蘋果正在Google的張量處理器（TPU）上擴大其基礎模型——即位於現代AI技術堆疊底層的通用AI系統——的預訓練規模，將其AI策略中部分最耗費運算資源的工作，交由其最大競爭對手之一所設計的晶片來執行。

蘋果實際上在做什麼

預訓練是建構大型語言模型的重負荷階段。此階段消耗大量運算資源，因此硬體的選擇是一項策略性決策，而非單純的採購細節。

蘋果選擇的硬體是Google的TPU——這是Google專為機器學習工作負載打造的客製化晶片，而非改作AI用途的通用圖形處理器。

蘋果首個AFM伺服器模型以8,192顆TPU v4晶片組成的叢集訓練。裝置端模型——即設計為在蘋果硬體上本地運行的較小版本——則建構於2,048顆TPU v5p晶片之上，屬於Google TPU產品線中較新的世代。

效能提升相當顯著。此舉為蘋果帶來超過兩倍的每秒浮點運算次數（FLOPS），以及三倍的高頻寬記憶體——使晶片在每秒執行更多運算的同時，能將更多資料就近保存。結果是大型語言模型的訓練時間最多縮短2.8倍。

蘋果如何走到這一步

故事始於2024年7月，當時蘋果透露其以Google Cloud TPU而非業界大多數使用的NVIDIA GPU，訓練了初代Apple Foundation Models（簡稱AFM）。

供應可得性是部分原因。此一轉變發生在NVIDIA H100供應問題之際，加上研究所描述的Google TPU在效能與成本效益上更符合蘋果需求。

2026年1月，蘋果與Google達成多年期協議以取得Gemini技術的使用權，據報該協議價值每年10億美元。隨後在2026年6月，蘋果發布第三代AFM模型，此一版本代表與Google合作進行的客製化開發工作。

不過，並非所有東西都運行在TPU上。第三代模型之一的AFM 3 Cloud Pro，是在Google Cloud內的NVIDIA Blackwell GPU上運行。

蘋果在整個過程中也一直保持一貫立場：公司堅稱未使用任何私人用戶資料來訓練其基礎模型，並表示尊重出版商的退出（opt-out）偏好。

這代表什麼

最直接的結論是，Google已成為蘋果AI努力的重要支柱。無論是基於TPU的訓練、Google Cloud基礎設施，還是Gemini授權協議，蘋果的AI路線圖如今在多個環節上都經由Mountain View。

AFM 3 Cloud Pro在Blackwell GPU上運行也顯示，蘋果仍持續投入NVIDIA生態系統——只是透過Google Cloud，而非作為其訓練任務的直接主要客戶。

接下來值得關注的細節相當具體：多年期Gemini協議如何反映在蘋果的產品發布中，以及每一代後續AFM所公布運行的晶片——是Google還是NVIDIA的——此一節奏至今涵蓋2024年7月的TPU揭露與2026年6月的第三代發布。