มีรายงานว่า Apple กำลังอยู่ในขั้นตอนการเจรจาเบื้องต้นกับ PrismML ซึ่งเป็นสตาร์ทอัพที่ได้รับการสนับสนุนจาก Khosla Ventures เพื่อนำเทคโนโลยีการบีบอัดโมเดลขั้นสูงมาใช้ในระบบนิเวศของตน การเคลื่อนไหวครั้งนี้มีจุดมุ่งหมายเพื่อนำปัญญาประดิษฐ์ (AI) ที่ซับซ้อนมาไว้บน iPhone โดยตรง เพื่อลดช่องว่างระหว่างข้อจำกัดของฮาร์ดแวร์มือถือและความต้องการพลังการประมวลผลมหาศาลของโมเดลภาษาขนาดใหญ่ (LLMs) ในปัจจุบัน

การแก้ปัญหาข้อจำกัดของ AI บนอุปกรณ์

ในขณะที่ Apple กำลังเปิดตัว iOS 18 และ Siri รูปแบบใหม่ บริษัทกำลังเผชิญกับอุปสรรคทางเทคนิคที่สำคัญ นั่นคือโมเดล AI ประสิทธิภาพสูงมักต้องการหน่วยความจำและพลังการประมวลผลมหาศาล ซึ่งเกินขีดความสามารถของสมาร์ทโฟนทั่วไป การรวมเทคโนโลยีของ PrismML เข้ามาจะช่วยให้ Apple สามารถย้ายการประมวลผลจากคลาวด์มาไว้ที่ตัวอุปกรณ์ได้โดยตรง

การเปลี่ยนแปลงนี้มีความสำคัญอย่างยิ่งต่อตำแหน่งเชิงกลยุทธ์ของ Apple การใช้ AI บนอุปกรณ์จะช่วยลดความหน่วง (latency) ลดค่าใช้จ่ายในการประมวลผลบนคลาวด์ที่สูง และเสริมสร้างคำมั่นสัญญาหลักด้านความเป็นส่วนตัวของ Apple โดยการทำให้มั่นใจว่าข้อมูลที่ละเอียดอ่อนของผู้ใช้จะยังคงอยู่บนตัวเครื่อง นอกจากนี้ ยังช่วยให้ฟีเจอร์ AI ที่สำคัญสามารถทำงานได้แม้ไม่มีการเชื่อมต่ออินเทอร์เน็ต

PrismML ย่อขนาดโมเดล AI ขนาดใหญ่ได้อย่างไร

PrismML ซึ่งมีต้นกำเนิดมาจากการวิจัยที่สถาบันเทคโนโลยีแห่งแคลิฟอร์เนีย (California Institute of Technology) ใช้เทคนิคที่ซับซ้อนในการลดความซับซ้อนของวิธีการจัดเก็บค่าภายในของโมเดล ในขณะที่วิธีการแบบดั้งเดิมอาจลดตัวเลขจาก 16 บิต เหลือ 4 บิต แต่ PrismML ก้าวไปไกลกว่านั้น โดยการลดแต่ละค่าให้เหลือเพียงหนึ่งหรือสามค่าที่เป็นไปได้เท่านั้น

ประสิทธิภาพที่เพิ่มขึ้นนั้นมหาศาล ล่าสุด PrismML ได้สาธิตเรื่องนี้ด้วยการบีบอัดโมเดล Qwen แบบโอเพนซอร์สของ Alibaba จากขนาดมหึมา 54 GB ให้เหลือไม่ถึง 4 GB การบีบอัดนี้ช่วยให้พารามิเตอร์ทั้ง 2.7 หมื่นล้านพารามิเตอร์ของโมเดลสามารถทำงานบน iPhone 15 หรือรุ่นที่ใหม่กว่าได้ ตามความเห็นของ CEO Babak Hassibi โมเดลที่ถูกบีบอัดเหล่านี้มีข้อได้เปรียบด้านประสิทธิภาพหลายประการ:

  • ประสิทธิภาพหน่วยความจำ: ใช้หน่วยความจำน้อยลงสูงสุดถึง 15 เท่า
  • ความเร็ว: ทำงานเร็วขึ้น 6 ถึง 8 เท่า
  • การใช้พลังงาน: ใช้พลังงานน้อยลงสูงสุดถึง 6 เท่า

