Tag
iPhone 17 Proで270億パラメータのAI「Qwen3.6-27B」が動作、AppleはPrismMLと圧縮技術の活用を協議か
AI開発企業のPrismMLは、270億パラメータを持つ大規模言語モデル「Qwen3.6-27B」を圧縮し、iPhone 17 Pro単体で動作させることに成功したと主張。Appleはこの技術についてPrismMLと協議していると報じられている。
Apple、WWDC 2026でオンデバイスAIを前面化か——Gemini蒸留版を搭載へ
AppleがWWDC 2026で、クラウド依存からの脱却を目指し、オンデバイスAI戦略を前面に打ち出す方針であることが報じられています。Google Geminiの蒸留版をApple Silicon上で実行し、クラウド処理にはNvidiaの機密コンピューティングを活用する可能性が示唆されています。
オンデバイスAI向けUFS 5.0対応メモリ、キオクシア：1T／512Gバイトを用意
キオクシアは、オンデバイスAIに対応したモバイル機器やエッジデバイス向けに、UFS 5.0対応組み込み式フラッシュメモリの1Tバイトおよび512Gバイト品のサンプル出荷を開始した。同製品は、最新のUFS 5.0規格に対応し、前世代品より小型化されたBGAパッケージを採用、電力効率と熱制御機構も向上させている。これにより、スマートフォン、AR/VRデバイス、産業用エッジ機器など、オンデバイスAIを備えた多様なデバイスでの高性能化と省電力化に貢献する。シーケンシャルリード性能は最大10Gバイト/秒、1Tバイト品のシーケンシャルライト性能は最大9.0Gバイト/秒を達成している。
MacPaw、Liquid AIと提携し、数百万人のMacユーザーにオンデバイスAIを提供
MacPawとLiquid AIは、Mac上でローカルAIのテクノロジースタックを共同開発する戦略的パートナーシップを発表しました。この提携は、ユーザーが日常的に利用するインテリジェンスが個人のコンピュータ上で実行できるべきだという共通のビジョンから生まれました。Liquid AIのLiquid Foundation Models（LFMs）とMacPaw独自のオンデバイス推論・メモリ技術であるElixおよびMnemosを組み合わせることで、MacPawのAIアシスタントEneyは、プライベートで高速、かつオフラインでも動作するAIアシスタントとして進化します。この技術は将来的にはSetappを通じて他のMac開発者にも提供される予定です。
日本HPが自社ノートPCに「Rakuten AI」を採用、オンデバイスとクラウドのハイブリッド - AI Watch
日本HPは、楽天が開発したAIツール「Rakuten AI for Desktop」を自社ノートPCにプリインストールして提供開始しました。このツールは、インターネット接続なしでPC上でAI処理を実行する「オンデバイスAI」と、クラウドAIを切り替えて利用できるハイブリッド型です。楽天独自の日本語LLM「Rakuten AI 7B」の特別版がオンデバイスで動作し、要約や翻訳、文章リライトなどの生成AI機能をオフライン環境で低遅延かつプライバシーに配慮して利用できます。クラウドモードでは、楽天エコシステムとの連携も可能です。
オンデバイスAI vs. クラウドAI：プライバシーとパフォーマンスに与える違い
オンデバイスAIは、スマートフォンのプロセッサ上で直接AIモデルを実行する技術であり、プライバシー保護、低遅延、オフラインでの利用可能性といった利点を持つ。NPU（Neural Processing Unit）といった専用ハードウェアの搭載が進むことで、画像処理、音声認識、テキスト生成などが可能になる。しかし、モデルサイズや計算能力には限界があり、クラウドAIに比べて機能は限定的になる。一方、クラウドAIはサーバー側で高度なモデルを実行するため、より強力な処理能力を提供するが、プライバシーや通信環境への依存といった課題がある。2026年現在、両者の技術的特徴を理解することが、AI製品の評価において重要となっている。
国産オンデバイスAI半導体、商用化の壁 SDK・コンパイラ整備に遅れ
国産オンデバイスAI半導体は、ハードウェア性能で世界水準に近づいているものの、SDKやコンパイラといった開発環境の未整備が商用化の大きな障壁となっている。多くの国内企業が開発したNPUは演算性能や電力効率で優位性を示すが、ソフトウェア開発環境の遅れからPoC（概念実証）段階での採用に至らないケースが多発している。セットメーカーは、開発コストの観点からNVIDIAのCUDAを基盤とする海外製チップを選択する傾向にあり、国産チップは候補から外れがちだ。この問題は、限られた予算と人員がチップ設計に集中し、ソフトウェア開発が後回しにされた結果である。特に、AIモデルをNPU向けの機械語に変換するコンパイル工程や、精度低下が問題となる量子化、デバッグツールの不足が採用を妨げている。
Pixel 9/10のAI処理が50％高速化、130MBのメモリー節約と電池持ちを改善するグーグル「Gemini Nano v3」新技術とは
Googleは、オンデバイスAI「Gemini Nano v3」モデルの推論性能を劇的に高速化するマルチトークン予測（MTP）アーキテクチャを開発した。この新技術は、「Pixel 9」および「Pixel 10」向けに展開されており、特に「Pixel 9」シリーズでは50%以上の速度向上が確認されている。従来の生成プロセスや個別モデルによるボトルネックを解消し、バッテリー消費を抑えながら、通知要約や文章校正などのAI処理を高速化する。モバイルデバイスの限られたRAM消費を抑えるため、メインモデルの最終層にTransformerヘッドを追加し、追加したMTPヘッドのパラメーターのみを学習させる手法を採用している。
[12777] Google、Pixel 10向けの新オンデバイスAI機能をデモ
Googleは、Pixel 10シリーズ向けに、オンデバイスAI（エッジAIとも呼ばれる）の次世代機能を発表しました。これにより、AI処理がクラウドからスマートフォンに移され、プライバシー、応答速度、信頼性、効率が向上し、オフラインでもAIが利用可能になります。PixelのNPU（Neural Processing Unit）がプロンプトを処理し、応答を生成することで、個人データはデバイスから流出せず、第三者サーバーでのデータ盗難や利用のリスクが低減されます。Googleは、Gemma 4 E2Bのような軽量モデルをPixelのTPU（Tensor Processing Unit）に最適化し、開発者向けにローカルで実行できるアプリ構築ツールも提供しています。