据科技媒体the information消息，苹果公司近期正与ai新锐企业prismml展开接触，探讨在iphone设备上本地部署更大规模ai模型的现实路径。此举或预示苹果将在终端侧人工智能能力方面实现关键跃升，使智能手机具备直接运行以往依赖云端资源支撑的大型语言模型的能力。
PrismML源自加州理工学院，是一家专注模型轻量化的AI初创公司，其核心技术为原生1-bit模型压缩方案。该技术可将模型体积缩减至原始全精度版本的约1/14，内存占用下降超90%。区别于常规量化方法仅降低位宽但仍维持多比特权重，PrismML采用纯二值化设计——所有权重仅由−1和+1构成，并辅以分组缩放因子完成运算，在模型架构底层重新定义了存储结构与推理逻辑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
摒弃“高精度逃生通道”，精度逼近FP16基准
PrismML强调，其方案彻底舍弃了传统量化中普遍存在的“高精度逃生通道”机制——即通过保留部分关键层的高精度权重来补偿整体性能衰减的做法。在全程仅使用1-bit权重的前提下，模型仍能达成接近FP16精度的表现。此外，推理效率最高可提升8倍，功耗则减少75%–80%，显著降低了在移动终端部署大模型所需的算力与能源门槛。
从零搭建飞书机器人。支持 MiniMax/MiMo 等模型、工具调用（搜索/天气/百科/记忆）、Skill 架构。一站式交付可上线运行的飞书群聊 bot。基础版本，后续可自行升级能力
27B参数Qwen 3.6 已实现在iPhone 17 Pro端完整部署
最具说服力的落地验证已取得突破。PrismML对阿里巴巴开源的270亿参数大模型Qwen 3.6实施1-bit压缩后，成功在iPhone 17 Pro上完成端到端推理。此类规模模型在现有主流移动端方案下几乎无法流畅运行，而经该技术压缩后不仅稳定运行，且输出质量高度贴近原始模型。苹果正是基于此项突破性能力，考虑将其整合进自身AI战略，进一步释放设备端的本地推理潜力。
对苹果而言，终端侧AI能力的强弱，已成为Apple Intelligence生态能否持续领先的核心变量。当前iPhone所搭载的AI模型在参数量与功能深度上，仍受限于内存容量与电池续航约束。若PrismML的压缩技术顺利商用，iPhone有望在不增加硬件成本的前提下，承载更庞大的模型体量，支撑更复杂的多轮语义交互、细粒度图像解析及智能体任务协同等高级场景。当旗舰级大模型真正扎根于掌中设备，端云AI之间的能力边界或将被重新定义。
