WWDC 上的“低调”表现
在 WWDC 上，苹果刻意回避了“人工智能（AI）”及“ChatGPT”等热门词汇，仅简单提及 7 次“机器学习（ML）”。在介绍 AR 眼镜 Vision Pro 时，也仅表述为“使用了先进的编码-解码神经网络”，与微软、谷歌等硅谷大厂的高调做法形成鲜明对比。 (, 下载次数: 7)
上传
点击文件名下载附件
基于 AI 的新功能展示 改进的 iPhone 自动更正功能：该功能基于使用 Transformer 语言模型的 ML 程序，使自动更正比以往更加准确。Transformer 是支持 ChatGPT 的重要技术之一，且该功能会学习用户发短信和打字习惯，持续优化体验。 (, 下载次数: 7)
上传
点击文件名下载附件
AirPods Pro 的降噪改进：当耳机检测到用户对话时，会自动关闭降噪功能。这一功能虽未被苹果明确标注为机器学习功能，但其解决方案基于 AI 模型，体现了苹果在 AI 应用上的深入探索。 其他新功能：识别 PDF 中要填写的字段、识别宠物并将相关照片归纳等，均基于苹果在神经网络方面的研究工作，进一步证明了苹果在 AI 领域的实际布局。 设备上建立 AI 模型的战略
苹果希望在其设备上建立 AI 模型，而非依赖服务器集群或超级计算机。新的“自动更正”等功能正是基于这一想法，在 iPhone 上运行，绕过了很多基于云的 AI 面临的数据隐私问题。当模型可以在手机上运行时，苹果只需收集更少的数据即可运行它，这既保护了用户隐私，又提高了模型运行的效率。 M2 Ultra 芯片的强大支持
苹果公布的 M2 Ultra 芯片采用第二代 5 纳米工艺制造，拥有多达 24 个 CPU 内核、76 个 GPU 内核和 32 个内核的神经引擎，每秒可进行 31.6 万亿次运算。 (, 下载次数: 6)
上传
点击文件名下载附件
M2 Ultra 支持高达 192GB 的统一内存，比 M1 Ultra 多 50％，使其能够完成其他芯片无法完成的任务，如训练庞大的 ML 工作负载，包括大型 Transformer 模型。这种能力让高端 Mac 成为运行大型 AI 模型和进行 AI 研究的惊人机器。 (, 下载次数: 7)
上传
点击文件名下载附件
公开进入生成式 AI 训练硬件领域
尽管尚未有 M2 Ultra 与 A100（甚至 H100）的性能评估，但苹果通过 M2 Ultra 的发布，已经公开表明其进入生成式 AI 训练硬件领域的决心。更大的内存意味着更大、能力更强的 AI 模型可以装入内存中，使得许多人有机会在个人电脑上训练 AI，这无疑将推动 AI 技术的普及和发展。