2025年了，苹果AI还在等你吗？

去年WWDC上苹果画的AI大饼，现在看来还没吃完。国行iPhone用户苦等多年，没想到海外用户也还没尝到甜头。就在大家以为苹果今年又要“稳中摆烂”的时候，突然发现苹果悄悄开源了一款小模型：FastVLM。

这个模型没有发布会也没有官网宣传，但当技术部老哥在顶配iPhone 16 Pro Max上跑起来后，我差点以为苹果AI又找回了状态。

这款模型很“苹果”，它的特点在于启动速度快、图像识别能力不错，全程本地执行没有云端操作。虽然看起来不惊艳，但用起来确实有点意思。

作为一组可以在iPhone、iPad、Mac等设备上本地运行的视觉语言模型，FastVLM包括三种参数量级：FastVLM-0.5B、1.5B和7B。普通用户也能将其部署到iPhone上，只是需要一定的技术门槛。

苹果研究团队在GitHub提供了完整的安装教程，有技术基础的用户可以参考：https://www.valimart.net/

我用iPhone跑这款“苹果味”的模型，结果发现7B的大模型虽然聪明，但真不太听使唤，动不动就发热、闪退。于是我们只能退而求其次，把体验重心放在了更轻量的0.5B和1.5B上。

但说实话，即便是这两个“小号”模型，实际体验依然带来了不少惊喜。

比如昨天下班路上，我随手用手机对准了地铁站的售票机，FastVLM-1.5B几乎瞬间就完成了场景解析，并对图片进行文字描述，真·所见即所得，丝毫不卡顿。

屏幕显示的TTFT（首次响应时间）只有0.3秒，这在日常使用中几乎感觉不到延迟。无论是识别商品价格还是查找路线信息，都能快速完成。

在技术细节上，FastVLM的底层架构采用了苹果自研的MLX框架。这个框架专为苹果芯片打造，填补了之前缺乏统一AI编程生态的空白。相比其他厂商的解决方案，MLX在内存管理和模型编译方面表现出色。

更值得关注的是，FastVLM的响应速度和轻量化设计，正好契合了智能眼镜这类设备的需求。体积小适合端侧部署，响应快符合场景感知，无需联网数据不出本地，天然安全。

苹果在去年WWDC上提到的AI战略，现在看来正在逐步落地。从iPhone到iPad，再到尚未亮相的新一代智能硬件，AI正在被深深嵌入到系统底层。

这种思路与苹果一贯的产品策略相吻合——从硬件定义软件，再用系统定义体验。今年，这一趋势仍在持续推进，并显现出“端侧优先”更强的导向。

在苹果公司即将成立20周年的节点，外界开始关注是否会有新的硬件形态破壳而出，比如传闻已久的可折叠iPhone、更轻薄的Vision Pro，以及上文所说的智能眼镜。

尽管这些设备大概率不会在WWDC上以“新品发布”的形式亮相，但苹果一贯的风格，便是在系统与开发者生态中埋下伏笔。

这些看不见的地方，才是WWDC真正值得关注的信号。

从底层架构上来看，FastVLM具备开放性、模块化，这意味着能够被系统原生组件、第三方App，乃至未来的智能眼镜系统一键调取使用。

事实上，这类“视觉理解+语言推理”的功能，并不是什么新鲜事。

最近OPPO就与阶跃星辰合作推出了“一键问屏”功能。用户只需拍一张图，小布助手便能自动识别图像中的关键信息，完成智能视觉搜索、问答和推理任务。

在模型层面，字节最近发布的轻量级多模态推理模型Seed1.5-VL，就凭借仅532M的视觉编码器和200亿语言参数，在多个基准测试中的测试成绩与许多顶级模型不相上下，而且支持带图深度问答。

从功能体验来看，FastVLM与上述产品相比似乎并无明显差异。但其真正的底层支点，其实来自苹果在2023年推出的一项关键基础设施：AI框架MLX。

MLX是苹果首次系统性地开源一整套深度学习框架，专为苹果芯片打造。尽管M系列芯片早已建立起硬件性能优势，但此前一直缺乏自家统一的AI编程生态，而MLX补上了关键一环。

MLX在形式上类似“PyTorch”，补齐了软件层的原生AI生态；能够鼓励开发者直接在MacBook上训练与部署模型，在内存管理、模型编译与运行效率方面表现出色。

基于这样的逻辑，我们甚至可以重新理解苹果生态中各类设备的角色：

iPhone是一个通用智能终端、Watch是一个健康监测中心、Vision Pro是一个空间计算平台，那么未来的苹果智能眼镜也将更往原生运行AI模型的智能终端靠近。

不是提供一个超级App，不是拼API市场份额，苹果选择为未来五到十年的硬件形态铺路。

FastVLM的参数可以更新，性能可以迭代，但苹果要表达的，不是模型本身的竞争力，而是模型将如何成为系统的一部分、设备的一部分，甚至成为你生活的一部分。

而这，正是下个月WWDC 2025大会最值得关注的动向。

本文来自微信公众号：APPSO，作者：李四