Apple rozszerza pretrening swoich modeli bazowych — ogólnego przeznaczenia systemów AI stanowiących podstawę nowoczesnych stosów AI — na układach Tensor Processing Units (TPU) firmy Google, umieszczając część najbardziej obliczeniowo intensywnych prac w ramach strategii AI na chipach zaprojektowanych przez jednego z największych rywali.

Co Apple faktycznie robi

Pretrening to najbardziej wymagająca faza budowy dużego modelu językowego. Zużywa ona ogromne ilości mocy obliczeniowej, co sprawia, że wybór sprzętu jest decyzją strategiczną, a nie szczegółem procedur zakupowych.

Sprzętem wybranym przez Apple są układy TPU Google — niestandardowe chipy zbudowane przez firmę Google specjalnie do zadań uczenia maszynowego, a nie ogólnego przeznaczenia procesory graficzne przystosowane do AI.

Pierwszy model serwerowy AFM firmy Apple wytrenowano na klastrze 8192 układów TPU v4. Model on-device, mniejsza wersja zaprojektowana do pracy lokalnie na sprzęcie Apple, powstał na fragmencie 2048 chipów TPU v5p — nowszej generacji w ofercie układów TPU Google.

Zyski wydajności były istotne. Ten ruch dał Apple ponad dwukrotność operacji zmiennoprzecinkowych na sekundę (FLOPS) oraz trzykrotność pamięci high bandwidth — dzięki czemu chipy mogły wykonywać znacznie więcej obliczeń na sekundę, przy jednoczesnym przechowywaniu znacznie większej ilości danych pod ręką. Efektem było skrócenie czasu treningu dużych modeli językowych nawet 2,8 raza.

Jak Apple tu trafiło

Historia zaczyna się w lipcu 2024 r., kiedy Apple ujawniło, że wytrenowało swoje początkowe Apple Foundation Models, znane jako AFM, na układach Google Cloud TPU zamiast na układach NVIDIA GPU, których używała większość branży.

Częścią uzasadnienia była dostępność. Zmiana nastąpiła w obliczu problemów z podażą NVIDIA H100, w połączeniu z opisaną w badaniu wyższą wydajnością i opłacalnością układów TPU Google dla potrzeb Apple.

W styczniu 2026 r. Apple zawarło z Google wieloletnią umowę na dostęp do technologii Gemini, wycenianą — jak donoszą źródła — na 1 mld dolarów rocznie. Następnie, w czerwcu 2026 r., Apple zapowiedziało modele AFM trzeciej generacji; ta premiera oznaczała niestandardowe prace rozwojowe prowadzone wspólnie z Google.

Nie wszystko działa jednak na układach TPU. Jeden z modeli trzeciej generacji, AFM 3 Cloud Pro, działa na układach NVIDIA Blackwell wewnątrz Google Cloud.

Apple było też przez cały czas konsekwentne w jednej kwestii: firma utrzymuje, że do treningu jej modeli bazowych nie wykorzystano żadnych prywatnych danych użytkowników, i deklaruje poszanowanie preferencji rezygnacji wydawców.

Co to oznacza

Najbardziej bezpośredni wniosek jest taki, że Google stał się nośnym filarem wysiłków AI Apple. Między treningiem opartym na TPU, infrastrukturą Google Cloud a umową licencyjną na Gemini, mapa drogowa AI Apple przebiega obecnie przez Mountain View w kilku miejscach jednocześnie.

AFM 3 Cloud Pro działający na układach Blackwell pokazuje również, że Apple pozostaje zainwestowane w ekosystem NVIDIA — tyle że poprzez Google Cloud, a nie jako bezpośredni kluczowy klient dla swoich treningów.

Stąd szczegóły warte obserwacji są konkretne: jak wieloletnia umowa na Gemini przekłada się na kolejne premiery Apple oraz na jakich chipach — Google czy NVIDIA — kolejne generacje AFM są ujawniane jako działające, w cyklu, który obejmuje jak dotąd ujawnienie TPU w lipcu 2024 r. i premierę trzeciej generacji w czerwcu 2026 r.