蘋果首次揭露AI訓練內幕：從抓網頁、簽授權到生成合成內容，全力拚語言理解與裝置效能

在今年 WWDC 大會後，蘋果不僅揭示了全新「Liquid」視覺設計語言，也正式對外說明其「Apple Intelligence」人工智慧系統的運作細節。這次，蘋果透過一份長達數萬字的《Apple Intelligence 基礎語言模型技術報告》，揭露自家 AI 模型如何被訓練與微調，顯示這家一向重視隱私的科技巨頭，正悄悄以自己的步伐投入 AI 軍備競賽。

模型怎麼訓練？從網路爬蟲抓資料，到授權內容與合成語料

根據報告，蘋果的 AI 模型訓練來源主要來自三個管道：

Applebot 爬取的公開網頁資料（尊重 robots.txt，網站不想被抓就不會用）
與媒體／出版商簽訂授權協議的內容（未揭露合作對象）
AI 自產的合成語料，特別用於圖像任務、程式碼、指令等微調用途

此外，在語言資料中，非英文語料的比例已從 8% 拉高到 30%，代表蘋果正強化對多語言的支援，對提升中文寫作、語意理解能力至關重要。

模型架構揭秘：用「專家混合模型」省資源、強性能

蘋果這次採用的模型架構名為 PT-MoE（Parallel-Track Mixture of Experts），是把一整個大型模型拆成「多位專家」的架構，每次只喚起與當前任務相關的專家，減少資源浪費、提高推理效率。這類混合專家架構近年也被 Google 與 Meta 等大廠廣泛採用。

同時，蘋果也自行打造全新架構 Parallel-Track Transformer，讓不同任務能在各自軌道獨立運算，只在關鍵時刻同步整合，這樣的設計有助於大幅降低延遲、加速回應速度。

裝置端效能：拆成兩段模型運作，記憶體佔用降38%

蘋果指出，其裝置端 AI 模型分成兩個區塊運作：

Block 1：包含約 60% 的轉換層，負責語意解析
Block 2：移除鍵與值投影（key/value projection），使得記憶體需求降低約 38%

這樣的分離式設計，讓蘋果能在不突破裝置記憶體限制的情況下，加快模型運行速度。

自產影像語料超過百億組，連手寫字都納入

蘋果也大量使用影像與文字的對應資料來訓練多模態模型。報告中提到，該公司擁有 超過 100 億組影像-字幕對照資料，來源包含螢幕截圖、App 介面、筆記與手寫內容。蘋果甚至使用自家模型生成更豐富的描述，強化模型對圖文意涵的理解。

雖然模型部分運作需要雲端支援，但蘋果特別強調其雲端 AI 運算是透過自建 私有雲（Private Cloud Compute），搭載自家客製硬體，並不會將資料傳到第三方伺服器。這一點也是蘋果與 Google、OpenAI 的策略最大差異所在。

相較於競爭對手追求數千億參數規模的「超大模型」，蘋果走的是高度優化的小模型 + 雲端混合架構，不僅可在裝置端直接推理，也可視任務轉為雲端支援，更符合其以 iPhone 為核心的生態策略。

延伸閱讀：Apple Intelligence 將支援繁體中文！新功能擴展至各裝置，即時翻譯、螢幕智慧識別、連結 ChatGPT 生圖
延伸閱讀：macOS Tahoe 26 登場：整合 iPhone 通話、Spotlight 大改版、Apple Intelligence 強化生產力
延伸閱讀：有 84% 的 iPhone 用戶表示願意為 Apple Intelligence 功能付費，你是其中之一嗎？