苹果公司(Apple)周一公布了iPhone 16系列产品，最大的卖点是苹果智能(Apple Intelligence)。苹果的设备上人工智能系统提供了一些引人注目的功能，比如重写电子邮件、生成自定义表情符号，以及显著升级的Siri。但在这一切背后，人工智能给iPhone带来了另一个重大变化:更多的内存。
尽管苹果从未谈论过其智能手机的内存，但MacRumors发现，现在每款iPhone 16都有8GB的内存，高于去年基本款的6GB。并不是只有苹果在做这样的改变。上个月，谷歌对主打人工智能的Pixel 9进行了类似的调整;标准版和专业版的内存都有所增加，今年你至少可以得到12GB的内存。
这些内存增长背后的推动力似乎是人工智能。人工智能是今年的新必备功能，而且它也非常需要内存。智能手机制造商现在正在提高内存，因为他们需要这样做——不管他们是否大声说出来。
人工智能模型需要在用户调用时快速响应，而实现这一目标的最佳方法是将它们永久加载在内存中。RAM的响应速度远远快于设备的长期存储;如果你必须等待AI模型加载，然后才能快速获取电子邮件摘要，那就太烦人了。但人工智能模型也相当大。即使是像微软(Microsoft)的Phi-3 Mini这样的“小”手机，也会占用1.8GB的空间，这意味着占用了之前使用它的其他智能手机功能的内存。
你可以在Pixel手机上直接看到这一点。去年，由于“硬件限制”，谷歌没有在标准型号Pixel 8上启用本地人工智能功能。剧透:是RAM。Android副总裁兼总经理Seang Chau在3月份表示，Pixel 8 Pro可以更好地处理该公司的小型人工智能机型Gemini Nano，因为这款手机的内存比Pixel 8多4GB，为12GB。该模型需要始终保持在内存中加载，这意味着Pixel 8在默认情况下支持该功能会丢失太多内存。
Chau说:“这不是一个简单的电话，我们要在Pixel 8上也启用它。”谷歌最终允许Gemini Nano在Pixel 8上运行，但只针对那些愿意以开发者模式运行手机的人——Chau说这些人“了解对用户体验的潜在影响”。
这些权衡就是谷歌决定在Pixel 9上全面提升内存的原因。谷歌集团产品经理斯蒂芬妮·斯科特在与the Verge的电子邮件交流中表示:“我们不希望手机的其他体验因为适应大型号而放慢速度，从而增加总内存，而不是压缩现有预算。”
那么，所有这些额外的RAM都将用于AI，还是用户将看到全面的性能提升?这在很大程度上取决于实现以及这些模型有多大。谷歌增加了4GB来支持本地人工智能功能，并表示你将看到两者的改进。“就我们最新的Pixel手机而言，”斯科特写道，“你可以期待更好的性能和更好的人工智能体验，因为它们增加了内存。”她补充说，Pixel 9手机“将能够跟上未来人工智能的发展。”但如果这些进步意味着更大的型号，那很可能意味着它们将消耗更多的内存。
同样的内存提升趋势也出现在笔记本电脑领域。微软今年早些时候规定，只有内存至少为16GB的机器才能被视为Copilot Plus PC——也就是说，能够运行本地Windows AI功能的笔记本电脑。有传言称，苹果公司也计划在其下一代笔记本电脑中增加更多的内存，此前几年，苹果笔记本电脑的默认内存为8GB。
额外的内存是需要的，尤其是如果笔记本电脑制造商想让更大的型号在本地加载的话。“我认为大多数操作系统都会让LLM始终处于加载状态，”hug Face的首席技术官朱利安·肖蒙德(Julien Chaumond)在一封电子邮件中告诉我，“所以6-8GB内存是最佳选择，它可以在操作系统已经在做的其他事情的同时解锁LLM。”Chaumond补充说，然后模型可以加载或卸载“一个小模型，以改变一些属性”，例如图像生成的样式或LLM的特定领域知识。(苹果对其做法的描述与此类似。)
苹果没有明确表示运行Apple Intelligence需要多少内存。但从2020年的M1 MacBook Air开始，每台运行它的苹果设备都至少有8GB的内存。值得注意的是，去年配备8GB内存的iPhone 15 Pro可以运行Apple Intelligence，而配备6GB内存的标准iPhone 15则不能。
苹果AI主管John Giannandrea在6月份接受Daring Fireball的John Gruber采访时表示，“设备带宽”和神经引擎的大小等限制会使AI功能太慢，无法在iPhone 15上使用。苹果软件工程副总裁克雷格·费德里吉在同一场发布会中表示:“RAM只是其中的一部分。”
iPhone 16的2GB内存增加并不是很多，但苹果长期以来在扩大其设备的基准内存方面进展缓慢。这里的任何增加都像是可用性的胜利，即使公司刚开始规模很小。
我们仍然不知道苹果智能会有多有用，或者内存的轻微提升是否足以让今天的iphone运行明天的人工智能功能。但有一件事似乎是肯定的:随着人工智能在整个行业的扩散，我们将看到更多这类硬件障碍。
