Appleは、Khosla Venturesが支援するスタートアップであるPrismMLと、高度なモデル圧縮技術を自社のエコシステムに統合するための予備的な協議を行っていると報じられています。この動きは、洗練された人工知能をiPhoneに直接導入することを目指しており、モバイルハードウェアの制限と、現代の大規模言語モデル（LLM）が要求する膨大な計算能力との間の溝を埋めるものです。

オンデバイスAIの制約を解決する

AppleがiOS 18と刷新されたSiriを展開する中で、同社は大きな技術的障壁に直面しています。高性能なAIモデルは通常、標準的なスマートフォンの容量を超える膨大なメモリと処理能力を必要とします。PrismMLの技術を統合することで、Appleは処理をクラウドからデバイス自体へと移行することを目指しています。

この転換は、Appleの戦略的なポジショニングにおいて極めて重要です。オンデバイスAIは、レイテンシ（遅延）を低減し、高価なクラウドコンピューティングのコストを抑え、機密性の高いユーザーデータを端末内に留めることで、Appleの核となるプライバシーの約束を強化します。さらに、インターネット接続がない状態でも主要なAI機能を利用できるようになります。

PrismMLはいかにして巨大なAIモデルを縮小させるのか

カリフォルニア工科大学の研究から生まれたPrismMLは、モデルの内部値の保存方法を簡素化する高度な手法を利用しています。従来のメソッドでは数値を16ビットから4ビットに削減する程度でしたが、PrismMLはこれをさらに一歩進め、各数値をわずか1つまたは3つの可能な値にまで削減します。

効率性の向上は劇的です。PrismMLは最近、AlibabaのオープンソースモデルであるQwenを、54GBという巨大なサイズから4GB未満へと圧縮することに成功し、これを実証しました。この圧縮により、モデルの全270億パラメータがiPhone 15以降のデバイス上で動作可能になります。CEOのBabak Hassibi氏によれば、これらの圧縮モデルにはいくつかのパフォーマンス上の利点があります。

  • メモリ効率: メモリ使用量を最大15分の1に削減。
  • 速度: 6〜8倍高速に動作。
  • 消費電力: エネルギー消費を最大6分の1に削減。

Hassibi氏は、事実の想起（factual recall）に関してわずかな性能低下が見られるものの、推論能力やコーディング能力においては高い習熟度を維持していると指摘しています。

半導体およびハードウェア市場への影響

Appleのような巨大企業によるこのような圧縮技術の採用の可能性は、ハードウェアメーカーの勢力図を塗り替える可能性があります。現在、Morgan Stanleyのようなアナリストは、AIをサポートするためにAppleのメモリコストが2027年度までに急騰し、それがiPhoneの価格上昇につながる可能性があると予測しています。

しかし、もしPrismMLの技術が標準となれば、高速で効率的なローカル処理のニーズが高まる一方で、スマートフォンにおける巨大なメモリモジュールの需要は緩和される可能性があります。PrismMLがGoogleのGemmaのような他の主要なモデルの圧縮へと進む中で、その目標は明確です。それは、高度な知能を、コンシューマー向けハードウェア上でローカルかつ高速、そして手軽に利用できるようにすることです。

主なポイント

  • 大規模な圧縮: PrismMLは54GBのAIモデルを4GB未満に縮小でき、iPhone 15のようなハイエンドスマートフォンでの利用を可能にします。
  • 効率性の向上: この技術は、メモリ使用量を最大15分の1に、エネルギー消費を6分の1に抑えることを約束しており、これはAIタスク実行中のバッテリー寿命を維持するために不可欠です。
  • プライバシーと速度: AIをクラウドからデバイスに移行することで、レイテンシが低減し、Appleの製品哲学の根幹であるユーザープライバシーが強化されます。

リスクと未解決の疑問

PrismMLの結果は有望ですが、まだ初期段階にあります。

次に注目すべき点

  • 公式発表: Appleは提携を発表していないため、オンデバイスLLMに関するプレスリリースやiOS 18のベータ版のノートは、重要なシグナルとなるでしょう。

結論: PrismMLの圧縮技術により、iPhoneはメモリを圧迫したりバッテリーを消耗させたりすることなく、真に大規模な言語モデルを搭載できるようになり、より高速でプライベートなAI体験を提供できる可能性があります。