Schritt-für-Schritt-Anleitungen zu Prompts, Stilen und dem Maximum aus der KI-Bildgenerierung.
Apples abgebrochenes Programm für selbstfahrende Autos — nicht seine Roadmap für Verbrauchergeräte — ist der Grund, warum die M-Series-Chips des Unternehmens die KI-Performance auf dem Gerät liefern, auf die Creator und Entwickler heute angewiesen sind.
Schon früh in der Entwicklung seiner selbstfahrenden Plattform kam Apple zu dem Schluss, dass es ernsthafte KI-Verarbeitung auf dem Gerät benötigte — die Art, die Echtzeit-Sensorfusion und Entscheidungsfindung bewältigen kann, ohne auf ein Rechenzentrum angewiesen zu sein. Diese Anforderung trieb Apples Chip-Teams zu Neural-Engine-Designs, die weit leistungsfähiger waren als alles, was damals für ein Smartphone benötigt wurde. Der Autoprozessor selbst wurde nie fertiggestellt, doch wie The Verge berichtet, floss das dabei erarbeitete ingenieurtechnische Fundament direkt in das ein, was schließlich zur KI-Architektur von Apple Silicon wurde.
Das praktische Ergebnis: M-Series-Chips — vom M1 bis zum M4 Ultra — tragen Neural-Engine-Hardware, deren Ambitionen ursprünglich für ein Fahrzeug ausgelegt waren, nicht für einen Laptop. Diese Überdimensionierung, gemessen an Automobilstandards, erweist sich als genau die richtige Spezifikation, um große KI-Modelle lokal auf einem Mac auszuführen.
Apples M-Series-Chips haben ihre KI-Verarbeitungswurzeln in einem aufgegebenen Programm für selbstfahrende Autos.
Bild: The Verge / The Verge AI
Für KI-Kunst-Creator, die Bildgenerierung lokal betreiben — Stable Diffusion, FLUX oder ähnliche Pipelines über Tools wie Diffusers oder ComfyUI — ist das praktische Fazit, dass der Spielraum der Neural Engine von Apple Silicon tiefer ist, als es für Verbrauchergeräte allein nötig gewesen wäre. Diese Überkapazität ist der Grund, warum M3- und M4-MacBooks quantisierte Modelle mit Geschwindigkeiten ausführen können, für die vor zwei Jahren noch eine dedizierte GPU erforderlich gewesen wäre.
Der Vorteil auf dem Gerät geht über reine Geschwindigkeit hinaus. Lokale Inferenz bedeutet keine API-Kosten, keine Nutzungslimits und keine Bilddaten, die das Gerät verlassen — eine bedeutsame Überlegung für Creator, die an kommerziellen Projekten oder sensiblen Charakterdesigns arbeiten. Wer erkunden möchte, was mit lokaler Generierung möglich ist, findet in den Charmloop-Guides Anleitungen zu Modell-Setup und Optimierung für genau diese Workflows.
Die Abstammungslinie deutet auch darauf hin, wohin Apples Hardware steuert. Wenn die Chip-Ambitionen des Autoprogramms bereits in die M1-Generation eingeflossen sind, stellen der M4 Ultra und was auch immer danach kommt mehrere weitere Jahre der Iteration auf diesem Fundament dar — keinen Neustart. Dieser kumulative Effekt ist es, der Apple Silicon im Bereich der Inferenz-Workloads zunehmend wettbewerbsfähig gegenüber Nvidias Consumer-GPU-Linie macht, auch wenn Training nach wie vor CUDA gehört.
Apples Auto ist nicht das einzige Beispiel eines gescheiterten Moonshots, der still und leise nützliche Technologie finanziert hat. Das Muster — ein hochambitioniertes Projekt wird abgebrochen, doch sein ingenieurtechnischer Output überlebt in benachbarten Produkten — ist in großen Technologieunternehmen so verbreitet, dass es fast einer verkappten Finanzierungsstrategie gleicht. Der Unterschied liegt hier im Ausmaß: Apple soll über ein Jahrzehnt und Milliarden von Dollar in das Auto investiert haben, bevor es eingestellt wurde, was bedeutet, dass das Chip-F&E-Budget entsprechend groß war.
Für alle, die Hardware für ein KI-Generierungs-Setup auswählen, ist die Schlussfolgerung konkret: Die Neural Engine in aktueller Mac-Hardware wurde dafür ausgelegt, die Workload eines selbstfahrenden Autos zu bewältigen. Ein Bildmodell mit 12 Milliarden Parametern darauf auszuführen ist im Vergleich eine leichtere Aufgabe als die ursprüngliche Spezifikation. Diese Lücke zwischen ausgelegter Kapazität und tatsächlicher Workload ist der Ort, an dem Performance-Spielraum entsteht — und warum Apple Silicon bei der KI-Arbeit auf dem Gerät weiterhin über seine thermische Hülle hinaus punktet.
Apples nächste Chip-Generation, die voraussichtlich die Bezeichnung M5 tragen wird, ist die erste, die vollständig nach der formellen Einstellung des Autoprogramms im Jahr 2024 entwickelt wurde. Ob das die architektonischen Ambitionen verändert — oder lediglich das verfeinert, was das Autoprogramm begonnen hat — ist die Frage, die es zu beobachten gilt.
