Poradniki krok po kroku o promptach, stylach i tym, jak wycisnąć maksimum z generowania obrazów AI.
Anulowany program samochodów autonomicznych Apple'a — a nie mapa drogowa urządzeń konsumenckich — to powód, dla którego chipy serii M firmy zapewniają wydajność AI na urządzeniu, na której polegają dziś twórcy i deweloperzy.
Wcześnie w rozwoju swojej platformy autonomicznej jazdy Apple doszło do wniosku, że potrzebuje poważnego przetwarzania AI na urządzeniu — takiego, które mogłoby obsłużyć fuzję czujników w czasie rzeczywistym i podejmowanie decyzji bez opierania się na centrum danych. To wymaganie pchnęło zespoły chipów Apple w kierunku projektów silników neuronowych, które były znacznie bardziej wydajne niż wszystko, co było potrzebne w smartfonie w tamtym czasie. Sam procesor samochodowy nigdy nie został ukończony, ale jak donosi The Verge, podstawy inżynieryjne, które wygenerował, przeszły bezpośrednio do tego, co ostatecznie stało się architekturą AI Apple Silicon.
Praktyczny rezultat: chipy serii M — od M1 do M4 Ultra — niosą sprzęt silnika neuronowego, którego ambicje były pierwotnie określone dla pojazdu, a nie laptopa. To przeinżynierowanie, według standardów motoryzacyjnych, okazuje się być dokładnie właściwą specyfikacją do uruchamiania dużych modeli AI lokalnie na Macu.
Chipy serii M Apple'a wywodzą swoje korzenie przetwarzania AI z porzuconego programu samochodów autonomicznych.
Obraz: The Verge / The Verge AI
Dla twórców sztuki AI uruchamiających generowanie obrazów lokalnie — Stable Diffusion, FLUX lub podobne pipeline'y za pomocą narzędzi takich jak Diffusers lub ComfyUI — praktycznym rezultatem jest to, że zapas mocy silnika neuronowego Apple Silicon jest głębszy niż musiał być tylko dla urządzeń konsumenckich. Ta nadwyżka pojemności to powód, dla którego MacBooki M3 i M4 mogą uruchamiać skwantyzowane modele z prędkościami, które wymagałyby dyskretnego GPU jeszcze dwa lata temu.
Zaleta urządzenia ma znaczenie poza surową prędkością. Lokalne wnioskowanie oznacza brak kosztów API, brak limitów użytkowania i brak danych obrazowych opuszczających maszynę — znaczące rozważanie dla twórców pracujących nad projektami komercyjnymi lub wrażliwymi projektami postaci. Jeśli eksplorujesz to, co jest możliwe z lokalnym generowaniem, przewodniki Charmloop obejmują konfigurację modeli i optymalizację dokładnie dla tych przepływów pracy.
Rodowód wskazuje również, dokąd zmierza sprzęt Apple'a. Jeśli ambicje chipów programu samochodowego były już wbudowane w generację M1, M4 Ultra i wszystko, co po nim następuje, reprezentuje kilka kolejnych lat iteracji na tej podstawie — nie świeży start. Ten efekt składania sprawia, że Apple Silicon staje się coraz bardziej konkurencyjny z linią konsumenckich GPU Nvidia dla obciążeń wnioskowania, nawet jeśli trening nadal należy do CUDA.
Samochód Apple'a nie jest jedynym przykładem nieudanego moonshotu po cichu finansującego użyteczną technologię. Wzorzec — projekt o wysokich ambicjach zostaje anulowany, ale jego wynik inżynieryjny przetrwa w sąsiednich produktach — jest wystarczająco powszechny w dużych firmach technologicznych, że jest prawie strategią finansowania w przebraniu. Różnica tutaj to skala: Apple podobno wydało ponad dekadę i miliardy dolarów na samochód przed jego odłożeniem na półkę, co oznacza, że budżet R&D chipów był odpowiednio duży.
Dla każdego wybierającego sprzęt do konfiguracji generowania AI, wniosek jest konkretny: silnik neuronowy w obecnym sprzęcie Mac został zaprojektowany do obsługi obciążenia samochodu autonomicznego. Uruchomienie 12-miliardowego modelu obrazowego na nim jest, dla porównania, lżejszym zadaniem niż oryginalna specyfikacja. Ta luka między zaprojektowaną pojemnością a rzeczywistym obciążeniem to miejsce, gdzie żyje zapas wydajności — i dlaczego Apple Silicon nadal bije powyżej swojej termicznej obwiedni dla pracy AI na urządzeniu.
Następna generacja chipów Apple'a, oczekiwana z oznaczeniem M5, będzie pierwszą zaprojektowaną całkowicie po formalnym anulowaniu programu samochodowego w 2024 roku. Czy to zmieni architektoniczne ambicje — czy po prostu udoskonali to, co zaczął program samochodowy — to pytanie warte obserwowania.
