Die KI-Strategie von Apple unterscheidet sich von anderen – kein Wettlauf um das stärkste allgemeine Modell, sondern der Fokus liegt auf geräteinterner Bereitstellung und Datenschutz.
On-Device-Modell: 3 Milliarden Parameter
Auf der WWDC 2025 stellte Apple die Apple Foundation Models (AFM) vor, die On-Device-Version hat etwa 3 Milliarden Parameter und ist speziell für Apple Silicon optimiert.
Einige Schlüsseltechnologien:
- KV-Cache-Sharing: Das Modell wird in zwei Blöcke aufgeteilt (Tiefenverhältnis 5:3), der hintere Block nutzt direkt den KV-Cache des vorderen, was den Speicherverbrauch um 37,5 % reduziert.
- 2-Bit-Quantisierungsbewusstes Training: Gewichte auf 2 Bit komprimiert, Embedding-Schicht 4 Bit, KV-Cache 8 Bit.
- Low-Rank-Adapter: Ausgleich von Genauigkeitsverlusten durch Quantisierung.
Endergebnis: Ein Modell mit 3 Milliarden Parametern wird so komprimiert, dass es flüssig auf dem iPhone läuft und dennoch ausreichende Fähigkeiten behält.
Server-Modell: PT-MoE
Komplexe Aufgaben, die nicht auf dem Gerät verarbeitet werden können, werden an den Server übergeben, jedoch mit Apples eigener Private Cloud Compute – auf Cloud-Servern mit Apples eigenen Chips, Daten verlassen Apples sichere Enklave nicht.
Die Server-Architektur heißt Parallel-Track MoE, bestehend aus mehreren kleineren Transformer-„Spuren", die Token parallel verarbeiten und nur an Ein- und Ausgängen synchronisieren. Der Synchronisationsaufwand reduziert sich um 87,5 %.
Datenschutz als Priorität
Die Prioritäten von Apples Design sind klar:
- Was auf dem Gerät läuft, bleibt auf dem Gerät
- Was in die Cloud muss, nutzt Private Cloud Compute
- Unterstützt 15 Sprachen, versteht Text- und Bildeingaben
Dies steht in deutlichem Kontrast zum „Alles-in-die-Cloud"-Ansatz von OpenAI, Anthropic und Google. Apple wettet darauf: Nutzer sind bereit, für Privatsphäre auf etwas Leistungsfähigkeit zu verzichten.
Auch Entwickler profitieren – Apple öffnet das Foundation Models Framework, Drittanbieter-Apps können das On-Device-Modell direkt aufrufen. Allerdings liegen die Fähigkeiten noch hinter Cloud-Modellen auf GPT-4-Niveau, besser geeignet für leichte Textverarbeitungs- und Verständnisaufgaben.
Quellenangabe: CocoLoop, Apple Machine Learning Research