苹果新芯片M6发布了。
官方对它的AI算力，几乎什么都没说。
但B站一位个人开发者，硬是自己测了个底朝天。
10月9日，UP主"751Fs"发布视频《乞版Mac也有个大模型梦：MacMini M6 本地大模型体验测评》。视频背后，是一份公开在GitHub上的完整技术报告，把苹果藏起来的"神经网络引擎"扒得明明白白。
今天这篇文章，不用你懂芯片，也能看明白三件事：苹果为什么不说了、这个人怎么测出来的、跟咱们普通人有什么关系。
一、先搞懂：什么是"神经网络引擎"
咱们的电脑芯片里，其实住着好几位"工人"。
CPU是全能工人，什么活都能干，但干AI的活不够快。
GPU擅长画图打游戏，顺便也能算AI。
而神经网络引擎（苹果叫它ANE），是专门算AI的"专科医生"。它只干一件事：海量的乘法和加法。AI模型说到底，就是数不清的乘法加加法。专科医生干专科的活，又快又省电。
苹果从2017年就开始在芯片里塞这个"专科医生"。到了M6，出现了一个大变化——
一块芯片里，塞进了两个神经网络引擎。
这是苹果自M1以来最大的一次结构调整。但苹果官方呢？从M5开始，连峰值算力的数字都不公布了。问就是"很强"，具体多强，你自己猜。
二、一个人，一台电脑，把黑箱测透了
猜什么猜。有位开发者不猜了。
他把研究过程写成报告，连同全部原始数据、实验工具、分析脚本，一起开源在GitHub上：
https://github.com/751K/Apple-Neural-Engine-Microarchitecture-Study-M6
更难得的是他的做法：不破解、不修改系统，只用苹果公开给开发者用的接口，加上只读分析。就像不拆表，光听滴答声、看指针走动，把钟表内部结构推了出来。
他测出了什么？挑几个说人话的版本：
1. 每个引擎有16个"计算小核心"，满载时频率2.58 GHz。单个引擎实测的FP16吞吐量是20.6 TFLOPS——什么概念？一秒钟能做20万亿次以上的浮点运算。你手机一秒的AI计算量，搁二十年前全世界的电脑加起来都算不完。
2. 两个引擎共用一扇"取货门"。 AI模型运行时，要不停从内存里读取模型权重。报告测得这条读取通道带宽约150 GB/s，两个引擎共享。这就像后厨请了两位大厨，但库房只有一扇门。大厨手再快，也得排队取菜。
3. 所以"双引擎"不是双倍速。 计算密集的任务，双引擎能加速1.92倍，接近翻倍；但读取权重密集的任务，只能加速约1.4倍——瓶颈在那扇"门"上，不在大厨手上。
4. 实际用起来，M6比上上代M4快1.4到2.7倍，任务类型不同，差距不同。
这些数字，官方一个都没说过。全是一个普通人，用公开工具，一点点测出来的。
三、古人早就懂这个理
看到这份报告，我想起沈括。
九百多年前，他写《梦溪笔谈》，记载毕昇的活字印刷、观察磁针偏角、考证化石成因。没人给他立项，没人给他经费。他就是看见了、好奇了、动手验证了、记下来了。
这份M6芯片研究，一脉相承：看见黑箱，不迷信权威，用可复现的实验把真相量出来。报告里每个结论都标了证据来源，任何人都能顺着数据自己验证一遍。
技术会变，工具会变，这股"格物致知"的劲头，一千年没变过。
四、跟咱们普通人有什么关系
关系还真不小。最近B站上冒出一大批视频，主题都一样：用几千块的Mac mini，在自己家里跑大模型。不用联网，不用付费，AI就在你桌上跑。
如果你也动了心，这份报告能帮你避开两个坑：
第一，跑本地AI，内存比芯片型号更重要。 大模型要整个装进内存里才能跑。模型文件多大，你的可用内存就得比它大出一截。内存不够，芯片再强也白搭。
第二，别迷信"算力翻倍"的宣传。 报告说得很清楚：大模型对话这种任务，瓶颈往往是"读权重"的带宽，不是计算速度。就像做饭慢，可能不是灶不旺，而是冰箱门太窄。买之前，看清瓶颈在哪。
想今天就试试？三步：
- 去官网下载一个免费的本地大模型工具（比如LM Studio），像装普通软件一样装好；
- 在工具里选一个小体积的模型下载，几个GB，喝杯茶的功夫就下完了；
- 断网，跟它聊一句。你会发现——AI真的在你自己电脑里跑，一个字都没发出去。
隐私敏感的文件、不想让别人知道的提问，本地模型都能兜住。这，就是"AI普惠"落到实处的样子。
写在最后
苹果把参数藏起来，是想让你觉得神秘，让你掏钱。
一位普通开发者把参数测出来，是想告诉你：神秘背后，也是可以被理解、被验证、被使用的技术。
AI从来不是大公司的专利。看得懂原理的人，才不会被宣传牵着走。
你的电脑内存有多大？敢不敢试试本地跑个小模型？评论区聊聊。
如果这篇对你有帮助，欢迎关注公众号xAI智工场，把高冷的AI翻译成人话。
- 关注公众号，回复「提示词」，免费领取100+精选AI提示词模板
- 微信交流群：xaizgc
- 知识星球：每天一个AI实操干货，陪你从入门到上手
评论