標籤：on-device-ai

M4 ANE 逆向工程：Apple Neural Engine 從推理黑盒走向可訓練實驗場

一則 Threads 與 JC Tech Space 文章指出，開發者嘗試繞過 CoreML/Metal，直接調用 Apple M4 的 ANE 執行反向傳播與 Transformer 訓練。重點不是「取代 NVIDIA」，而是 Apple Silicon 上的本地 AI 訓練與專用加速器可程式化邊界開始被重新探索。

Apple AFM 3 架構重點：200 億參數地端模型、Google/NVIDIA PCC，和容易被誤讀的地方

Threads 貼文整理 Apple 第三代 Foundation Models：AFM 3 Core Advanced 是 200 億參數、每次啟用 10–40 億參數的地端模型；AFM 3 Cloud Pro 透過 Google Cloud 的 NVIDIA GPU 擴展 Private Cloud Compute。但官方細節也顯示，並不是所有雲端模型都跑 NVIDIA，AFM 3 Cloud 與 ADM 3 Cloud 仍為 Apple silicon，訓練則提到 cloud TPU。

TaiLexi AI 推出完全地端去識別化，真正解的不是功能問題，而是法律工作採用 AI 的信任門檻