家 6 月 12 日消息，苹果在昨日的 WWDC24 上重磅公布了 Apple Intelligence（苹果智能），将为 iPhone、Mac 等设备引入一系列 AI 功能。
随后，苹果机器学习官网公布了 Apple Intelligence 的详细信息。据苹果官方介绍，Apple Intelligence 拥有两个基础模型：
-
本地模型：设备上约 30 亿参数的语言模型，测试得分高于诸多 70 亿参数的开源模型（Mistral-7B 或 Gemma-7B）；
-
云上模型：可通过私有云计算并在 Apple 芯片服务器上运行的更大的基于服务器的语言模型。
苹果表示，Apple Intelligence 由多个高性能生成模型组成，这些模型专门针对用户的日常任务，并且可以动态适应他们当前的活动。Apple Intelligence 中内置的基础模型针对用户体验进行了微调，例如编写和精炼文本、对通知进行优先级排序和总结、为用户与家人和朋友的对话创建有趣图像，以及采取应用内操作来简化应用之间的交互。
在预训练方面，苹果的基础模型在 AXLearn 框架上进行训练，这是苹果于 2023 年发布的开源项目。它构建在 JAX 和 XLA 之上，使苹果能够在各种训练硬件和云平台上可扩展地训练模型，包括 TPU 以及云和本地 GPU。
IT之家注意到，苹果承诺在训练基础模型时，该公司从不使用用户的私人个人数据或用户交互，并且会使用过滤器来删除互联网上公开的个人身份信息，例如社会保障和信用卡号码。苹果还过滤了脏话和其他低质量内容，以防止其包含在训练语料库中。除了过滤之外，苹果还执行数据提取、重复数据删除以及应用基于模型的分类器来识别高质量文档。
在优化方面，苹果在设备端模型和服务器端模型都使用了 grouped-query-attention，设备上模型使用 49K 的词汇大小，而服务器模型使用 100K 的词汇大小，其中包括额外的语言和技术标记。
通过优化，苹果号称在 iPhone 15 Pro 上，能够实现每个 prompt token 约 0.6 毫秒的首次 token 延迟，以及每秒 30 个 token 的生成速率。
在指令跟踪评估（IFEval）测试中，苹果本地模型性能优于包括 Phi-3-mini、Mistral-7B 和 Gemma-7B 等模型，且与 DBRX-Instruct、Mixtral-8x22B 和 GPT-3.5-Turbo 相比毫不逊色；而云上模型水平基本与 GPT-4-Turbo 持平。
