7月份，華沙機房主機 荷蘭主機，在經歷了長達幾個月外界對蘋果AI技術落后的質疑后，蘋果又有了一些新動作，馬來西亞主機 日本服務器，首先是在7月20日上線了蘋果機器學習官方博客（Apple Machine Learning Journal），并發表了第一篇博文；其次提交的論文被CVPR 2017收錄，獲最佳論文。

蘋果CEO庫克面對外界對蘋果AI技術落后的質疑，曾向媒體回應說，蘋果精神是“just work ”（實干精神），之所以外界看不到蘋果AI技術的進展，是因為蘋果只喜歡談論即將上線的產品功能。這么來看，公眾最多只能通過公開的博客和學術論文中了解到蘋果在AI領域研究的大方向，而關于這些研究的應用以及進度，只能靠猜測了。

不過編輯在網上找到了一些PPT。這些PPT是在去年的12月6日，一個僅面向受邀者參加的行業AI大會的午餐會上，蘋果公司機器學習負責人羅斯·薩拉克丁諾夫（Russ Salakhutdinov）和其他蘋果員工進行的議題討論，詳細介紹了蘋果公司在AI領域的一些進展。

無人駕駛領域

根據參會者的描繪：

會上一張幻燈片上有兩張非常有特色的汽車圖片，該幻燈片匯總了蘋果公司的研究，說明了“LiDAR的體積檢測”和“結構化輸出預測”。

對于現如今的無人駕駛技術而言，LiDAR或光感測距（和雷達類似，但借助激光）以及物理事件預測都是非常重要的組成部分。不過，鑒于所介紹的內容比較敏感，兩名不愿透露姓名的參會者強調，蘋果公司并沒有提及他們的造車理想。

今年6月份，庫克首次公開談論了正在開發的代號為Project Titan 無人駕駛項目。但只是聲稱在做無人駕駛技術的研發，對是否會自主制造汽車，庫克并沒有給出答案。

而英國《每日郵報》7月21日有文爆料，蘋果正與一家中國公司合作研發汽車電池， 這家公司名字叫時代新能源科技有限公司(CATL)。CATL曾經隸屬新能源技術有限公司，為蘋果產品供應電池，但后來脫離后者成為一個獨立實體。CATL目前為電動巴士、電動客車、電動卡車和固定能量儲存供應電池組。

由此可見，蘋果的野心并不只是研發自動駕駛系統那么簡單。

AI專用芯片

對于算法在圖形處理單元或GPU（常用于服務器端加速深度學習的處理速度）上的運行效率，蘋果還是非常自豪的。一張幻燈片指出，蘋果的圖像識別算法每秒鐘處理的照片是谷歌的兩倍，谷歌每秒處理1500張，而他們每秒可以處理3000張，而且大體上只需要1/3的GPU。這種比較是基于在Amazon Web Services（一個云計算的標準）上運行算法做出的。

雖然其他公司正開始基于專用芯片來加速AI工作，如谷歌的TPU（張量處理單元）和微軟的FPGA（現場可編程邏輯閘陣列），值得注意的是，蘋果是基于標準的GPU。不過，蘋果是否為了匹配其客制化客戶硬件而構建了自己的客制化GPU，還是從像英偉達這樣的大型制造商購買，并沒有詳細介紹。

另外，蘋果用來訓練其神經網絡識別圖像的圖片庫似乎是專有的，其規模幾乎是標準ImageNet數據庫的兩倍。

神經網絡工具Core ML

神經網絡工具Core ML， 它構建的神經網絡比原始神經網絡小4.5倍，精度卻沒有損失，速度比原先快兩倍。在AI研究領域，這項技術使用更強大的神經網絡訓練另一個網絡，使其知道在各種情況下做什么決策。然后，這位“學生”（student）網絡就會具備“老師”（teacher）網絡知識的精簡版本。本質上，對于給定的照片或音頻樣本，它能做出更大網絡的預測。通過精簡神經網絡，iPhone和iPad可以識別照片中的人臉和位置，或者了解用戶的心率變化，并且不需要依賴遠程服務器。將這些處理過程封裝在手機里可以讓這項功能隨處可用，而且，這還使得數據無需加密，也無需通過無線網絡傳輸。

Core ML

對于希望將AI構建到自己的iOS應用的開發人員而言，蘋果構建的這一套機器學習模型和應用程序協議接口（API），即Core ML，非常有幫助。開發人員可以使用這些工具將圖像識別構建到照片應用中，或者引入自然語言處理技術到一個聊天機器人中，可以理解用戶所說的內容。

蘋果首先發布了其中四個圖像識別模型以及一個面向計算機視覺和自然語言處理的API。這些工具在用戶設備本地運行，也就是說，數據仍然是私有的，永遠不需要在云上進行處理。

此外，蘋果還讓AI開發人員可以很容易地將他們自己喜歡的AI引入蘋果設備。某些種類的深度神經網絡可以直接轉換為Core ML。