Коротко: Apple делит ИИ на два уровня — то, что можно посчитать в телефоне, считается локально; то, что не тянет устройство, уходит в собственное облако Apple с максимальной защитой приватности. Не нужно знать про транзисторы и матрицы — запомните три термина: Neural Engine (ускоритель ИИ на устройстве), Unified Memory (общая «рабочая зона» CPU/GPU/Neural Engine) и Private Cloud Compute (облако Apple с упором на конфиденциальность).
Статья с нуля объясняет, как ИИ работает на iPhone и Mac, что доступно офлайн, что требует сеть, и с чего начать разработчику локального ИИ. Вы поймёте: почему Apple Intelligence начинается с iPhone 15 Pro, почему Mac на 8 ГБ тормозит на больших моделях и какие задачи лучше локально, а какие — в облаке.
Схема: двухуровневая архитектура ИИ Apple
Сначала локально (быстро, экономно, офлайн)
- Исправление в клавиатуре и диктовке
- Распознавание людей и сцен в фото
- Face ID, отслеживание жестов
- Живая речь в текст
Нужно или лучше в облаке
- Глубокая переработка длинных текстов
- Многошаговая логика по документам
- Очень большие языковые модели
- Актуальные знания о мире
Главная логика: Apple — не «всё в облаке» и не «всё офлайн», а динамическая маршрутизация по сложности и чувствительности данных — что посчитать в кармане, то не загружается.
Серия A vs M: две линейки, одна идея
Собственные чипы Apple идут двумя линиями, но архитектура ИИ общая:
| Чип | Где используется | Типичные модели | Особенности ИИ |
|---|---|---|---|
| Серия A | iPhone, часть iPad | A17 Pro, A18 Pro | Минимальное энергопотребление, Neural Engine для мобильных; жёсткий лимит — батарея |
| Серия M | Mac, Mac mini, часть iPad Pro | M1–M4 (плюс Ultra / Max) | Больше Unified Memory (8–128 ГБ+), удобно для локальных LLM и разработки |
Серия A — «ИИ-узел в кармане»: хватает мощности, но мало памяти и охлаждения. Серия M — «ИИ-станция на столе»: те же CPU/GPU/Neural Engine, но гораздо больше памяти для Xcode, браузера и локального LLM на 7B (см. наш тест 16 ГБ vs 24 ГБ).
С A11 (2017, iPhone X) в чипе есть Neural Engine. В эпоху Apple Intelligence 2024–2025 это уже не «помощник HDR», а основной источник системного ИИ.
Три «движка» на одном чипе
Чипы Apple — это SoC (System on Chip): раньше разрозненные компоненты на одной пластине. Для ИИ важны три блока:
- CPU — общие задачи: приложения, ОС, логика. ИИ на CPU возможен, но для матриц неэффективен и прожорлив.
- GPU — графика и видео; участвует в инференсе, особенно на больших моделях. GPU M с множеством ядер хороши для параллелизма.
- Neural Engine / NPU — ускоритель для нейросетей, оптимизирован для матриц и свёрток. Siri, распознавание лиц, живые субтитры — в основном здесь.
Что такое TOPS?
«38 TOPS» = 38 триллионов операций в секунду (Tera Operations Per Second). Чем выше число, тем выше теоретический пик Neural Engine — реальный опыт зависит ещё от пропускной способности памяти и размера модели.
CPU, GPU и Neural Engine работают вместе: система распределяет слои модели по задаче. Через Core ML runtime Apple сам выбирает лучший путь — вручную указывать «NPU» не нужно.
Unified Memory: скрытое узкое место
Часто упускают из виду, но сильно влияет на опыт ИИ.
На классическом ПК у CPU и дискретной GPU разная память — медленное копирование. У Apple M (и A) — Unified Memory: CPU, GPU и Neural Engine делят один пул, как три человека за большим столом, а не в отдельных кабинках.
Что это значит для ИИ?
- Модель загружается один раз — все блоки обращаются напрямую, низкая задержка.
- Общий объём RAM — жёсткий потолок: модель 7B в 4-bit ≈ 4–5 ГБ; Chrome + Xcode + модель на 16 ГБ быстро вызывают swap — всё тормозит.
