IT之家 9 月 25 日消息,@aaronp613 于今天(9 月 25 日)在 X 平台发布推文,透露在 Jamf 用户大会(JNUC)上,苹果公司公布了一张端侧 AI 推理性能对比图表,展现了从 iPhone、iPad 到 Mac Studio 集群的完整硬件梯度在本地 AI 方面的极限能力。
JNUC 是 Jamf 每年举办的全球用户大会,汇集了苹果 IT 管理员、行业专家以及技术爱好者,共同探讨设备管理、安全、自动化等领域的最新趋势与实践。
在今年的 JNUC 活动中,苹果于“IT 行业最新动态”环节展示了多项合作内容,并在聚焦 AI 端侧的演讲中公开了一张图片,IT之家整理相关数据如下:
| 产品 | 最大统一内存 | 内存带宽 | 可承载最大激活参数 | 设备定位 / 适用场景 |
|---|---|---|---|---|
| iPhone / iPad | 16 GB | 76 GB/s | 最高 140 亿 | 轻量端侧 AI:Siri、文字润色、图像处理等日常任务 |
| MacBook Air | 32 GB | 153 GB/s | 最高 350 亿 | 便携轻薄本:中等 AI 负载,移动办公场景 |
| Mac mini | 64 GB | 307 GB/s | 最高 700 亿 | 桌面入门:更强本地模型,隐私敏感任务 |
| MacBook Pro | 128 GB | 614 GB/s | 最高 1,200 亿 | 专业级:大型模型、重度创作与开发 |
| Mac Studio | 512 GB | 1.2 TB/s | 最高 4,800 亿 | 工作站:高强度 AI 推理、影视 / 科研算力 |
| Mac Studio 集群 | 2 TB | 1.2 TB/s | 最高 1.6 万亿 | 集群级:超大模型本地训练与推理 |
苹果的这一方案依赖于统一内存架构,这是实现设备端大模型推理的关键。内存容量和带宽直接影响硬件所能加载的模型参数规模,设备定位越高,本地 AI 性能就越强。
精选针对地方规则差异,明确标注适用范围,便于用户先确认所用版本再参考完整示例回顾配牌过程。内容,十三水牌型与你一同发现更多精彩。