在 WWDC 上，蘋果隻字未提「人工智慧（AI）」，以及「ChatGPT」等目前科技界內的一些較為流行的詞彙。
蘋果所做的，只是簡單地提及了 7 次「機器學習（ML）」。
即使是在介紹他們準備了 7 年的 AR 眼鏡 Vision Pro 時，也只是表述為「使用了先進的編碼-解碼神經網路」。
這與微軟、Google等矽谷大廠在當前大模型浪潮（或可稱為「AI Hype」）中的「高調」做法截然不同。
難道，真如一些專家、媒體所言，蘋果已經在這次 AI 競賽中掉隊了？ 或者說他們依然在觀望？實際上，並非如此。
儘管蘋果沒有在WWDC 上談論（甚至吹捧）AI 大模型，但他們介紹了一些基於AI 的新功能，如改進的iPhone 自動更正功能，當你按下空格鍵時，它可以完成一個單字或整個句子。
此功能基於使用 Transformer 語言模型的 ML 程序，使自動修正比以往任何時候都更加準確，而 Transformer 是支援 ChatGPT 的重要技術之一。
蘋果表示，它甚至會學習用戶如何發送簡訊和打字，變得更好。
據介紹，新的「自動更正」由設備上的機器學習提供支持，多年來，蘋果一直在不斷改進這些模型......借助Apple Silicon 的強大功能， iPhone 可以在使用者每次輕按按鍵時執行此模型。
「在那些你只想輸入一個 Ducking word（避諱詞）的時刻，鍵盤也會自己學習，」蘋果軟體工程高級副總裁 Craig Federighi 說。
另一個例子是蘋果對 AirPods Pro 的改進，即「當耳機偵測到使用者對話時會自動關閉降噪功能」。蘋果沒有把它當作一個機器學習功能，但這是一個很難解決的問題，而解決方案是要基於 AI 模型的。
此外，識別PDF 中要填寫的欄位、識別你的寵物（然後將該寵物的所有照片歸納在一個資料夾中）等新功能，也同樣是基於蘋果在神經網絡方面的研究工作。
在 WWDC 上，蘋果沒有談論具體的 AI 模型，或訓練數據，或未來可能改進的方向，而是簡單地提到了「這些功能背後有很酷的技術做支持」。
與其競爭對手的做法（使用伺服器叢集、超級電腦和 TB 級資料建立更大的模型）不同，蘋果希望在其設備上建立 AI 模型。
新的「自動修正」等功能正是基於這個想法，它是在 iPhone 上運行的，而像 ChatGPT 這樣的模型則需要由數百個昂貴的 GPU 共同訓練。
這樣做的好處是，運行在裝置上的 AI 繞過了許多基於雲端的 AI 面臨的資料隱私問題。當模型可以在手機上運行時，蘋果只需要收集更少的數據就可以運行它。
值得關注的是，蘋果此次也公佈了 M2 晶片家族的最新成員——M2 Ultra。它採用第二代 5 奈米製程製造，擁有多達 24 個 CPU 核心、76 個 GPU 核心和 32 個核心的神經引擎，每秒可進行 31.6 兆次運算。
蘋果表示，這種能力可能會在訓練「大型 Transformer 模型」時派上用場。
「M2 Ultra 可以支援高達192GB 的統一內存，比M1 Ultra 多50％，這使其能夠完成其他晶片無法完成的任務。例如，在一個單一系統中，它可以訓練龐大的ML 工作負載，如大型Transformer 模型，這類模型即使是最強大的離散GPU 也無法處理，因為其記憶體不足。」
M2 Ultra 的問世，讓一些人工智慧專家感到興奮。
「無論是偶然還是有意為之，蘋果矽統一記憶體架構意味著高階Mac 現在真的是運行大型AI 模型和進行AI 研究的驚人機器，」Perry E. Metzger 在推特上表示，「在在這個價位上，確實沒有多少其他系統能提供192GB 的GPU 可存取記憶體。」
更大的記憶體意味著更大、能力更強的 AI 模型可以裝入記憶體中，這可能使得許多人有機會在個人電腦上訓練 AI 訓練。
儘管尚未有 M2 Ultra 與A100（甚至 H100）的效能評估，但至少從目前看來，蘋果已經公開進入生成式 AI 訓練硬體領域。
以上是誰說蘋果掉隊了？ WWDC上隻字未提AI，卻已低調入場大模型的詳細內容。更多資訊請關注PHP中文網其他相關文章！
