在有限内存下高效的大型语言模型推理》的论文，直指大模型落地iPhone等“内存有限”设备的方法。

　　进入新年，Siri助手将搭载生成式模型Ajax的消息，再次不胫而走。

　　去年六月和九月的两次重要发布会，苹果分别掏出了早有传闻的XR项目和iPhone系列的惯例年更，前者市场反响平平，后者挤牙膏被批像是被“卡脖子”了，硅谷All in大模型之时，苹果官方对人工智能这一年度热词始终闭口不谈。

　　公司CEO库克曾解释道，苹果有计划在更多产品中加入AI，但要“深思熟虑”。

　　现如今，也许是想好了，也许是技术突破了，留了一手的苹果，终于不藏了。

　　iPhone的AI时刻，来了?

　　Siri助手AI化其实早有预兆：去年七月份，彭博社发文称苹果内部正在暗中测试一款对标OpenAI和谷歌的生成式AI工具，暂定名“Apple GPT”。

　　因使用Google JAX框架进行构建，Apple GPT的开发框架被命名为Ajax。

　　当时的消息称，苹果LLM技术的最大用武之地，便是整合在Siri内部，让语音助手以更为智能的方式协助用户。

　　现在，更多细节被透露——苹果发布的论文称，这项将大语言模型放在闪存中优化运行的技术，较传统运行方法提高了4-5倍(CPU)和20-25倍(GPU)的推理速度。

　　把大象(大模型)装进冰箱(手机)里的方法，来了：先减少闪存传输的数据量，再提高每次传输的吞吐量。

　　先看框架：以手机为例，平时购机时的【12+256G】、【16+512G】，12/16为运行内存，256/512为储存空间。

　　以此类推绝大部分移动设备存储结构，运存空间小，但读取速率高(DRAM 10GB/s);储存空间大，但读取速率相对较低(Flash Memory 1GB/s)

　　一般来说，大模型的推理阶段，模型加载、分析数据需要直接占用运存，而目前主流手机市场最大的16GB运存，也并不能完全满足大模型所需的空间：模型大小>手机内存。

　　苹果给出的解决方案是“先减少闪存传输的数据量”——把大模型完全体放在空间更大的储存中，运行时只调用必要数据进入运存。

　　这并非一个简单的搬箱子过程，如何正确筛选出所有必要数据，以及如何把数据快速由闪存传输到运存，是两个需要解决的问题。

　　方法之一被命名为sliding window(滑窗)：

　　假设大模型正在处理Once upon a time there was a kid who had a dream这句话，在处理“Once upon a time there”这段字符的时候，图中上半部分的青色格子(神经元)处于激活状态;而当处理字段变到“upon a time there was”(往后推进了一个字符)，图中下半部新启用了蓝色格子，并删除了了此前青色部分的几个格子(以粉色标注)，其余青色保持不变。

　　这就是sliding Window的核心思想：查缺补漏，多退少补。在大模型运行过程中，只保留一开始就激活的神经元，后续的每次运算，都基于前一次参数进行删除和添加，省去了一部分重复工作。

　　当然，这种预设也并非没有问题，知乎博主@Civ发文称，sliding window可用的核心假设是大模型在处理相邻数据时前后具有相似性，但这个相似性苹果没有展开论证。

　　再者是传输：将多次传输的数据拼接后一次性读取，保持连续完整的“数据”，避免多次复制拖慢时间;另外，提前预留出一个较大的空间(较大，但仍远远小于模型整体占用)，避免在数据传输过程中，因多次增加空间而加大设备的计算量。

　　此前，蓝媒汇在《AI PC发布，联想真的想通AI了吗?》中提及，限制大模型进入移动端的瓶颈就是模型占地太大，影响设备本身正常运转，或者塞不进去导致无法运行。

　　苹果这项新研究的诸多技术细节，都在指向空间的压缩，包括数据体量，也包括运算所占用的算力。

　　发力多模态

　　之前有个段子(也可能是真事儿)，说是大模型搞不定人机验证，是因为AI被设定不能说谎，所以无法选择“我不是机器人”。

　　去年十月份，苹果还是以论文的形式公布了一项研究成果：Ferret大模型，自己搞定谷歌人机验证了。

　　遥遥领先于GPT4。

　　不久之前，苹果公布了更多Ferret模型的细节、功能。

　　图/苹果 Github Ferret模型介绍

　　和GPT4相比，Ferret的领先之处在于，它不仅能准确识别并处理图像内容，还能用算法区分图片中各种元素(人、物体等等)，并根据用户指令找出对应元素。

　　这种多模态理解能力，使得Ferret能够同时处理用户输入的图像和自然语言，并且由于其算法能够将图像中的元素准确拆分、定位，Ferret可以准确理解如“图片右上角”、“靠近沙发”这类指令。

　　相比于卷疯了的自然语言处理，这种基于图像的交互使得信息更加直观。

　　最近一次更新，苹果提供了Ferret的7B和13B两个版本，并创建了包含了1.1M个样本的GRIT的数据集以丰富空间知识，进一步增强功能。

　　考虑到苹果相当成熟的产品生态以及巨量用户规模，AI落地带来的换机潮等收益，或将极为可观。

　　2023年被称为是AI的iPhone时刻，现在，苹果的AI时刻大约也快到了。