แม้ Hassibi จะตั้งข้อสังเกตว่าประสิทธิภาพอาจลดลงเล็กน้อย โดยเฉพาะในด้านการดึงข้อมูลข้อเท็จจริง (factual recall) แต่โมเดลเหล่านี้ยังคงรักษาความเชี่ยวชาญระดับสูงในด้านการใช้เหตุผลและความสามารถในการเขียนโค้ด

ผลกระทบต่อตลาดเซมิคอนดักเตอร์และฮาร์ดแวร์

การนำเทคโนโลยีการบีบอัดดังกล่าวมาใช้โดยยักษ์ใหญ่อย่าง Apple อาจเปลี่ยนโฉมหน้าของผู้ผลิตฮาร์ดแวร์ ปัจจุบัน นักวิเคราะห์อย่าง Morgan Stanley คาดการณ์ว่าต้นทุนหน่วยความจำของ Apple อาจพุ่งสูงขึ้นอย่างมากภายในปีงบประมาณ 2027 เพื่อรองรับ AI ซึ่งอาจนำไปสู่ราคา iPhone ที่สูงขึ้น

อย่างไรก็ตาม หากเทคโนโลยีของ PrismML กลายเป็นมาตรฐาน ความต้องการโมดูลหน่วยความจำขนาดใหญ่ในสมาร์ทโฟนอาจลดน้อยลง แม้ว่าความต้องการการประมวลผลในเครื่องที่มีความเร็วสูงและมีประสิทธิภาพจะเพิ่มขึ้นก็ตาม ในขณะที่ PrismML กำลังมุ่งหน้าไปสู่การบีบอัดโมเดลหลักอื่นๆ เช่น Gemma ของ Google เป้าหมายก็ยังคงชัดเจน นั่นคือการทำให้ความฉลาดระดับสูงสามารถใช้งานได้ในระดับท้องถิ่น (local) รวดเร็ว และเข้าถึงได้ง่ายบนฮาร์ดแวร์ของผู้บริโภค

สรุปประเด็นสำคัญ

  • การบีบอัดมหาศาล: PrismML สามารถย่อขนาดโมเดล AI ขนาด 54 GB ให้เหลือไม่ถึง 4 GB ทำให้สามารถใช้งานได้บนสมาร์ทโฟนระดับไฮเอนด์อย่าง iPhone 15
  • ประสิทธิภาพที่เพิ่มขึ้น: เทคโนโลยีนี้สัญญาว่าจะใช้หน่วยความจำน้อยลงสูงสุด 15 เท่า และใช้พลังงานน้อยลง 6 เท่า ซึ่งสำคัญต่อการรักษาอายุการใช้งานแบตเตอรี่ระหว่างการทำงานของ AI
  • ความเป็นส่วนตัวและความเร็ว: การย้าย AI จากคลาวด์มาไว้ที่อุปกรณ์จะช่วยลดความหน่วงและเพิ่มความเป็นส่วนตัวของผู้ใช้ ซึ่งเป็นหัวใจสำคัญของปรัชญาผลิตภัณฑ์ของ Apple

ความเสี่ยงและคำถามที่ยังไม่มีคำตอบ

ผลลัพธ์ของ PrismML นั้นดูมีความหวัง แต่ยังอยู่ในช่วงเริ่มต้นเท่านั้น

สิ่งที่ต้องจับตามองต่อไป

  • การยืนยันอย่างเป็นทางการ: Apple ยังไม่ได้ประกาศความร่วมมือ ดังนั้น ข่าวประชาสัมพันธ์หรือบันทึก iOS 18 beta เกี่ยวกับ LLMs บนอุปกรณ์จะเป็นสัญญาณสำคัญ

บทสรุป: การบีบอัดของ PrismML อาจช่วยให้ iPhone สามารถรันโมเดลภาษาขนาดใหญ่ได้อย่างแท้จริงโดยไม่ทำให้หน่วยความจำเต็มหรือแบตเตอรี่หมดไว มอบประสบการณ์ AI ที่รวดเร็วและเป็นส่วนตัวยิ่งขึ้น