💰TechCrunch AI•最新收集於 2m
MacPaw 將 Liquid AI 推論帶到裝置端
💡了解 MacPaw 與 Liquid AI 如何將本機推論帶給第三方 App 開發者。
⚡ 30-Second TL;DR
有什麼變化
MacPaw 正與 Liquid AI 合作提供裝置端推論。
為什麼重要
裝置端推論可協助開發者降低對雲端服務的依賴，並可能提升隱私與回應速度。這項合作也讓 Liquid AI 能透過 MacPaw 的開發者生態系統拓展模型應用。
下一步行動
持續關注 MacPaw 的開發者文件，待裝置端推論 API 開放後，立即製作一個重視隱私的 App 原型。
誰應關注：Developers & AI Engineers
關鍵要點
- •MacPaw 正與 Liquid AI 合作提供裝置端推論。
- •這項能力面向在 MacPaw 應用程式商店開發 App 的開發者。
- •MacPaw 正在開發 Eney AI 助理的本機版本。
- •本機版 Eney 將由 Liquid AI 模型提供支援。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Liquid AI 的核心技術基於『液態神經網路』（Liquid Neural Networks），其架構設計特別適合處理時間序列數據與邊緣運算，能以極低的記憶體佔用實現高效推論。
- •MacPaw 此次合作旨在解決開發者在 macOS 環境下部署大型語言模型時，面臨的隱私保護與網路延遲問題，透過本機推論確保用戶數據不離開裝置。
- •Eney AI 助理的升級將整合 MacPaw 的 CleanMyMac 等產品生態，利用 Liquid AI 的輕量化特性，讓 AI 功能能在不顯著影響系統效能的情況下常駐運行。
- •Liquid AI 於 2024 年從麻省理工學院（MIT）計算機科學與人工智慧實驗室（CSAIL）分拆出來，其技術在機器人控制與感測器數據處理領域已有深厚積累。
- •此項合作標誌著 MacPaw 從單純的軟體工具開發商，轉型為提供 AI 基礎設施與開發者工具的平台服務商，進一步鞏固其在 Apple 生態系統中的地位。
📊 競品分析▸ Show
| 特色/競爭對手 | MacPaw (Liquid AI) | Apple (Core ML/Local LLM) | Ollama (Llama/Mistral) |
|---|---|---|---|
| 核心優勢 | 針對 macOS 優化、輕量化架構 | 系統級整合、硬體加速 | 生態開放、模型選擇多 |
| 推論架構 | 液態神經網路 (LNN) | Transformer (Apple Silicon) | Transformer (多種架構) |
| 隱私性 | 完全本機端 | 完全本機端 | 完全本機端 |
| 開發者門檻 | 中 (專屬 SDK) | 低 (標準 API) | 低 (CLI/API) |
🛠️ 技術深入
- 液態神經網路 (Liquid Neural Networks) 採用連續時間動力學模型，與傳統 Transformer 架構相比，在處理長序列時具有更佳的動態適應性。
- 該模型架構允許在推論過程中動態調整參數，從而大幅降低運算資源需求，適合在 Mac 的 CPU 與 GPU 混合架構上運行。
- MacPaw 透過專屬的推論引擎封裝了 Liquid AI 的模型權重，減少了對外部依賴庫 (如 PyTorch) 的需求，實現了更小的應用程式體積。
- 支援 Apple Silicon 的 Neural Engine 加速，透過 Metal Performance Shaders (MPS) 進行底層優化，確保在 MacBook Air 等輕薄機型上也能流暢運行。
🔮 前景展望AI analysis grounded in cited sources
MacPaw 將在 2027 年前推出針對開發者的 AI 模型優化 SDK。
隨著本機推論需求的增加，MacPaw 勢必會將此次與 Liquid AI 合作的底層技術模組化，提供給第三方開發者使用。
Eney AI 將成為 macOS 上市佔率最高的本機 AI 助理之一。
憑藉 MacPaw 在 CleanMyMac 等產品中累積的龐大用戶基礎，以及本機推論帶來的隱私優勢，Eney 具有極高的滲透潛力。
⏳ 時間線
2024-03
Liquid AI 正式從 MIT CSAIL 分拆並獲得種子輪融資。
2025-09
MacPaw 宣布將 AI 功能整合至其旗艦產品 CleanMyMac。
2026-05
MacPaw 與 Liquid AI 達成戰略技術合作協議。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： TechCrunch AI ↗