据行业测算，2024年全球终端侧AI芯片出货量同比增幅将超过72%，苹果为快速扩大自研生成式AI功能Apple Intelligence的落地覆盖范围，在新款消费电子设备中采用了定制化算力调配方案，OpenAI、谷歌、DeepSeek等头部厂商也同步推进GPT-5、Google Gemini等大模型的端侧适配研发，AI终端赛道竞争正进入全新落地阶段。
不少近期升级iOS 18正式版的用户已经发现，即便是两年前发布的部分中高端iPhone机型，也能离线触发Apple Intelligence的摘要、改写等基础AI功能，这类体验此前仅在配置最高端M系列芯片的苹果电脑产品上才能够实现，背后的芯片调度设计细节，正在成为整个AI行业讨论的焦点。
过去三年生成式AI的主流落地形态始终以云端运算为主，用户每次调用AI摘要、AI绘图功能都需要将数据上传至远端服务器，平均响应延迟超过1.8秒，同时还会消耗数百KB的上行流量，弱网环境下几乎无法正常使用。
想要实现真正离线可用的端侧AI体验，设备本身的芯片算力必须达到12TOPS以上的AI运算门槛，而如果全量使用旗舰级高算力芯片覆盖所有消费级设备，制造成本将直接上涨40%以上，很难快速覆盖数亿级的存量用户群体。
苹果这次没有选择通过拉高芯片硬件规格的常规路径来实现AI功能普及，而是推出了行业少见的分级算力调度方案。
其核心逻辑是对芯片的AI运算NPU单元做定向化功能裁剪、预留动态算力调度的冗余空间，在不抬升基础制造成本的前提下，让原本定位中端的设备芯片也能满足运行Apple Intelligence的最低算力要求。这种模式下普通用户不需要为了使用AI功能额外花费数千元更换高端旗舰，苹果也能以更低的芯片成本快速扩大AI功能的覆盖基数。目前DeepSeek、Perplexity等头部大模型厂商，也都在同步开发适配这类低算力端侧芯片的轻量化模型版本。
在此之前，不少消费电子厂商都陷入了“堆AI算力参数”的竞争怪圈，一味提升芯片的运算规格最终带来了功耗暴涨、机身发热、续航大幅缩水等副作用，反而让普通用户的实际AI使用体验大打折扣。
苹果的这套落地思路，实际上为整个行业提供了全新的参考标准：不需要追求纸面的极限算力参数，而是在控制综合成本和功耗的前提下，实现AI功能的可用、好用。按照目前各厂商的适配进度，年内还会有OpenAI Copilot、Google Gemini端侧版等多款AI产品完成对主流端侧芯片的适配，国内终端AI市场的用户渗透率有望在2024年底突破20%。
滇公网安备 53252802528133号