Apple三年前开始使用自己的芯片，大胆地朝着对其技术栈的完全控制迈出了一步。今天，Apple推出了MLX，这是一个专门针对在Apple的M系列CPU上进行机器学习的开源框架。

目前，大多数人工智能软件开发都是在开源的Linux或Microsoft系统上进行的，而Apple不希望其蓬勃发展的开发者生态系统落后于最新的大趋势。

MLX旨在解决与Apple独特架构和软件相关的长期兼容性和性能问题，但它不仅仅是一个简单的技术实现。MLX提供了用户友好的设计，很可能受到了像PyTorch、Jax和ArrayFire这样的知名框架的启发。其推出承诺了在Apple设备上训练和部署AI学习模型的更加流畅的过程。

在架构上，MLX通过其统一内存模型脱颖而出，其中数组存在于共享内存中，可以在支持的设备类型之间进行操作，而无需数据复制。这一特性对于寻求在其AI项目中获得灵活性的开发者来说至关重要。

简而言之，统一内存意味着你的GPU与计算机的RAM共享其VRAM，因此，你可以只使用Mac的RAM来进行一切，而不是购买一台强大的PC，然后再添加具有大量vRAM的强大GPU。

然而，Apple Silicon上的AI开发之路并不是没有挑战的，主要是由于其封闭的生态系统以及与许多开源开发项目及其广泛使用的基础设施的兼容性不足。

“看到有更多类似的工具用于处理类张量对象真是令人兴奋，但我真的希望Apple能够更轻松地移植自定义模型以实现高性能，”一位开发者在Hacker News的讨论中说道。

直到现在，开发者们不得不将他们的模型转换为CoreML，以便在Apple上运行。对翻译工具的依赖并不理想。CoreML专注于将现有的机器学习模型转换并优化为Apple设备。而MLX则是关于在Apple自己的硬件上直接高效地创建和执行机器学习模型，为Apple生态系统内的创新和开发提供工具。

MLX在基准测试中取得了良好的结果。它与Stable Diffusion和OpenAI的Whisper等工具的兼容性代表了一大步。值得注意的是，性能比较显示MLX的效率，在更高的批处理大小下，它在图像生成速度方面胜过了PyTorch的执行。

例如，苹果报告称，“使用MLX和50个扩散步骤以及无分类器指导，大约需要90秒完全生成16张图像，而使用PyTorch则需要大约120秒。”

随着人工智能以快速的步伐不断发展，MLX代表了苹果生态系统的一个重要里程碑。它不仅解决了技术挑战，还为在苹果设备上进行人工智能和机器学习研究和开发打开了新的可能性——考虑到苹果与英伟达的分道扬镳以及其自身强大的人工智能生态系统，这是一个战略性的举措。

MLX旨在使苹果平台对人工智能研究人员和开发者更具吸引力和可行性，这对于痴迷于人工智能的苹果粉丝来说意味着一个更加愉快的圣诞节。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。