苹果评估 PrismML：大模型压缩 15 倍塞进 iPhone

7月15日的AI日报里有一条容易被忽略的消息：苹果正评估一家叫PrismML的初创公司技术，据称能把大型AI模型（比如阿里的Qwen）大幅压缩，直接跑在iPhone 15及更新机型上，内存需求降低15倍，同时提升运行速度和能效。

端侧AI的瓶颈从来不是「想不想跑」，而是「跑不跑得动」。大模型动辄几十亿参数，塞进手机要占掉惊人的内存和算力，所以今天绝大多数AI体验还是云端推理、手机只做展示。PrismML这类压缩技术的价值，在于把模型体积和内存占用砍掉一个数量级，让端侧设备真的能独立完成推理。对手机厂商来说，本地推理意味着差异化卖点，谁能先把大模型跑顺，谁就多一张旗舰机的牌。

如果15倍压缩属实，它对「算力需求」这堂课是颠覆性的。 过去两年英伟达的狂飙，底层逻辑是「模型越大越聪明，推理越多越费卡」。可一旦模型能被压到手机本地跑，相当一部分推理请求就不需要再去云端数据中心绕一圈。分析师认为，这可能引发投资者对AI算力需求的重新思考——不是需求消失，而是需求的分布从集中式数据中心，向海量终端扩散。

但得泼盆冷水。压缩往往伴随精度损失，「小15倍」和「一样准」很难同时成立。苹果只是在「评估」，不是已经采用；这类技术要过工程稳定性、功耗、隐私一排关卡，落地周期不会短。历史上「手机跑大模型」的宣言不少，真正大规模铺开的有限。值得注意的是，端侧推理的兴起不等于云端算力的终结，训练仍是大模型迭代的主战场，英伟达在训练端的护城河短期内无人能撼，变化的只是推理侧的需求分布。

对普通用户，端侧化的好处很实在：数据不出设备、响应更快、断网也能用，也更省电。对英伟达，短期训练端的护城河纹丝不动，推理端则是另一番景象——如果ASIC和压缩技术把大量推理挪到终端，云端算力单价会承压。过去两年英伟达的狂飙，靠的正是推理需求爆发，这一环若被分流，逻辑就要重估。眼下这还只是评估阶段的一朵浪花，但它指向的方向，值得每个关心AI基建的人记住：算力的战场，正在从机房蔓延到每个人的口袋。