4月22日最新消息,彭博社記者馬克·古爾曼透露蘋果公司正在開發一款運行在設備端的大型語言模型(LLM),旨在增強即將面世的生成式AI功能的反映速度及隱私保護水平。
古爾曼在“Power On”通訊中稱,這款蘋果LLM有望作為未來生成式AI功能的基石,并與現有云端AI服務明顯區別開來,該模型將會完全依賴于用戶設備進行運作。
然而,盡管在特定場合下,蘋果設備端AI可能不及有云端直接支持的競爭對手。但古爾曼認為,蘋果可借助其他AI服務提供商如谷歌的技術,實現技術互補。值得關注的是,最近他還報道了蘋果與谷歌就Gemini AI引擎整合至iOS 18 iPhone的可能性展開了討論。
相較于云端解決方案,設備端處理的顯著優勢集中在更快的反應速度和更為嚴密的隱私保護方面。據了解,蘋果AI技術推廣策略將更加關注其在日常生活中的實際應用及其能提升工作效率的表現,而非僅僅以突出其技術實力為主。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
蘋果
+關注
關注
61文章
24424瀏覽量
199144 -
語言模型
+關注
關注
0文章
529瀏覽量
10295 -
生成式AI
+關注
關注
0文章
508瀏覽量
501
發布評論請先 登錄
相關推薦
AI模型部署邊緣設備的奇妙之旅:目標檢測模型
以及邊緣計算能力的增強,越來越多的目標檢測應用開始直接在靠近數據源的邊緣設備上運行。這不僅減少了數據傳輸延遲,保護了用戶隱私,同時也減輕了云端服務器的壓力。然而,在邊緣端部署高效且準確
發表于 12-19 14:33
AI大語言模型開發步驟
開發一個高效、準確的大語言模型是一個復雜且多階段的過程,涉及數據收集與預處理、模型架構設計、訓練與優化、評估與調試等多個環節。接下來,AI部落小編為大家詳細闡述
【「大模型啟示錄」閱讀體驗】如何在客服領域應用大模型
的功能和性能。因此,選擇具有良好可擴展性的模型可以適應未來業務的發展需求。在客服領域,處理客戶數據時可能涉及敏感信息。因此,在選擇模型時需要考慮其安全措施和隱私
發表于 12-17 16:53
在設備上利用AI Edge Torch生成式API部署自定義大語言模型
我們很高興地發布 AI Edge Torch 生成式 API,它能將開發者用 PyTorch 編寫的高性能大語言模型 (LLM) 部署至 TensorFlow Lite (TFLite
AI大模型在自然語言處理中的應用
AI大模型在自然語言處理(NLP)中的應用廣泛且深入,其強大的語義理解和生成能力為NLP任務帶來了顯著的性能提升。以下是對
蘋果:Safari在隱私保護領域有卓越的性能
近期,蘋果公司在全球范圍內啟動了一項戰略舉措,其目標直接指向全球超過14億的iPhone用戶群體,以一種微妙而堅定的方式鼓勵他們從谷歌Chrome瀏覽器轉向蘋果自家的Safari瀏覽器。這一轉變的倡議,核心在于突出Safari在隱私
平衡創新與倫理:AI時代的隱私保護和算法公平
成了一把雙刃劍,其銳利的一面正逐漸指向我們的核心價值。面對這些挑戰,制定一套有效的AI治理框架和隱私保護機制變得迫在眉睫。
確保AI決策的透明度是解決這些問題的關鍵一步。透明度不僅
發表于 07-16 15:07
谷歌Gemma 2大語言模型升級發布,性能與安全性雙重飛躍
近日,谷歌面向全球科研界與開發者群體隆重推出了全新升級的Gemma 2大語言模型,標志著人工智能技術在語言處理領域的又一次重大進步。此次發布的Gemma 2,以其卓越的性能
性能與安全同樣重要,蘋果的AI服務器
Intelligence通過生成式模型來改善用戶的使用體驗。事實上,蘋果一共有兩個自主開發的AI模型,一個用于設備
蘋果AI戰略運用“黑箱處理”以確保數據隱私
值得關注的是,若蘋果把用戶數據的處理任務轉向自家服務器,無疑可能引起隱私權益保護方面的質疑;特別是在蘋果長期堅持推崇設備
【大語言模型:原理與工程實踐】大語言模型的基礎技術
特定任務對模型進行微調。這種方法的成功不僅是自然語言處理發展的一個轉折點,還為許多現實世界的應用場帶來了前所未有的性能提升。從廣為人知的GPT到BERT,預訓練的
發表于 05-05 12:17
【大語言模型:原理與工程實踐】揭開大語言模型的面紗
Transformer架構,利用自注意力機制對文本進行編碼,通過預訓練、有監督微調和強化學習等階段,不斷提升性能,展現出強大的語言理解和生成能力。
大語言
發表于 05-04 23:55
摩根大通分析:蘋果AI發展戰略:主攻小模型,引入LLM技術
摩根大通認為,雖然蘋果在大語言模型領域略遜于OpenAI的ChatGPT和谷歌的Gemini,但蘋果已經意識到并確定了自身的優勢定位,即主攻更易于本地運行且專注于
評論