如果说 2024 年有什么真正的热点话题，AI 可能是当之无愧的热搜第一名。OpenAI 的 ChatGPT 和 Sora、微软的 Copilot、谷歌的 Gemini…… 基于大语言模型(LLM)的生成式 AI 工具层出不穷，迭代速度之快让人应接不暇。
不过对于 Apple 来说，追随 LLM 的脚步似乎并没有那么快。相比 ChatGPT，现如今 Siri 的表现只能说是差强人意——几乎为 0 的上下文理解能力，常常遇到互联网连接问题，语音识别也不够准确。加上这两天 iOS 18 将集成 ChatGPT 的传闻已经满天飞了，Apple「看起来」已经在人工智能领域落后一大截了。
虽说从 2011 年发布 Siri 开始，Apple 对人工智能的探索就一直没有中断，系统中集成了相当多的人工智能相关的功能。但在生成式 AI 如此火爆的 2024 年，Apple 的表现并不突出。相比于一年前绝口不提 AI 的 场景 ，Apple 已经在最近两场发布会里已经尽可能多得提到了 AI。
今天的文章就来盘点一下 Apple 近年来发布会上提到的与人工智能相关的软硬件系统与功能，为一个月后「AbsolutelyIncredible」的 WWDC 2024 准备一些开胃菜。
神经网络引擎：「设备端智能」的硬件基础
Apple 开发的神经网络引擎能够加速特定机器学习模型的处理计算，效率比 CPU 和 GPU 更高，被广泛用于 iPhone、iPad、MacBook 甚至 Apple Watch 等设备。Apple 系统平台的许多人工智能功能，例如设备端 Siri、听写、自动纠错、Animoji 动话表情、计算摄影等，都依赖神经网络引擎在设备本地实时加速运行，而不会影响系统整体的响应速度。通过 Core ML，第三方开发者也可以利用设备上的神经网络引擎加速机器学习计算。例如，App Store 有不少在本地运行的文本生成图像应用。
随着 Apple 平台的功能对智能的要求越来越高，设备也配备的神经网络引擎也越来越快。iPhone X 和 iPhone 8 的 A11 中的双核神经网络引擎每秒运行 6000 亿次运算，到如今 iPhone 15 中 A17 PRO 可以每秒运行 35 万亿次操作。神经网络引擎无疑是 Apple 为其「设备端智能」所搭建的重要硬件「基础设施」。正因如此，它也从未缺席任何一场 Apple 的硬件发布会，每次在谈到处理器性能时，也都会带上它：
本文所提到的智能功能，都会在一定程度上依赖神经网络引擎在设备本地运行。
相机中的智能
相机定义了现代智能手机的核心体验之一。除了镜头、感光元件和处理器外，iPhone 拍摄照片的过程中还涉及大量设备端智能。镜头和传感器的数据需要经过一系列计算，才能最终呈现在人们眼前。照片拍摄完成后，还有许多与机器学习相关的功能进行人脸识别和分类、生成回忆、自动选择壁纸、提取关键信息等。
iPhone 计算摄影
Deep Fusion 最初推出于 iPhone 11 系列，通过机器学习模型进行多达 9 帧的图像合成，从而提升低光状态下的照片品质、降低噪点等。这是 iPhone 计算摄影的重要功能，每年都会更新。例如，iPhone 14 系列中的深度融合功能获得了图像管线优化。
然而，Deep Fusion 是一项默认开启且无法关闭的系统功能。如果使用 Apple 设备自带的相机 app，Deep Fusion 会自动开启并对每一张照片进行处理。不少用户反馈，经过 Deep Fusion 处理的照片看起来对比度过于强烈、过度锐化。
Apple ProRAW 随着 iPhone 12 Pro 的发布而推出，它结合了标准 RAW 格式的信息与 iPhone 计算摄影的照片处理，给予用户更大的编辑空间。在 iPhone 14 Pro 上，用户可以利用全新的主摄拍摄 4800 万像素的 ProRAW 照片，并结合 iPhone 的机器学习功能，获得更高的照片细节。
人像模式是另一项 iPhone 的计算摄影功能，通过摄像头获取的深度信息经过机器学习模型计算，突出摄影主体并模糊背景。在 iPhone 15 系列上，用户无需手动打开人像模式，只要 iPhone 检测到画面中有人物或宠物，系统会自动收集并计算深度数据，提供后期调整是否使用人像模式的选项。尽管人像模式已经推出多年，但机器学习得到的效果有时还是不够自然，常常虚化掉一些主体边缘的细节，特别是用它拍静物时。
