什么？大模型终于也开始打减肥针了？
这可不是我瞎说，据CNBC报道，苹果正在接洽初创公司PrismML，后者以其最近推出的模型压缩技术而著称，苹果希望借此评估在iPhone上直接运行更大规模AI模型的可行性。
（图源：CNBC）
要知道这些年，每到手机发布会的AI环节，我一般都会下意识拿起水杯。
倒也不是我和厂商有啥矛盾，实在是这套流程大家都太熟了。先让AI总结屏幕上的各种东西，再用各种图像编辑去做点个性化调色，或者是消掉照片里的路人，然后今年还普遍加了个项目，叫出一个语音助手帮你点杯咖啡。
但这倒不能全怪手机厂商，现在的主流大模型确实塞不进手机里，裁剪后的端侧模型，智商又实在不太够。到头来，大家能宣传的也只有云端更新的东西，你看
问题来了，如果完整大模型瘦到手机装得下，端侧AI助手就真的能转正吗？
54GB降到4GB，模型压缩技术要普及？
首先，跟着雷科技（ID：leitech）一起来看看这两个问题：
PrismML是谁？
根据官网介绍，PrismML是一家专攻模型压缩的初创公司，它脱胎于加州理工学院研究团队，背后有Khosla Ventures、Cerberus和Google支持，研究重点就是怎么在尽量不把模型压傻的前提下，把体积和运行成本狠狠干下来。
（图源：PrismML）
他们做了什么？
PrismML的思路和BitNet这类低比特模型路线有相似之处，它通过大幅简化人工智能模型内部信息的存储方式来缩小模型体积，将模型中的每个权重限制为二值或三值表达，显著降低存储和运行模型所需的内存。
具体来说，传统大模型的一个参数，通常需要16bit甚至32bit来保存。
（图源：HuggingFace）
在这种情况下，如果一个270亿参数模型采用FP16精度，270亿×2 Byte≈54GB，这就是Qwen3.6-27B在FP16下的大致体积。
别说智能手机了，很多消费级PC也很难完整跑起来。
而在PrismML的思路下，1-bit版的参数都会被简化为 {-1, +1} ，就像以前照片上的每个像素会保存16级灰度，现在只需要保存黑、白两种灰度，虽然信息损失巨大，但是体积能压缩到原版的1/14，并能通过训练方式恢复推理性能。
（图源：PrismML）
在这个技术的基础上，他们在7月15日正式推出了Bonsai-27B模型，基于Qwen3.6-27B模型微调，在保留完整上下文的基础上，将该模型从约54GB缩减至不足4GB，使其可以在12GB内存的iPhone上原生运行。
要知道，谷歌面向手机和边缘设备推出的Gemma 4 E4B约3.65GB，PrismML等于用差不多的“占地面积”，塞进了名义上270亿参数的密集模型。
使用体验先不讨论，硬件厂商看完肯定两眼放光。
（图源：PrismML）
所以苹果会对这玩意儿感兴趣，一点都不奇怪。
要知道，苹果自己的端侧模型大约是30亿参数，也用了2位量化、缓存共享这些手段，却只能负责手机上的实时翻译、相册搜索和邮件摘要这些功能，基本没有Agent相关的执行能力。
而Bonsai-27B模型，仍保留了Qwen3.6-27B的一部分Agent能力。
当然，性能损失还是有的。在PrismML自己的测试里，三值版综合成绩大约保留全精度模型的95%，1-bit版约90%，至于工具调用这些Agent很看重的项目，损失会更明显。
社区测试也有人反馈：PrismML三值版本相比Q4_K_XL仍存在幻觉、Agent循环等问题，不过优势是体积极小，基本做到了以5.9GB媲美17.9GB的效果。
（图源：Reddit）
但不管怎么说，能用就是比不能用要强。
从物理意义上的塞不下，到实际体验能不能接受，继续这样推进下去，我觉得后面就有得卷了。
AI手机爆发在即，端侧AI能力亟待提升
有趣的是，7月15日，苹果智能、华为小艺、OPPO、小米、vivo等七款提供手机端侧生成式人工智能的模型服务，均已在网信部门完成备案。