- У iPhone меньше RAM (часто 6–8 ГБ), поэтому локальные модели меньше и сильнее квантованы.
Если вы гоняли Ollama или инструменты Apple Intelligence на Mac, давление на память часто лучше предсказывает «лагает или нет», чем бенчмарк CPU. Подробнее: платформа ИИ Apple Silicon M4/M5.
Что умеет локальный ИИ
«Локальный ИИ» = веса модели в памяти устройства, инференс без внешнего сервера. В экосистеме Apple в основном локально:
| Функция | Где работает | Что вы замечаете |
|---|---|---|
| Face ID / Touch ID | Secure Enclave + Neural Engine | Данные лица не покидают устройство, мгновенная разблокировка |
| Люди, питомцы, сцены в Фото | Локальный индекс | Без сети: «собака на пляже в прошлом году» |
| Живая диктовка, речь в текст | Локальная речевая модель | Работает в авиарежиме (при поддерживаемом языке системы) |
| Предсказание клавиатуры, орфография | Локальная языковая модель | Низкая задержка, без трафика |
| Visual Intelligence (выделение на экране) | Локальная vision-модель + облако при необходимости | Выделение локально; глубокие Q&A возможно в облаке |
| Genmoji, Image Playground (базовый) | Локальная генеративная модель | Ограничено мощностью и памятью устройства |
Три плюса локального ИИ: приватность, низкая задержка, офлайн. Цена — модель не может быть слишком большой: полный GPT-4 в телефон не влезет, сложное уходит в облако.
Облачный ИИ: что такое Private Cloud Compute
Когда локальной мощности или модели не хватает, Apple Intelligence отправляет задачу в Private Cloud Compute (PCC) — собственные серверы Apple на Apple Silicon.
PCC отличается от «отправить данные в OpenAI»:
- Данные не для обучения — Apple заявляет, что запросы PCC не используются для обучения и удаляются после обработки.
- Без постоянного хранения — нет связанного профиля пользователя в облаке.
- Проверяемая приватность — Apple опубликовала архитектуру безопасности PCC для аудита.
- Однородное железо — облачные узлы на Apple Silicon; плавный «апгрейд» с устройства в облако.
Apple Intelligence также интегрирует ChatGPT (OpenAI) опционально: если вопрос выходит за рамки моделей Apple и вы согласны — действует политика OpenAI, система предупреждает заранее.
Чем отличается от обычного «ИИ-приложения с API»?
Типичные ИИ-приложения из Store шлют диалог на сервер разработчика. Apple Intelligence: по умолчанию локально → при необходимости PCC → только потом ChatGPT — по ступеням, а не всё сразу в облако.
Как Apple выбирает локально или облако
Не нужно вручную переключать «локальный / облачный режим» — система маршрутизирует в фоне. Примерные критерии:
| Фактор | Скорее локально | Скорее облако |
|---|---|---|
| Сложность задачи | Исправить слово, классифицировать фото | Переписать весь отчёт, многошаговая логика |
| Размер модели | Модели на устройстве от МБ до сотен МБ | LLM с миллиардами параметров |
| Чувствительность данных | Лицо, здоровье, геолокация | Обезличенные общие знания |
| Сеть | Офлайн или слабая сеть → локально | Хороший Wi-Fi / 5G → можно в облако |
| Возможности устройства | Neural Engine справляется | Старое устройство или мало RAM → деградация или облако |
Это похоже на схему разработчика «маленькая модель локально + большая по API» — Apple автоматизирует на уровне системы. Сравнение стоимости API: сравнение цен на токены 2026.
Какие устройства справляются
У Apple Intelligence чёткие аппаратные требования (начало 2026):
| Устройство | Минимум | Почему (простыми словами) |
|---|---|---|
| iPhone | iPhone 15 Pro / Pro Max и новее | С A17 Pro хватает Neural Engine и памяти для локальных LLM |
| iPad | iPad на M1 и новее | То же поколение, что Mac, Unified Memory ≥ 8 ГБ |
| Mac | M1 и новее | Intel Mac без Neural Engine — нет полного Apple Intelligence |
| Apple Watch | Часть функций ИИ (например Smart Stack) | Чип S со своей Neural Engine, модели меньше |
Важно: «можно поставить новую ОС» ≠ «полный ИИ доступен». iPhone 15 (не Pro) и M1 Mac на 8 ГБ могут не получить все функции или работать с ограничениями. Для ИИ объём RAM и поколение чипа важнее, чем лишние гигабайты SSD.
