在不久前结束的安全WWDC2024上，苹果宣布了自己的同样AI方案Apple Intelligence，并计划将其深度集成到iOS18、重苹iPadOS 18和macOS Sequoia。服务Apple Intelligence通过生成式模型来改善用户的安全使用体验。事实上，同样苹果一共有两个自主开发的重苹AI模型，一个用于设备端AI的服务30亿参数模型，以及一个更大的安全LLM，其服务器资源满足更多的同样查询。
苹果AI服务器的重苹软硬件组成
苹果将其AI服务器称为私有云计算节点（PCC），这是服务苹果基于定制化服务器硬件打造的基础设施，也是安全苹果芯片在数据中心的首度应用。不过PCC并没有搭载苹果的同样任一消费级系统，而是重苹基于iOS和macOS打造了一个强化子集系统，专为支持LLM推理量身定制。
正因其硬件架构的统一性，苹果在设备端AI和AI服务器做到了高度一致。不过PCC用于推理，并不代表苹果为其选择了一样的训练设备。根据苹果的说法，他们在预训练阶段，依然采用的是云端的TPU和GPU资源。由此也可以看出，在大模型的训练资源上，苹果选择了与谷歌合作。
这也完全可以理解，谷歌作为TensorFlow的开发者，不少基于TensorFlow开发的ML模型，都能在谷歌的TPU上获得极高的训练效率。不过对于苹果而言，他们的软件栈并不会锁死在一个云服务供应商上，而是可以扩展并运行在其他平台上。
AI服务器的安全性
相比起AI服务器的性能，用户可能更在意的是隐私安全问题。毕竟在数据中心的强大AI硬件和大模型，如果没有对用户请求的未加密访问和相关的个人数据，也就很难给到精准的答案。对于终端设备厂商，同时也是这些AI服务器的拥有者而言，如何做好端到端加密，也就成为最大的挑战。
苹果也指出了AI服务器面临的几大挑战：1、云端AI安全和隐私保障难以得到验证和执行；2、很难在云端为AI提供运行时透明；3、云端AI环境很难对特权访问做出强有力的限制。为了解决这些挑战，苹果在AI服务器的设计上下了不少功夫，首先就是无状态计算。用户的设备将数据发送到PCC唯一目的就是满足推理需求，PCC仅使用这些数据来执行用户请求的操作，且数据只停留在处理请求的PCC节点上，无论是苹果、管理员都无法获得用户数据。
在可验证的透明度上，苹果甚至做到了超过一些主流云服务商，他们将会公开PCC的生产版本软件镜像用于安全研究。苹果自己也会发布和维护一套官方软件工具，供研究人员分析PCC节点上的软件。除此之外，苹果的安全赏金计划也适用于PCC，重要的研究成果同样可以获得该计划的奖励。
当然了，硬件提供的安全性也不可忽视，由于PCC基于苹果芯片打造，所以也包含了iPhone中的安全隔区和安全启动两大安全子系统。这为其提供了非定位的安全性，攻击者无法针对特定用户的数据来发动攻击，只能靠大规模攻击来实现，这样被发现的概率也会一并变高。
写在最后
苹果在大规模AI模型上的软件开发倒是很早就开始了，不过在硬件上，苹果还是落后于头部的云服务厂商。不过苹果只是基于自研芯片打造属于自己的AI服务器，相较直接采用第三方方案，对于终端的用户而言，或许这才是保证性能和安全性的最佳路径。
