先从一条令人关注的消息说起。科技媒体The Information爆料称，苹果正在与一家名为PrismML的AI初创公司展开洽谈，核心目标非常明确：在iPhone上直接运行更大规模的AI模型。如果这一合作最终落地，意味着端侧AI的能力或许将迎来一次质的飞跃——原本需要依赖云端算力才能支撑的大型语言模型，未来可能只需在你的口袋里就能轻松运转。

PrismML究竟是何方神圣？

这家公司诞生于加州理工学院，掌握着一项硬核技术：原生1-bit模型压缩。听起来可能有些抽象，但它的实际效果相当惊人——能将模型体积压缩至全精度版本的约十四分之一，内存占用直降90%以上。传统的量化方法，说白了就是把高精度数值降低精度，但权重仍需用多个比特来表示。而PrismML的做法更为激进：权重只使用负1和正1两个值，并配合分组缩放因子完成计算。这相当于从底层架构上重新设计了模型的存储与推理方式。

没有“高精度逃生通道”，精度却媲美原版

许多量化方案都会给自己留一条后路——在关键层保留高精度以弥补性能损失。而PrismML宣称，他们的技术完全没有这种“逃生通道”，全程采用1-bit权重，却能保持接近FP16模型的精度水平。更令人惊艳的是，推理速度最高可提升8倍，能耗降低75%到80%。这两组数字叠加在一起，意味着什么？意味着在不牺牲模型质量的前提下，手机端运行大型AI模型所需的算力与电量门槛，被大幅拉低。

27B参数的Qwen 3.6已在iPhone上成功运行

空谈技术当然不够，实战数据才是硬道理。PrismML将阿里巴巴开源的27B参数大模型Qwen 3.6进行了压缩，随后成功在iPhone 17 Pro上完整运行。27B参数规模的模型，按传统方案几乎不可能在手机端流畅运行，但经过他们的1-bit压缩后，不仅跑起来了，推理质量还接近原版。苹果看中的正是这一点——他们希望利用这套压缩技术，让本地AI模型的推理能力再上一个台阶。

对苹果而言，端侧AI能力直接决定了Apple Intelligence生态的竞争力。目前iPhone上的AI模型规模和功能，很大程度上受限于内存与功耗。如果PrismML的技术能够顺利落地，iPhone就能在不增加硬件成本的前提下，运行更大规模的模型，实现更复杂的多轮对话、图像理解，甚至智能体任务编排。当手机端也能跑起旗舰级大模型，端侧AI与云端AI之间的实力天平，恐怕就要重新校准了。