Для разработчиков: Core ML и MLX
Чтобы встроить ИИ в приложение или гонять open-source модели на Mac, два основных пути:
Core ML — развёртывание на iPhone / Mac / iPad
Официальный on-device ML-фреймворк Apple. Конвертируйте модели PyTorch/TensorFlow в .mlpackage, интегрируйте в Xcode — runtime выберет Neural Engine / GPU / CPU.
- Подходит для: классификация изображений, детекция объектов, локальные рекомендации, небольшие языковые модели.
- Плюсы: ноль платы за API, офлайн, дружелюбно к App Store.
- Ограничения: размер модели упирается в RAM; очень большие LLM нереалистичны.
MLX — open-source LLM на Mac
Open-source фреймворк Apple для Apple Silicon. С Ollama можно локально гонять Llama, Qwen и др. (7B–14B) для автодополнения кода, приватных баз знаний и CI-тестов.
- Подходит для: проверка на этапе разработки, сценарии без отправки кода в облако, снижение счёта за API.
- Ограничения: достаточно Unified Memory (минимум 16 ГБ, комфортнее 24 ГБ); медленнее облачных frontier-моделей.
Полная локальная ИИ-станция: Claude Code + Mac mini ИИ-станция и Core ML-инференс на Mac mini в облаке.
Локально vs облако: таблица
| Измерение | Локальный ИИ (устройство) | Облачный ИИ (PCC / сторонний API) |
|---|---|---|
| Приватность | Данные не покидают устройство ★★★★★ | Зависит от провайдера; PCC высокий, сторонние API — по условиям |
| Задержка | Миллисекунды ★★★★★ | Зависит от сети, часто 1–10+ секунд |
| Офлайн | Доступно ★★★★★ | Нужен интернет |
| Мощность модели | Средние модели, слабее в сложной логике ★★☆ | Большие модели, сильны в сложных задачах ★★★★★ |
| Стоимость | Разовая покупка железа, без оплаты за запрос | Подписка (Apple Intelligence+) или API за токены |
| Железо | Новый Apple Silicon + достаточно памяти | Любое устройство с интернетом |
Практический совет: повседневная правка, фото, диктовка → хватит локального. Длинные тексты, исследования, анализ файлов → облако. Для продуктов в 2026: локально по умолчанию, облако по запросу — самая надёжная архитектура.
Частые вопросы
Чем чип Apple AI отличается от обычного CPU? Чипы Apple — SoC с CPU, GPU и Neural Engine. ИИ в первую очередь идёт через Neural Engine — быстрее и экономнее, чем чистый CPU.
Apple Intelligence полностью офлайн? Нет. Простое — локально; сложное письмо и глубокие Q&A — через Private Cloud Compute или ChatGPT, с интернетом и согласием.
Работает ли на старых iPhone? Официально с iPhone 15 Pro. Узкое место — Neural Engine и память; старые устройства часто без полного набора функций.
Как разработчики используют локальный ИИ Apple? Core ML для приложений или MLX/Ollama для open-source LLM на Mac. Без платы за API, но с лимитами памяти и модели.
Какой объём RAM для ИИ-разработки на Mac? 16 ГБ для моделей 7B с риском swap; 24 ГБ — sweet spot 2026. Подробнее: тест 16 ГБ vs 24 ГБ.
- Выбор платформы ИИ Apple Silicon M4/M5
- M4 Mac mini 16 ГБ vs 24 ГБ: локальный ИИ в тесте
- Ollama: приватный слой инференса на Cloud Mac
- Что такое токены? Сравнение цен моделей ИИ 2026
ZavCloud
Проверьте локальный ИИ на Mac — затем выберите нужный объём RAM
Выделенный Mac mini M4, нативный macOS — Ollama, Core ML или Claude Code. Аренда по дням: измерьте swap и tok/s до покупки железа.
Тарифы Cloud Mac