文章來源：AI猿

圖片來源：由無界 AI生成

在開源生態(tài)系統(tǒng)中生成式人工智能的廣泛集成和可訪問性的推動下，人工智能領(lǐng)域目前正在經(jīng)歷重大變革,。這一變革浪潮不僅提高了生產(chǎn)力和效率,，還促進了創(chuàng)新，為在現(xiàn)代時代保持競爭力提供了重要工具,。Apple 打破了傳統(tǒng)的封閉生態(tài)系統(tǒng),，最近推出了 MLX，這是一種開源框架,，旨在幫助 AI 開發(fā)人員有效利用 Apple Silicon 芯片的功能,，從而擁抱這種范式轉(zhuǎn)變。在本文中,，我們將深入探討 MLX 框架,，揭示其對 Apple 的影響以及它對更廣泛的人工智能生態(tài)系統(tǒng)的潛在影響。

揭幕MLX

MLX 由 Apple 人工智能 (AI) 研究團隊開發(fā),，是專為 Apple 芯片上的 AI 研究和開發(fā)量身定制的尖端框架,。該框架包含一組工具，使人工智能開發(fā)人員能夠創(chuàng)建高級模型,，涵蓋聊天機器人,、文本生成,、語音識別和圖像生成,。MLX 不僅包含預(yù)訓(xùn)練的基礎(chǔ)模型，例如用于文本生成的 Meta 的 LlaMA,、用于圖像生成的 Stability AI 的 Stable Diffusion 以及用于語音識別的 OpenAI 的 Whisper,。

受 NumPy、PyTorch,、Jax 和 ArrayFire 等成熟框架的啟發(fā),，MLX 非常重視用戶友好的設(shè)計以及高效的模型訓(xùn)練和部署。值得注意的功能包括用戶友好的 API,，包括讓人想起 NumPy 的 Python API 和詳細的 C++ API,。mlx.nn 和 mlx.optimizers 等專業(yè)包采用熟悉的 PyTorch 風格，簡化了復(fù)雜模型的構(gòu)建,。

MLX 采用延遲計算方法,，僅在必要時生成數(shù)組。其動態(tài)圖構(gòu)建功能可以自發(fā)生成計算圖,，保證函數(shù)參數(shù)的更改不會影響性能,，同時保持調(diào)試過程簡單直觀。MLX 通過在 CPU 和 GPU 上無縫執(zhí)行操作，提供跨設(shè)備的廣泛兼容性,。MLX 的一個關(guān)鍵方面是其統(tǒng)一內(nèi)存模型,，將數(shù)組保留在共享內(nèi)存中。這一獨特的功能有助于跨各種受支持的設(shè)備在 MLX 陣列上進行無縫操作,，從而無需進行數(shù)據(jù)傳輸,。

區(qū)分 CoreML和MLX

Apple 開發(fā)了 CoreML 和 MLX 框架來協(xié)助 Apple 系統(tǒng)上的 AI 開發(fā)人員，但每個框架都有其獨特的功能,。CoreML 旨在輕松將 TensorFlow 等開源工具包中的預(yù)訓(xùn)練機器學(xué)習模型集成到 Apple 設(shè)備（包括 iOS,、macOS、watchOS 和 tvOS）上的應(yīng)用程序中,。它使用 GPU 和神經(jīng)引擎等專用硬件組件優(yōu)化模型執(zhí)行,，確保加速和高效的處理。CoreML 支持 TensorFlow 和 ONNX 等流行的模型格式,，使其適用于圖像識別和自然語言處理等應(yīng)用,。CoreML 的一個基本功能是在設(shè)備上執(zhí)行，確保模型直接在用戶設(shè)備上運行,，而不依賴于外部服務(wù)器,。CoreML 簡化了預(yù)先訓(xùn)練的機器學(xué)習模型與 Apple 系統(tǒng)的集成，而 MLX 則是專門為促進 Apple 芯片上的 AI 模型開發(fā)而設(shè)計的開發(fā)框架,。

分析蘋果MLX背后的動機

MLX的推出表明蘋果正在進軍不斷擴大的生成式人工智能領(lǐng)域,，該領(lǐng)域目前由微軟和谷歌等科技巨頭主導(dǎo)。盡管蘋果已將 Siri 等人工智能技術(shù)集成到其產(chǎn)品中,，但該公司傳統(tǒng)上一直避免進入生成式人工智能領(lǐng)域,。然而，Apple 的 AI 開發(fā)工作在 2023 年 9 月顯著增加,，特別強調(diào)評估更廣泛應(yīng)用的基礎(chǔ)模型以及 MLX 的引入,，這表明蘋果可能會轉(zhuǎn)向探索生成式 AI。分析師表示,，蘋果可以使用 MLX 框架為其服務(wù)和設(shè)備帶來創(chuàng)造性的生成式人工智能功能,。然而，根據(jù)蘋果對隱私的堅定承諾,，在做出任何重大進展之前,，預(yù)計會仔細評估道德考慮因素。目前,，蘋果尚未就其有關(guān) MLX,、MLX 數(shù)據(jù)和生成人工智能的具體意圖分享更多細節(jié)或評論。

MLX 對 Apple 的重要性

在 Apple 的世界之外,，MLX 的統(tǒng)一內(nèi)存模型提供了實用優(yōu)勢,，使其與 PyTorch 和 Jax 等框架區(qū)分開來,。此功能允許陣列共享內(nèi)存，從而使不同設(shè)備上的操作更加簡單,，而不會出現(xiàn)不必要的數(shù)據(jù)重復(fù),。隨著人工智能越來越依賴高效的 GPU，這一點變得尤為重要,。MLX 允許 GPU 與計算機的 RAM 共享 VRAM,，而不是涉及功能強大的 PC 和具有大量 VRAM 的專用 GPU 的常見設(shè)置。這種微妙的變化有可能悄悄地重新定義人工智能硬件需求,，使它們更容易訪問和更高效,。它還影響邊緣設(shè)備上的人工智能，提出比我們習慣的方法更具適應(yīng)性和資源意識的方法,。

底線

Apple 通過 MLX 框架進軍生成式 AI 領(lǐng)域,，標志著人工智能領(lǐng)域的重大轉(zhuǎn)變。通過采用開源實踐,，蘋果不僅使先進的人工智能民主化,，而且還將自己定位為由微軟和谷歌等科技巨頭主導(dǎo)的領(lǐng)域的競爭者。MLX 的用戶友好型設(shè)計,、動態(tài)圖形構(gòu)建和統(tǒng)一內(nèi)存模型提供了超越 Apple 生態(tài)系統(tǒng)的實際優(yōu)勢,，尤其是在人工智能越來越依賴高效 GPU的情況下。該框架對硬件要求的潛在影響及其對邊緣設(shè)備上人工智能的適應(yīng)性預(yù)示著變革的未來,。隨著 Apple 探索這一新領(lǐng)域,，對隱私和道德考慮的重視仍然至關(guān)重要，從而塑造了 MLX 在更廣泛的人工智能生態(tài)系統(tǒng)中的角色軌跡,。