在人工智能技术加速向终端设备迁移的浪潮中，一家名为PrismML的初创企业凭借突破性技术引发行业关注。这家由加州理工学院科研团队孵化的公司，成功将阿里巴巴开源的270亿参数大语言模型通义千问3.6（Qwen 3.6）压缩至4GB以内，实现iPhone 17 Pro本地完整运行。该成果标志着移动端AI模型首次突破参数规模限制，为端侧智能发展开辟新路径。
与传统模型压缩技术导致性能衰减不同，PrismML研发的数学算法在保持模型精度的前提下，将原始54GB的模型体积缩减至不足原体积的十分之一。公司首席执行官巴巴克・哈西比透露，该技术可同时激活全部270亿参数，远超行业普遍采用的稀疏架构模型——这类模型单次仅能激活数十亿参数。目前市面上主流手机端AI模型处理能力多集中在简单对话和基础任务，而PrismML的方案已具备复杂逻辑推理、代码开发等高阶能力。
这项技术突破恰逢行业转型关键期。微软、亚马逊等科技巨头正投入巨资扩建数据中心，而苹果却选择逆向布局端侧AI。在6月全球开发者大会上，苹果宣布将部分AI功能转向本地运行，但其自研的200亿参数稀疏模型因激活参数有限，仍需依赖云端算力处理高阶任务。PrismML的技术方案恰好填补了这一空白，其本地模型可完整运行所有参数的特性，为苹果优化Siri等核心应用提供了新可能。
资本市场的反应印证了技术价值。OpenAI早期投资方Khosla Ventures今年初领投PrismML 1625万美元种子轮融资，创始人维诺德・Khosla直言这是继Transformer架构后的"根本性突破"。该机构投资逻辑显示，行业正从单一依赖云端算力转向端云协同模式，预计三年后95%的智能运算将在终端设备完成。
技术细节方面，PrismML的压缩算法突破了传统量化、剪枝等方法的局限。联合创始人团队在加州理工学院实验室历时三年研发的这套数学框架，通过重构参数关联性实现体积缩减，同时保持模型推理能力。这项已获专利授权的技术，使移动设备运行超大规模模型成为现实，为自动驾驶、智能医疗等对延迟敏感的场景提供新解决方案。
行业观察人士指出，端侧AI发展面临模型更新与硬件适配的双重挑战。初创企业Argmax等采用的端云混合方案，通过本地预处理降低数据传输量，但仍需依赖云端模型迭代。PrismML则选择另一条技术路线，其压缩算法可快速适配新模型版本，计划年内推出万亿参数级压缩方案，直接对标GPT、Claude等旗舰模型。
苹果的动向值得关注。据知情人士透露，苹果正与PrismML洽谈技术合作，同时加速收购端侧AI领域优质标的。这家科技巨头在开发者大会上展示的本地运行AI功能，已显现出对端侧技术的战略重视。随着PrismML模型下周二开放下载，移动端AI竞争格局或将迎来新一轮洗牌。
