iPhone 18 Pro يشغّل نموذج Bonsai‑27B المحلي المكوّن من 27 مليار معلمة

عرض اختراق على iPhone 18 Pro

في 19 سبتمبر، أظهر عرض عام تم إصداره تشغيل iPhone 18 Pro لنموذج اللغة Bonsai-27B بالكامل على الجهاز، دون أي اعتماد على الخوادم البعيدة. يشكل هذا الملاحظة الدليل المباشر الوحيد على أن نموذجًا يحتوي على 27 مليار معلمة يمكن تنفيذه محليًا على هاتف ذكي استهلاكي.

أفاد العرض بسرعة توليد تقريبًا ضعف السرعة التي لوحظت على iPhone 17 Pro السابق. بينما توحي الادعاءة بتحسين كبير، فإن عدم وجود بروتوكول اختبار مستقل موثَّق يعني أنه لا يمكن تأكيد مقدار الزيادة في السرعة بدقة تتجاوز الملاحظة المبلغ عنها.

أسس الأجهزة للذكاء الاصطناعي على الجهاز

يأتي iPhone 18 Pro مزوَّدًا بمعالج A20 Pro، الذي يحتوي على محركين عصبيين، كل منهما يتألف من ستة عشر نواة. وبالتالي، يوفر الجهاز إجماليًا من اثنين وثلاثين نواة مخصصة للذكاء الاصطناعي، وهو تكوين عتادي يدعم مباشرة أعباء الاستدلال المكثفة مثل نماذج اللغة الكبيرة.

تلعب بنية الذاكرة أيضًا دورًا حاسمًا. كل من iPhone 18 Pro ونظيره الأكبر Pro Max يشتملان على 12 جيجابايت من ذاكرة LPDDR5X يتم الوصول إليها عبر ناقل 96 بت. يعلن الصانع عن عرض نطاق موحد للذاكرة يبلغ 115.2 جيجابايت/ثانية، وهو الرقم الذي يحدد الحد الأقصى لمعدل نقل البيانات بين المعالج والمحركات العصبية والذاكرة أثناء تنفيذ النموذج.

حجم النموذج، والكمية، وحدود الذاكرة

يستخدم Bonsai-27B مخطط كمية بت واحد، مما يقلص بشكل كبير بصمته التخزيني. هذا الانخفاض يكفي لتناسب النموذج داخل حاوية الذاكرة التي تبلغ 12 جيجابايت في iPhone 18 Pro، مما يتيح تشغيله على الجهاز كما تم عرضه في 19 سبتمبر.

في المقابل، نسخة من نموذج Bonsai‑2 المكمَّة إلى بتين لا تزال كبيرة جدًا لتكون موجودة بالكامل في نفس مساحة الذاكرة، وفقًا لنفس العرض. تسلط هذه الملاحظة الضوء على حد واضح: حتى الزيادات المتواضعة في دقة الكمية يمكن أن تدفع حجم النموذج إلى ما يتجاوز سعة ذاكرة الهاتف الذكي الحالية.

السرعة الخام للمحرك العصبي لا تقضي على عنق الزجاجة المتعلق بالذاكرة. بينما يمكن لاثنين وثلاثين نواة ذكاء اصطناعي معالجة الموترات بسرعة، يبقى مقدار البيانات التي يمكن تخزينها والوصول إليها في أي لحظة محدودًا بحوض الذاكرة البالغ 12 جيجابايت وعرض نطاقه. وبالتالي، فإن كثافة النموذج وجودة الاستدلال على الجهاز مقيدتان بهذه الخصائص الذاكرة.

الفوائد المحتملة والمقايضات للتنفيذ المحلي

يمكن أن يقلل تشغيل النماذج الكبيرة محليًا من زمن الاستجابة من الطرف إلى الطرف لأن البيانات لم تعد بحاجة إلى الانتقال إلى خوادم خارجية للاستدلال. قد يكون هذا التخفيض في زمن الرحلة ذهابًا وإيابًا ذا قيمة خاصة للتطبيقات التفاعلية التي تتطلب استجابات فورية.

كما أن التنفيذ المحلي يلغي الحاجة إلى نقل بيانات المستخدم عبر الشبكات، مما قد يعزز الخصوصية. ومع ذلك، لا يقدم العرض قياسات كمية لاستهلاك الطاقة أو التأثير الحراري، مما يترك السؤال مفتوحًا حول كيفية تأثير الاستدلال المستمر بهذا الحجم على عمر البطارية ودرجة حرارة الجهاز.

يجب على الشركات التي تفكر في النشر أن توازن بين ثلاثة عوامل رئيسية: دقة النموذج المكمَّ، ميزانية الطاقة المطلوبة للتشغيل المستمر، وقدرة الجهاز على الحفاظ على درجات حرارة تشغيل آمنة تحت الحمل. لا يقدم العرض نفسه بيانات حول أي من هذه الأبعاد.

• الدقة مقابل مستوى الكمية
• استهلاك الطاقة أثناء الاستدلال
• إدارة الحرارة تحت الحمل المستمر
• الكمون المقارن مقارنةً بالاستدلال السحابي

تلخص القائمة أعلاه الأبعاد الرئيسية التي تحتاج أي منظمة إلى تقييمها قبل اعتماد نماذج اللغة الكبيرة على الجهاز على منصة iPhone 18 Pro.

نظرًا لأن العرض يفتقر إلى معيار مستقل، لا يمكن مقارنة الزيادة المبلغ عنها بمقدار الضعف مباشرةً مع أجهزة أخرى أو مع خطوط أنابيب الاستدلال السحابي. سيتطلب اختبار منهجي إضافي عزل مساهمات المحرك العصبي، وعرض نطاق الذاكرة، ومخطط الكمية.

يمكن للبحوث المستقبلية استكشاف ما إذا كانت استراتيجيات كمية بديلة—مثل النهج المختلط الدقة—قد تسمح بنماذج أكبر لتناسب نفس قيود الذاكرة مع الحفاظ على دقة أعلى. سيتعين على هذه التحقيقات معالجة المقايضة بين حجم النموذج، والدقة، وقدرات المعالجة لاثنين وثلاثين نواة ذكاء اصطناعي.

خلاصة القول، يوفر عرض 19 سبتمبر دليلًا ملموسًا على أن نموذجًا يحتوي على 27 مليار معلمة، عندما يكون مُكمًَّا بشكل كبير، يمكن تشغيله على عتاد iPhone 18 Pro على الجهاز. كما يبرز هذا الملاحظة القيد المستمر المفروض من سعة الذاكرة، حتى مع استمرار تحسين أداء المحرك العصبي.