WWDC26カウントダウン ２：査読済み論文から推すApple AIの深謀遠慮
その２・GoogleとAppleは、そもそも何を作ろうとしているのか
「なんでも知っている天才」vs「余計なことを聞かない賢人」
出発点が違う、という話
前回、こんな問いを立てました。
「ベンチマークで強いAIと、生活に寄り添うAIは、別の問いではないか」
今回はその続きです。GoogleとAppleは、モバイルAIという同じ土俵でも戦っているように見えて、実はそもそも「モバイルAIで何を実現したいか」が根本から違います。この問いを考えるにあたり、二本のApple公式テックレポートを読み込みました。
Apple Intelligence Foundation Language Models Tech Report 2025
Updates to Apple's On-Device and Server Foundation Language Models
いずれもマーケティング資料ではなく、Appleの研究者が書いた技術文書です。そこから読み取れる「Appleが目指しているもの」を、Googleのアプローチと並べて整理します。
レポートを読み解く
まず、今回紹介したそれぞれのレポートから次のように読み解きました。
Apple Intelligence Foundation Language Models Tech Report 2025
この論文を読んで、目を引いたのは次の一文です。
「このモデルは、一般的な世界知識のためのチャットボットとして設計されていない。」
（筆者がGrokでイメージを作成）
オンデバイス（〜3B）とサーバー（PT-MoE）の二本立て構成と、
Swift Foundation Models Frameworkを通じて
LoRAアダプターが開発者に公開されている点に注目
GeminiやGPTが「何でも答えるAI」を目指しているのとは対照的に、Appleは当初からAIモデルの能力を絞っています。要約、抽出、テキスト理解、アプリ内での行動——あなたの生活の文脈の中で機能することが目的であり、世界のすべてを知ることが目的ではない。
もう一点。このモデルは2ビット/重みという極限まで圧縮されています。通常のモデルの約16分の1のサイズです。これはiPhoneで動かすための技術的必然であり、「ステートレスに処理する」という設計思想の直接の帰結です。クラウドに送らないためには、デバイスの中で動かなければならない。動かすためには、極限まで小さくしなければならない。制約が、技術を生んでいます。
さらにAppleプラットフォーム開発者として注目したいのは、LoRAアダプターがSwiftから数行のコードで呼び出せる形で公開されていることです。「LoRAは研究者の話」ではなく、「SwiftUIアプリに今すぐ組み込める機能」になっています。この含意は第三回で詳しく触れます。
Updates to Apple's On-Device and Server Foundation Language Models
この記事で最も重要な一文はここです。
「私たちはユーザーのプライベートな個人データや操作履歴を、基盤モデルの訓練に使用しません。」
（筆者がGrokでイメージを作成）
マルチモーダル入力への対応拡張と、Enhanced Swift Integrationによる
開発者向け機能強化が2025年アップデートの核心
GoogleはユーザーのすべてのGoogle検索・Gmail・Googleフォトへのアクセスが、モデルをより賢くするデータになります。
Appleはその逆を選びました。
あなたのデータはあなたのデバイスの中にあり、Appleのモデルはそれを見ることができない。それでも的確に応えられる設計を選びました。
また、サーバーモデルにもAppleらしい設計が貫かれています。Private Cloud Compute専用に開発された新しいアーキテクチャ（PT-MoE）は、汎用クラウドサーバーではなく、「処理だけ、記憶しない。」というStateless computationに最適化されたApple独自の設計です。クラウドを使う場合でも、哲学は変わりません。
この二つのレポートを含め、Appleの研究からは次のように理解しました。ステートとコンピュートは分離できる。
つまり、あなたに道案内するのに、目的地と時間がわかれば十分。それ以上のこと、必要がなければ、あなたが誰なのか聞かない。
それぞれ出発点が違う
Googleが目指しているもの——知能の拡張
Googleのミッションは「世界中の情報を整理し、あまねくアクセス可能にする」です。検索エンジンはその具現化でした。
AIもその延長線上にあります。より多くを知り、より速く処理し、最終的には人知を超える——超知能の達成が地平線にある。Geminiという命名自体、双子座＝二つの知性の統合という壮大な含意を持ちます。
