12月11日消息，据三位知情人士透露，苹果正在研发首款专门用于人工智能的服务器芯片，以应对其新兴人工智能功能所带来的庞大计算需求。

一位知情人士表示，苹果正研发内部代号为Baltra的人工智能芯片。若研发成功，Baltra预计将于2026年投入量产。目前，苹果正与博通合作开发对人工智能处理至关重要的芯片网络技术。 Baltra为东太平洋海域的一个岛屿，二战期间曾被美国用作军事基地。

苹果决定自主研发服务器芯片供内部使用，也进一步凸显了其在人工智能芯片市场上长期不愿依赖领头羊英伟达的态度。

苹果已开始逐步推出其首批生成式人工智能功能——苹果智能（Apple Intelligence），向部分国家的新iPhone和Mac用户开放。这些功能涵盖文本生成与校对、图像创作、通知与网页内容摘要等。

尽管iPhone自带的处理器能够处理部分人工智能任务，但更复杂的请求则需交由苹果云端的服务器处理，这些服务器运行的是最初为Mac设计的高性能芯片。然而，苹果当前的芯片并非专为人工智能而打造，在速度与能效方面均不及为此量身定制的芯片。

这无疑给苹果带来了挑战，因为该公司计划在未来几年内推出更多生成式人工智能功能，并最终将人工智能服务的规模扩大至支持数十亿台设备。

与其他科技公司不同，苹果坚持使用自己的定制芯片，而非英伟达等供应商的产品，旨在以更私密、更安全的方式处理人工智能数据。苹果曾一度依赖英伟达为其Mac电脑提供高性能图形芯片，但在一系列商业纷争后，苹果大约在十年前逐渐弃用英伟达产品，转而使用自研芯片。

上周，苹果宣布正在测试一款由亚马逊设计的芯片，用于训练其大语言模型。苹果可能会采用其正在研发的专注于推理的新型人工智能芯片，该芯片负责处理新数据，并将其应用于模型以生成输出。

依靠博通开发芯片的网络技术

诸如谷歌、Meta、微软及亚马逊等科技巨头，也在研发专供内部使用的人工智能芯片。这些公司的目标在于缩减数据中心的建设与运营成本，并降低对英伟达的依赖度。鉴于英伟达芯片的高昂成本、高能耗以及供应紧张的现状，其作为行业领头羊的产品已成为制约人工智能发展的关键因素。

然而，设计一款人工智能芯片并非万全之策。除谷歌外，众多公司仍高度依赖英伟达的芯片来完成模型的训练工作，因为该过程对计算能力的需求更为严苛。

这些公司起初均倾向于与成熟的芯片制造商合作，借助其专业知识与设计服务，毕竟从零开始研发芯片不仅成本高昂，而且耗时漫长。例如，谷歌亦与博通建立了合作关系。

与谷歌相似，苹果亦依赖于博通的技术来实现芯片的联网或互联，以确保它们能够协同作业，更迅速地处理数据。这一技术始终是人工智能发展的核心驱动力之一，使得计算、训练及运行大型语言模型所需的海量数据得以成为可能。而网络技术正是博通的核心优势所在。

博通通常不会对外授权其知识产权，而是倾向于直接向客户销售芯片产品。在与谷歌的合作中，博通负责将谷歌的人工智能芯片蓝图转化为可制造的设计，并监督台积电的生产流程，最终将成品芯片以加价的方式出售给谷歌。

然而，博通似乎对苹果采取了更为独特的策略。据悉，博通正在为苹果提供范围相对有限的设计服务，同时继续向其提供其网络技术。不过，苹果仍负责芯片的生产管理工作，而台积电则承担具体的生产任务。

12个月完成初步设计，另需一年改进并测试

据两位知情人士透露，苹果在以色列的设计团队正领导这款人工智能芯片的研发。该团队在苹果2020年推出的处理器设计项目中发挥了重要作用，该处理器成功取代了Mac电脑中的英特尔芯片。

今年夏季，苹果决定取消为Mac开发一款由四个小芯片组合而成的高性能芯片计划，以便抽调以色列的工程师投入到人工智能芯片的研发中。这一决策凸显了苹果当前的工作重心转变。

为了制造这款芯片，苹果计划采用台积电最先进的制造工艺之一——N3P。预计OpenAI和英伟达即将推出的其他人工智能芯片也将采用这一先进工艺以提升性能。

据悉，苹果计划在其人工智能芯片上采用AMD十多年前开创的芯片设计理念。苹果将把芯片及其功能拆分成更小的芯粒，然后再将它们组合起来，而不是制造包含不同功能的完整芯片。这种设计降低了芯片制造的复杂性，并减少了潜在缺陷的发生。

半导体研究公司SemiAnalysis的首席分析师迪伦·帕特尔（Dylan Patel）指出，博通可能只负责设计用于网络的芯粒。他说：“通过采用芯粒技术，苹果可以将博通的参与范围限制在芯片的一小部分内，从而保护其整体设计的机密性。”

与此同时，这款人工智能芯片可能集成了苹果神经引擎（ANE），该引擎能够加速人工智能任务的执行。苹果最初在几年前设计了ANE，并将其应用于已停产的自动驾驶汽车的推理芯片中。但随着机器学习功能在摄影和语音识别等领域的不断发展，该设计后来被移植到了iPhone上。

三位知情人士均表示，苹果计划在12个月内完成Baltra的初步设计，考虑到其规模和复杂性，这无疑是一个紧迫的时间表。而在进入大规模生产阶段之前，可能还需要一年的时间来完善芯片设计的修改和测试工作。（腾讯科技特约编译金鹿）