在不久前結束的WWDC2024上，蘋果宣布了自己的AI方案Apple Intelligence，并計劃將其深度集成到iOS 18、iPadOS 18和macOS Sequoia。Apple Intelligence通過生成式模型來改善用戶的使用體驗。事實上，蘋果一共有兩個自主開發的AI模型，一個用于設備端AI的30億參數模型，以及一個更大的LLM，其服務器資源滿足更多的查詢。

蘋果AI服務器的軟硬件組成

蘋果將其AI服務器稱為私有云計算節點（PCC），這是蘋果基于定制化服務器硬件打造的基礎設施，也是蘋果芯片在數據中心的首度應用。不過PCC并沒有搭載蘋果的任一消費級系統，而是基于iOS和macOS打造了一個強化子集系統，專為支持LLM推理量身定制。

正因其硬件架構的統一性，蘋果在設備端AI和AI服務器做到了高度一致。不過PCC用于推理，并不代表蘋果為其選擇了一樣的訓練設備。根據蘋果的說法，他們在預訓練階段，依然采用的是云端的TPU和GPU資源。由此也可以看出，在大模型的訓練資源上，蘋果選擇了與谷歌合作。

這也完全可以理解，谷歌作為TensorFlow的開發者，不少基于TensorFlow開發的ML模型，都能在谷歌的TPU上獲得極高的訓練效率。不過對于蘋果而言，他們的軟件棧并不會鎖死在一個云服務供應商上，而是可以擴展并運行在其他平臺上。

AI服務器的安全性

相比起AI服務器的性能，用戶可能更在意的是隱私安全問題。畢竟在數據中心的強大AI硬件和大模型，如果沒有對用戶請求的未加密訪問和相關的個人數據，也就很難給到精準的答案。對于終端設備廠商，同時也是這些AI服務器的擁有者而言，如何做好端到端加密，也就成為最大的挑戰。

蘋果也指出了AI服務器面臨的幾大挑戰：1、云端AI安全和隱私保障難以得到驗證和執行；2、很難在云端為AI提供運行時透明；3、云端AI環境很難對特權訪問做出強有力的限制。為了解決這些挑戰，蘋果在AI服務器的設計上下了不少功夫，首先就是無狀態計算。用戶的設備將數據發送到PCC唯一目的就是滿足推理需求，PCC僅使用這些數據來執行用戶請求的操作，且數據只停留在處理請求的PCC節點上，無論是蘋果、管理員都無法獲得用戶數據。

在可驗證的透明度上，蘋果甚至做到了超過一些主流云服務商，他們將會公開PCC的生產版本軟件鏡像用于安全研究。蘋果自己也會發布和維護一套官方軟件工具，供研究人員分析PCC節點上的軟件。除此之外，蘋果的安全賞金計劃也適用于PCC，重要的研究成果同樣可以獲得該計劃的獎勵。

當然了，硬件提供的安全性也不可忽視，由于PCC基于蘋果芯片打造，所以也包含了iPhone中的安全隔區和安全啟動兩大安全子系統。這為其提供了非定位的安全性，攻擊者無法針對特定用戶的數據來發動攻擊，只能靠大規模攻擊來實現，這樣被發現的概率也會一并變高。

寫在最后

蘋果在大規模AI模型上的軟件開發倒是很早就開始了，不過在硬件上，蘋果還是落后于頭部的云服務廠商。不過蘋果只是基于自研芯片打造屬于自己的AI服務器，相較直接采用第三方方案，對于終端的用戶而言，或許這才是保證性能和安全性的最佳路徑。