本报记者李玉洋上海报道
在今年全球开发者大会（WWDC24）上，苹果公司给出了AI大模型时代的苹果答卷，击碎了“苹果掉队大模型”的言论。
这份答卷叫Apple Intelligence（苹果智能），苹果公司将其定位为个人智能系统，强大的跨应用操作能力是它的亮点之一。而苹果公司也官宣了与OpenAI的合作，通过调用ChatGPT-4o，语音助手Siri的能力得以增强。
《中国经营报》记者注意到，就当这场平淡的WWDC24推高苹果公司股价时，“Apple Intelli-gence是套壳GPT”的观点也出现了。之后，苹果官网低调发布了一篇大模型技术文档，公布了自研基础模型的信息，也是对质疑声的一种回应。
记者从这篇技术文档中了解到，由多个高能力的生成模型组成的Apple Intelligence中包含一个约30亿（3B）参数的端侧模型（Apple On-Device）和一个云端模型（Apple Server），其通过私有云并在Apple芯片服务器上运行，虽然该模型的具体参数没有公布，但性能达到了GPT-4Turbo的级别。
“得益于苹果在产业里扮演的多重角色：芯片厂商、操作系统厂商、电脑和手机OEM厂商以及开发者。”资深产业分析师黄烨锋表示，苹果公司可能是目前把AI PC、AI手机做到最好的厂商，前提是把他们所说的能完美落地。
此外，不少业内人士也对苹果做好端侧模型的落地表达了美好期许。“它是全行业第一个真正把手机本地的API与端侧模型无缝衔接的，并且是全行业第一个真正把用户个人数据拿给端侧模型进行fine-tuning的。别的端侧模型也想做这事，但他们拿不到这些数据的访问权限。苹果的端侧AI的核心技术能力一定会越来越强大。”怒喵科技创始人李楠如此表示。
尽管苹果公司一再强调对于用户数据的保护，但依然没能消除外界对于隐私数据安全外泄的担忧。根据面壁智能首席研究员韩旭的说法，只要数据从苹果传给了第三方，无论是OpenAI的GPT还是Google的Gemini，苹果可能都将会失去对于数据安全的控制权。对于此种说法，苹果公司是怎么看的？ 在处理用户数据、保护隐私方面，苹果公司有哪些做法可以对外具体阐述？ 记者联系采访苹果中国方面，截至发稿未获回复。
加快端侧AI应用变革
根据苹果官方公布的测评，它的3B参数端侧模型在总结、安全性、编码、数学推理、分类等测试方面基本处于第一的位置，和主流几个7B级模型（谷歌Gem-ma-2B、Mistral-7B、Gemma-7B、微软Phi-3-mini）相比，苹果端侧模型基本都能胜出，而其云端模型性能则直接达到了GPT-4Turbo级别。
也就是说，苹果公司以上两个模型的性能相当能打，且原生嵌入原有的软硬件生态里。苹果公司可能是当前唯一把端侧模型和自家的芯片、操作系统等进行深入融合的手机厂商。
当然，苹果公司在模型研发方面也不是一蹴而就的。记者注意到，今年以来，该公司在模型方面动作频频。今年2月，苹果公司发布了一系列小型模型，其中包括可以读懂iPhone屏幕的多模态理解模型ReALM（Reference Resolu-tion As Language Modelling）和Ferret-UI。4月，苹果又发布一系列名为OpenELM（开源高效语言模型）的语言模型，提供2.7亿、4.5亿、11亿和30亿等多个规格的参数量供选择。
需要注意的是，端侧大模型的运行瓶颈主要有两个：一是算力，二是内存。苹果公司在前者自不必多说，每年新手机搭载的A系列处理器都是在当时性能排前列的。在苹果公司用iPhone演示Apple Intelligents跨App操作等强大功能时，有质疑声指出，8G内存能否承载3B参数模型的运行？
要知道，谷歌去年12月首次把1.8B的端侧模型Gemnini Nano部署到12G内存的Pixel8Pro手机上；到今年5月，谷歌才表示8G内存的Pixel8和8a也能跑上这个模型。
那么，苹果公司是如何做到的？ 根据该公司在去年12月发表的论文《LLM in a flash:Efficient Large Language Model Inference with Limited Memory》，苹果的思路是通过内存优化来解决小内存运营大模型的问题，其构建了一个以闪存为基础的推理成本模型，并使用窗口化（Windowing）以及行列捆绑（Row-Column Bundling）两项关键技术，来最小化数据传输并最大化闪存吞吐量。
此外，苹果公司也在AI领域的不断投资和并购，多围绕端侧和多模态两个方面。有关信息显示，苹果公司2023年至少收购了32家AI创业公司，比如对加拿大人工智能初创公司DarwinAI的收购，DarwinAI的核心技术是能够让AI系统变得更小、更快，而半年前收购的Datakalab则优势在通过面部识别和视觉数据分析人类情绪。