この目標から技術選択が逆算されます。モデルは大きいほど良い。データは多いほど良い。クラウドに集約すれば、すべてのユーザーの行動がモデルを賢くするデータになる。ベンチマーク競争はこの哲学の自然な帰結です。
Googleにとって、AIはより賢くなり続けるものです。
Appleが目指しているもの——記憶しないことで守る
あなたの生活をサポートするために、あなたより賢く、あなたのことをあなた以上に覚えている必要があるのでしょうか？
Appleの答えは「No」です。
Appleが目指しているのは「あなたのことを知っているAI」ではありません。「知らなくても答えられるAI」です。
その設計思想の核心を、AppleはStateless computation（処理したら忘れる設計）と呼んでいます。Apple Security Researchが公式に定義した技術要件です。
仕組みはこうです。
カレンダー、メッセージ、写真、健康データ——あなたのデータはすべてデバイスの中に留まります。AIはそのデータを記憶・学習するのではなく、相談されたその瞬間だけデバイス上のデータを参照して推論し、処理が終われば白紙に戻ります。
それでも次の瞬間にはまた的確に応えられる。記憶しないことで守る——これがAppleの設計思想です。
より高性能な処理が必要なときは、あなたのことだと知らせずに高性能モデルに相談します。そしてその高性能モデルは、Apple自身もデータを見ることができない設計になっており、独立した第三者が監査できる仕組みを用意しています。これがPrivate Cloud Computeです。
プライバシーの保護はこの設計の帰結であり、後から付け加えた制約ではありません。
Appleにとって、AIは個人の生活に静かに寄り添うものです。
この哲学の違いが、技術選択を決めました。
二社の哲学の違いは、具体的な技術選択に直接現れています。
Appleがオンデバイスにこだわる理由は、プライバシーへの配慮だけではありません。データがデバイスにある以上、処理もデバイスで行うのが最も合理的という設計思想から来ています。
この哲学から、次の三つの技術選択が逆算されます。
MLX——Apple Siliconの統合メモリを活かした推論フレームワーク。データ転送のボトルネックをなくし、デバイス上でのStateless computationを現実的にします。
LoRA——モデル本体を変えずに、小さな差分データを差し替えるアダプター機構。一つのモデルで多機能を実現し、デバイスのストレージとメモリを圧迫しません。
Ferret-UI Lite——UIを座標で読むビジョンモデル。アプリのデータをクラウドに送らずに、デバイスで直接処理します。
三つとも「データを記憶せずに、その場で処理する」という構造で一致しています。これは偶然ではなく、哲学から逆算された必然です。
どちらが正解かはわかりません。正解はないのかもしれません。
そしてこの対比は、優劣の話でもありません。
Googleが目指すAIの賢さは「なんでも知っている天才」、そしてAppleがAIに求める賢さは「余計なことを聞かない賢人」。
それぞれの賢さに賭けているのだと思います。どちらが支持されるのか、まだ誰にも分かりません。
アプリケーション開発者として今言えることがあります。どちらの未来でも、アプリはAIに操作される対象になります。UIは人間だけでなく、AIにとっても「読みやすい」設計が求められる時代が来ます。
ただしアプローチは異なります。AppleはApp IntentsやApp Entityという「AIへの公式な窓口」を開発者に用意し、設計された範囲でAIが動く世界を目指しています。一方GoogleはAIがより自律的にアプリを操作する志向があります。どちらが主流になるかは分かりませんが、App Intentsを丁寧に実装したアプリは、少なくともAppleのエコシステムでAIに「選ばれるアプリ」になるでしょう。
続きは連載で取り上げます。
参照論文・資料
本記事で参照した一次情報：
Apple Intelligence Foundation Language Models Tech Report 2025（2025）
Updates to Apple's On-Device and Server Foundation Language Models（2025）
Private Cloud Compute: A new frontier for AI privacy in the cloud——Stateless computationの公式定義
Ferret-UI Lite: Lessons from Building Small On-Device GUI Agents（2026）
ChipChat: Low-Latency Cascaded Conversational Agent in MLX（2025）
連載全体の参照リスト： machinelearning.apple.com/research
WWDC26の発表内容を受けて、補足する予定です。
