Zhitong Finance has learned that Changjiang Securities has released a research report, stating that Apple (AAPL.US) will launch the personal intelligent assistant Apple Intelligence at the global developers conference in 2024. The assistant will contain multiple powerful generation models, capable of processing users' daily tasks quickly and efficiently, and can adapt to users' current activities immediately. In addition, Apple has released the basic model AFM, which empowers the underlying operating system. Apple Intelligence is powered by the AFM basic model. In terms of computing power, the AFM model is supported by Google's (GOOG.US) TPU chip, which has performance comparable to Nvidia's (NVDA.US) flagship computing chip.

AppleはApple Intelligenceをリリースしました

Appleは基礎モデルAFMをリリースし、iOS18、iOS18ipad、およびMacOS18オペレーティングシステムに搭載されるApple Intelligenceを2024年のグローバル開発者会議で発表しました。Apple Intelligenceには、多数の強力な生成モデルが含まれており、ユーザーの日常タスクを迅速かつ効率的に処理し、現在の活動に即座に適応できます。 Apple Intelligenceは、プラットフォーム内の操作をシンプルにするために、テキストの作成と編集、通知の優先処理とまとめ、家族や友達とのコミュニケーションのために面白い画像を作成する機能、アプリ内操作などを実現します。Apple Intelligenceは、iOS18.1のBeta版に搭載されており、登録開発者のみが使用でき、年間サブスクリプション価格は99ドルです。一般のユーザーはまだ待ち行列に並んでいます。

Apple IntelligenceはAFM基礎モデルによって強化されています

AFM基礎モデルには、エッジサイドモデルとクラウドモデルの2つのパーツがあります。エッジサイドモデルは、エッジサイドアプリケーションの特定のシーン向けに設計されており、言語関連の単一モードタスクのみを処理できます。iPhone、iPad、Macなどのデバイスにローカライズして搭載でき、モデルには30億のパラメータが含まれています。クラウドモデルは、プライベートクラウドアプリケーションシーン向けに設計されており、多モード能力を有し、より広範なタスクに対応できます。これら2つの基本モデルは、Appleが作成した生成モデルの家族の1つであり、上記の2つのモデルに加えて、Apple Intelligenceにはコーディングモデルと拡散モデルが含まれています。コーディングモデルはAFM言語モデルに基づき、Xcodeにスマート機能を注入するために使用されます。拡散モデルは、ユーザーが自分自身を視覚的に表現するのを助けます。例えば、Messagesアプリで使用することができます。

AFMクラウドモデルの性能はGPT-3.5に追いつき、GPT-4よりも少し劣っています。

モデルの性能評価段階では、Appleは1393のタスクを設計し、AFMモデルと他の主流モデルの性能を比較しました。比較の結果、AFMクラウドモデルの性能はMixtral-8x22ハイブリッドエキスパートモデル、GPT-3.5などのモデルを超え、GPT-4およびLLaMA-3-70Bモデルに少し劣っています。エッジサイドモデルに関しては、AFMエッジサイドモデルの性能は市場主流のエッジサイドモデルに接近しています。人間の評価の結果、AFMエッジモデルの性能は、Gemma-7B、Phi-3-mini、Mistral-7B、Gemma-2Bなどの主流モデルを上回り、LLaMA-3-8Bモデルに僅差で劣ります。結果は、AFMエッジモデルの優れた性能を証明し、iPhone、iPadなどのデバイスで高い実用性を発揮する可能性があります。

異種混合チップは、AI計算力の新しい方向を成し遂げるかもしれません

AFMモデルの計算能力は、GoogleのTPUチップによって支援されています。Googleは、トレーニングをサポートするために計算能力を提供し、クラウドベースのAFMサーバーモデルは8192個のTPU V4計算チップによってトレーニングされ、Appleは8192個のチップを8グループに分け、それぞれに1024個のチップが相互接続され、基本単位を形成しています。分散されたデータと反復仕事は、各グループ内でのみ完了します。エッジサイドのAFM-on-deviceモデルは、2048個のTPU V5p計算チップによってトレーニングされました。

GoogleのTPUは、Nvidiaのフラッグシップ計算チップに追いつく能力を持っています。TPU（Tensor Processing Unit）は、テンソル演算を処理するために設計されたASICチップです。TPUはパルスアレイメカニズムを使用して効率的な演算を実現します。GPUに比べて、TPUはメモリに頻繁にアクセスする必要がなく、ストレージとのインタラクション回数が減少し、計算効率が大幅に向上しています。したがって、TPUの効率的な算力利用率はGPUのそれよりも高く、GPUの算力利用率は通常20-40％であるのに対して、TPUの算力利用率は50％を超えることがよくあります。

リスク要因

1、人工知能技術の推進が予想よりも遅れています;

2、下流の応用需要が予想よりも少ないです。