نگاهی به نسل سوم مدل‌های هوش مصنوعی اپل؛ از مدل‌های آفلاین تا ابری

اپل در جریان رویداد WWDC 2026 نسل سوم مدل‌های هوش مصنوعی اختصاصی خود موسوم‌به «Apple Foundation Models» یا AFM را معرفی کرد. این مجموعه هوش مصنوعی اپل شامل پنج مدل مختلف می‌شود که برخی از آن‌ها روی دستگاه به‌اجرا درمی‌آیند، برخی در فضای ابری پردازش می‌شوند و یکی از آن‌ها حتی روی زیرساخت‌های گوگل و پردازنده‌های گرافیکی انویدیا فعالیت می‌کند. اپل حالا جزئیات بیشتری از نسل سوم AFM منتشر کرده که در ادامه به آن‌ها می‌پردازیم.

سومین نسل زیرساخت هوش مصنوعی اپل چه ویژگی‌هایی دارد؟

کوپرتینویی‌ها در سال‌های اخیر همواره روی اجرای پردازش‌های هوش مصنوعی در اکوسیستم اختصاصی خود تأکید داشته‌اند. زمانی که این شرکت نخستین نسل Foundation Models را معرفی کرد، پردازش‌های ابری از طریق زیرساخت Private Cloud Compute و روی سرورهای مجهز به تراشه‌های اختصاصی Apple Silicon انجام می‌شد تا حریم خصوصی کاربران حفظ شود. اکنون اما شرایط تغییر کرده است.

اپل این‌بار برای توسعه نسل جدید Apple Intelligence وارد همکاری‌های عمیق‌تری با گوگل شده و بخشی از قابلیت‌های هوش مصنوعی خود را این‌بار روی زیرساخت‌های Google Cloud اجرا می‌کند. نسل سوم Foundation Models از پنج مدل مختلف تشکیل می‌شود. دو مدل AFM ۳ Core و AFM ۳ Core Advanced به‌صورت محلی روی دستگاه اجرا می‌شوند و برای این کار حتی نیازی به اتصال اینترنت نخواهد بود. در مقابل، مدل‌های AFM ۳ Cloud و ADM ۳ Cloud برای تولید و ویرایش تصاویر و AFM ۳ Cloud Pro در فضای ابری فعالیت می‌کنند. در میان این مدل‌ها، AFM ۳ Core Advanced و AFM ۳ Cloud Pro بیشتر از بقیه توجه‌ها را به خود جلب کرده‌اند.

در واقع AFM ۳ Core Advanced قدرتمندترین مدل محلی اپل محسوب می‌شود و از معماری چندوجهی یا Multimodal بهره می‌برد. این مدل هوش مصنوعی اپل حدود ۲۰ میلیارد پارامتر دارد؛ عددی که برای یک مدل قابل اجرا روی دستگاه، چشمگیر به نظر می‌رسد. کوپرتینویی‌‌ها برای دستیابی به چنین عملکردی از معماری Sparse استفاده کرده‌اند. در این رویکرد، به‌جای فعال کردن همزمان تمام پارامترها، بسته‌به نوع درخواست تنها بخشی از آن‌ها درگیر پردازش می‌شوند. به‌همین ترتیب فشار کم‌تری روی سخت‌افزار دستگاه وارد خواهد شد.

به لطف این معماری هوشمندانه، مدل جدید می‌تواند قابلیت‌هایی مانند تشخیص گفتار دقیق‌تر، تعامل صوتی طبیعی‌تر و درک بهتر درخواست‌های کاربران را بدون نیاز به اتصال اینترنت و مصرف انرژی بالا ارائه دهد.