在前文技术文档中，苹果公司还提到在模型框架中用上了分组注意力查询（grouped-query-at-tention）和LoRA适应器框架，一个能避免重复映射，一个可压缩推理过程，都能有效降低内存占用和推理成本。
另外，为了保证AI模型的运作不至于大幅影响手机功耗，苹果还配上了功耗分析工具Talar-ia，及时优化功耗。在这篇技术文档里，苹果展示了如何保障小模型的交付能力：不全能，但对具体任务做了加强。比如，在基础模型上，苹果公司用了很多微调的适配器。
“苹果对AI的投入和规划符合预期，与此同时有一点额外的惊喜。符合预期是作为一家智能终端厂商，它对AI的应用和规划是匹配定位的，能够清晰地理解作为终端的优势在哪里，而不是盲目去跟随。”OPPO智能语音助手小布的业务负责人万玉龙在接受记者采访时表示，让人惊喜的部分，是苹果在找准定位的基础上，“把自己应用的产品性、产品策略和更广度的应用生态考虑得比较周全，它的APP intents API开发者生态很好”。
而华龙证券一份研报指出，苹果在无缝交互和无感交互方面处于领先地位，通过Apple Intelli-gence将AI功能融入用户的日常使用中，提供更便捷的交互体验，加快了端侧AI应用变革。
隐私安全的新挑战
然而，苹果公司也不得不指出苹果的AI功能只能适用在iPhone15Pro及以上机型，其他终端需要M1芯片以上的能力。
知名苹果分析师郭明 认为，端侧大语言模型因为iPhone16的8GB内存限制难超市场预期。他预测，2024年下半年iPhone16出货量将低于2023年下半年的iPhone15，短期内可能不容易看到AI对苹果营收与利润有显著帮助。
作为个人智能系统，苹果公司还多次强调Apple Intelligence对于用户隐私的保护，即使接入外部模型（比如ChatGPT-4o），也没人包括苹果公司自己能获得这些数据。比如Apple Intelligence采用私有云计算技术，实现芯片级别的数据保护，确保用户数据的安全和隐私。
事实上，这并不是新故事，此前行业内就有声音强调，端侧AI相比于云端AI更能有效保护隐私。
“苹果的端侧模型具有系统级别的权限和数据访问能力。如果你问苹果真的在AI能力上做到了什么？ 它是全行业第一个真正把手机本地的API与端侧模型无缝衔接的，并且是全行业第一个真正把用户个人数据拿给端侧模型进行fine-tuning的。”李楠如此表示。
而韩旭则认为，只要数据从苹果公司传给了第三方，它可能都将会失去对于数据安全的控制权，这确实会对苹果的隐私安全提出新的挑战。
大模型公司是如何保护用户隐私的？ 对此，民间互联网安全组织网络尖刀安全团队成员沦沦表示，当用户把一些敏感数据提交给GPT等模型时，其实前面会有一层关键词的过滤，“就是会有很大的一个敏感关键字池，比如账号密码、身份证、手机号等，通过匹配这些关键字，如果有这种关键词存在，就会进行自动脱敏。”他举例说，比如提交一个手机号，脱敏后这个号码中的某些数字就会用*号来遮掩。
沦沦表示，国内现在的大模型上线都会有敏感数据的一些限制，国内大模型公司要按照我国的数据安全保护法来保护用户隐私，对国家提到需要保护的数据字段进行限制。
对于苹果公司所说没人能获得用户数据的说法，沦沦表示：“因为没有做到公开制，把这种安全的脱敏机制都公开在网上，比如发布到github上，让所有开发者都看得到你是怎么去做脱敏校验的，所以只能半信半疑。”
那么，国内大模型公司要做到哪些措施才算是做到用户数据脱敏、保护用户隐私？ 在沦沦看来，有以下几点需要关注：“一是数据脱敏，对敏感信息进行加密、匿名化或去标识化，以防止未经授权的访问或泄露。二是数据访问和权限控制，确保只有经过授权的人员可以访问用户数据，这可以通过实施严格的访问控制和权限管理来实现，包括身份验证、授权策略和访问审计。三是加密通信，确保在数据传输过程中使用安全的通信协议。四是数据存储安全，采取措施来保护存储用户数据的服务器和数据库，包括物理安全、访问控制和加密等。”
此外，他还提到企业要遵守适用的法律法规和隐私政策，包括数据保护法规（如GDPR）和行业标准；要提供安全培训，确保员工了解数据隐私和安全的重要性，并掌握最佳实践和安全操作指南；要建立安全审计和监控机制，跟踪和记录对用户数据的访问和操作。安全审计和监控和安全漏洞管理也是需要注意的方面。
沦沦还特别提示，即使有各种保护机制，公司也不能百分百确保用户数据的安全，“一个是可能存在校验不全面，另一个就是未知的安全漏洞风”。
