Trotz seines Rufs für die Verzögerung der KI -Entwicklung hat Apple den besten Computer für die KI -Forschung hergestellt. Das MAC -Studio mit dem M3 Ultra Chip unterstützt eine beispiellose einheitliche Speicherzuweisung von bis zu 512 GB. Damit ist es die einfachste und erschwinglichste Möglichkeit, fortschrittliche KI -Forschung mit großen Modellen für persönliche Hardware durchzuführen.
Das neueste Deepseek V3 -Modell zeigt dies mit seiner Leistung und wird vollständig auf einem einzigen Mac ausgeführt. Apple installierte Forscher enthüllten am Montag die Funktionalität des Modells.
Diese Fähigkeit wird durch die schiere Verarbeitungskraft des Mac ermöglicht, die unter einer einheitlichen Architektur zentralisiert ist. Deepseek V3 erreicht die Leistungsstufen, die mit Branchenführern wie Chatgpt wettbewerbsfähig sind. Diese Software läuft nicht nur effizient auf sperrigeren Serverfarmen, sondern auch auf dem Desktop -Computer von Apple.
Das neue Modell ähnelt den Gebrauchtwagenpreisen. Mit einem Preis von 9.499 US-Dollar entspricht es den Kosten eines Second-Hand-Autos, erfordert jedoch nicht den weitläufigen Raum oder die Kosten eines Rechenzentrums.
Dies war nicht geplant. Die Architektur wurde so konzipiert, dass einzelne Komponenten auf einem Chip maximiert werden, was übrigens ein massives Potenzial für ein einheitliches Gedächtnis schafft und die KI -Aufgaben erheblich zugute kommt.
Der Entwicklungsvorschub für das Silizium von Apple sollte tragbare Computer wie die Akkulaufzeit des MacBook Air verbessern. Während der 2010er Jahre hatte Apple sequentielle Siliziumprozessoren entwickelt. Dieses Projekt begann mit dem Start des A4 -Chips im Jahr 2010. Macs, die in Apple Silicon integriert waren, tauchten in diesem Jahrzehnt auf.
KI -Modelle werden von GPUs angetrieben, aber das Gedächtnis ist von entscheidender Bedeutung. Eine teure NVIDIA 4090 -GPU, die groß ist und für 3D -Modellierung und Video -Rendering vorgesehen ist, enthält 24 GB Speicher. Kraftvolle Sprachmodelle wie Deepseek R1 erfordern Speicher mindestens das 64 -fache dieser Kapazität.
Die Vorteile des Ausführens von Modellen übertreffen lokal Cloud-basierte Dienste. Die Beseitigung der Notwendigkeit, internationale Server mit Netzwerklatenz- und Nutzungsbeschränkungen und finanziellen Kosten zu verwenden, ist ein Vorteil, der für die lokale Verarbeitung einzigartig ist. Darüber hinaus werden Datenschutz- und Sicherheitsbedenken gemindert, die lokale Hardware und Infrastruktur ausführen.
Die einzigartige Architektur von Apple für sein Silizium unterscheidet sich auch von vielen Custom-PCs. Apple Silicon integriert CPUs, GPUs und neuronale Motoren in einen einzelnen Chip, anstatt für jede Komponente diskreter Speicher zu verwenden. Die spezialisierte Anordnung macht Apple Hardware für eine erhebliche lokale Speicherkapazität am kostengünstigsten.
Apple -Marketing -Materialien lobten die einheitliche Speicherarchitektur, als sie den M1 -Chip auf den Markt brachten. Sie betonen, wie verschiedene Komponenten des Systems, die den gemeinsamen Speicherzugriff verwenden, die Verarbeitungsfunktion ihres Computers steigert, verbessert jedoch hauptsächlich die Akkulaufzeit des MacBook Air.
Am Montag enthüllte der Forscher von Apple Machine Learning, Awni Hannun, ein tiefes Sprachmodell in einem Mac-Studio. Er geteilt Leistungsspezifikationen in seinen sozialen Medien, die Zentren mithilfe von 512 GB einheitlichem Gedächtnis hervorheben.
Die bloße Leistung, die das Mac Studio M3 Ultra von Apple in KI -Forschung bietet, ist kein Zufall, sondern ein Nebenprodukt seines Chip -Designs, das sich auf die Akkulaufzeit konzentriert. Ein beeindruckender, wenn auch ungeplanter Vorteil, den die Konkurrenten nun nachdenken.
Der reale Vorteil hier ist offensichtlich: Ohne latente Netzwerkverzögerungen, enorme Kosten von Drittanbietern oder Cloud-Sicherheitsrisiken aufgrund von Datenübertragung können Forscher endlich große KI-Modelle für lokale Hardware verwenden. Die unmittelbaren Aufschwung für Effizienz und Sicherheit sind unbestreitbar. Unterdurchschnittliche Nachrichten für Serverfarmen.
Es war nicht erforderlich, dass Apple eine Maschine aus dem Sprung speziell für KI entworfen hat. Die Entscheidung, effiziente Chips für Konsumgüterprodukte aufzubauen, hat ein Tier mit einem unersättlichen Appetit auf maschinelles Lernen unabsichtlich gerufen. Apple sollte sich den Teams bedanken, die mehr von ihren Portables forderten.
