为Apple神经引擎正名：ANE并非鸡肋

摘要

针对社区中ANE是苹果最大骗局功能的论调，作者系统性地反驳了这一观点。ANE自2017年起专为低功耗设备端神经网络推理设计，广泛服务于Face ID、文字识别、Siri语音处理和计算摄影等OS功能。MLX不使用ANE并非因其无用，而是CoreML接口与MLX的开源架构目标不兼容。ANE、CoreML、MLX和新的GPU张量核心各有定位，并非非此即彼的替代关系。

内容框架与概述

文章以Hacker News上对ANE的批评为引子，指出许多人因苹果自家MLX框架不使用ANE就断定其无用，这是一种典型的非黑即白思维。作者从ANE的设计初衷出发，追溯其自2017年iPhone X首发以来的演进历程，强调其核心目标始终是低功耗的设备端推理。

作者列举了ANE在当前系统中的大量实际应用场景——照片中的文字提取与识别、Siri唤醒后的语音处理、计算摄影中的主体检测等，这些功能几乎不影响电池续航，也不占用CPU和GPU资源。ANE本质上是为操作系统服务的专用硬件，第三方开发并非其主要考量。

关于MLX为何不用ANE，作者引用了项目作者的明确回应：ANE唯一的公共接口是CoreML，这与MLX的开源定位和设计目标完全正交。同时，M5和A19 Pro中新增的GPU张量核心面向训练和复杂模型，与ANE的低功耗推理定位形成互补而非替代。文章最后以Google Fuchsia的案例类比，提醒人们避免在技术判断中陷入二元对立的思维陷阱。

核心概念及解读

ANE（Apple Neural Engine）：苹果自2017年起集成的专用神经网络推理硬件，专注低功耗量化模型的前向推理，从0.6 TOPS发展到35 TOPS。

CoreML：苹果官方的机器学习部署框架，是使用ANE的唯一公共接口，能自动调度GPU、ANE和CPU资源，面向消费级应用开发者。

MLX：苹果研究院推出的开源机器学习框架，定位对标PyTorch社区，因开源属性无法使用ANE的私有接口，两者并非竞争关系。

GPU Neural Accelerators（GPU神经加速器）：M5和A19 Pro中新增的张量核心，支持BF16等复杂运算，面向训练和大模型推理，功耗远高于ANE，代表苹果在通用AI算力上的扩展路径。

二元对立思维陷阱：作者批评技术社区常见的非此即彼论调，以Fuchsia取代Android的旧预言为例，说明不同技术往往服务于不同场景而非相互替代。

原文信息

此摘要卡片由 AI 自动生成