你别说，这名单看着挺热闹，明显今年手机厂商都开始认真安排端侧AI了。
（图源：网信办）
原因也不难理解，像是通知摘要、通话整理、相册搜索、图片识别这些事情，根本没必要每次都跑去云端排队。
特别是聊天记录、照片和文件这种私人信息，能在自己手机里解决当然最好，考虑到Grok最近爆发的隐私门，我完全能理解大家不希望自己的信息在互联网上传来传去的心情。
（图源：雷科技）
问题是，从我个人的体验来看，目前各家手机AI功能还是以云端为主，绝大部分功能断网以后就无法使用了。
为什么会出现这种情况？目前手机的端侧AI又发展到了什么水平呢？
正好，我最近也在Google AI Edge Gallery里试了Gemma 4 E4B，可以给大家分享一下使用体验。
（图源：谷歌）
首先，大家要注意，Gemma 4 E4B已经算手机端侧模型里相当能打的一款，文字、图片、音频都能处理；模型下载好以后，断网照样能聊。
比如Ask Image，就实现了以往很多手机端侧AI很难做好的多模态输入。
实测下来，Gemma 4有着不错的图片识别能力。虽然它对动漫角色依然不太熟，但是对于画面里的特征捕捉做得很不错，比较常见的食物、硬件、花卉也都能识别出来。
（图源：雷科技）
还有Ask Audio，最多可上传30s音频并进行转写、总结等。
这个功能就比较逊色了，可能是因为我的录音比较模糊的缘故，语音转文字出来的内容和原音频几乎没有关系，目前可用性挺一般的，还是老老实实用
（图源：雷科技）
至于文本处理嘛...
我给几个能在手机端部署的模型喂了一篇2500字左右的文章，希望它们给出对应的文章总结。
最终，只有Gemma 3n E4B和Gemma 4 E4B能完成任务，但是前者耗时将近两分钟，而且给出的答案抓不住重点，后者给出的答案更加简明扼要，主要信息点基本都抓到了，拿来快速扫资料完全够用。
甚至就连一些过往解决不了的逻辑题，Gemma 4 E4B也能通过长时间思考拿下，只是思考时间远超在线大模型的响应时间罢了。
在雷科技看来，Gemma 4 E4B已经证明，手机本地模型确实能干活。
但只有在拿它做摘要、改写、简单识图，我愿意用；可任务稍微复杂一点，尤其涉及长中文、细节判断和内容创作时，它和在线大模型之间的差距依然很明显，就更别说Agent调用一类的任务了。
要知道，从压缩率和功能性上看，Gemma 4已经是目前最强的手机端侧AI了。
想要突破这个效果，苹果只能舍弃现有的压缩方式，通过在相同的空间内塞入更大参数量的模型，或许才能让手机拥有一个不那么容易犯傻的大脑。
参数规模不重要，效率才是模型应用的关键
以前大家谈大模型，总觉得参数越多越有排面。
百亿只是起步，万亿也不嫌多，在发布会上报数字像菜市场称重，主打一个“我家萝卜，又大又壮”。
看起来没问题，但是实际运行起来就是另一回事了。
根据Jordan Hoffmann团队的Chinchilla scaling law研究，在相同训练算力下，训练数据更充分的70B模型能够全面超过欠训练的280B、530B模型，哪怕是万亿参数的MoE模型，显存占用和内存带宽依然是不小的问题。
（图源：arxiv）
更重要的是，参数如此庞大的模型，自然不可能进入消费级终端。
端侧模型想要常驻手机，就得提升效率，直面内存、功耗和散热问题。PrismML的压缩算法，算是给各家硬件厂商指明了一条路，再加上
以后大模型的进步，未必还要靠参数数字吓人。
能在不大的存储空间里稳定工作，少犯傻，少发热，关键时候真能帮上忙，这才是端侧AI下一阶段最该卷的东西。
主题为「智能伙伴·共创未来」的WAIC2026开幕在即。
AI叙事路线从模型参数堆叠，转变到Agent生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理AI变为现实。
雷科技WAIC探展团已抵达上海，直击AI产业化落地年度巅峰时刻！
