Мобильный ИИ как платформенный слой: Pixel 10 и iPhone 17 — on-device, приватное облако и границы доверия

В 2025 году Google и Apple показали два близких по целям, но разных по устройству стека. В Pixel 10 системный ИИ построен вокруг Android AICore и связки on-device и облака. В iPhone 17 развивают Apple Intelligence, а тяжёлые запросы переносят в Private Cloud Compute.

В статье расскажем, как Pixel 10 и iPhone 17 маршрутизируют ИИ-запросы, что дают Tensor G5 и A19, как устроены Private AI Compute и Private Cloud Compute, где живёт ИИ-слой в ОС — и что всё это меняет для разработчиков, когда ИИ становится частью оболочки, а не отдельной библиотекой.

Вступление

Смартфонный ИИ быстро смещается из «функций внутри приложения» в слой платформы. На первый план выходят три вопроса: где выполняется запрос, какие данные попадают в контекст и кто может увидеть результат. 

Доступность конкретных ИИ-функций почти всегда зависит от языка, региона и модели устройства; часть возможностей может быть недоступна в отдельных странах или языковых конфигурациях. Мы поговорим об архитектуре — границе доверия, маршрутизации и изоляции, но никто не сможет гарантировать, что конкретная функция включится «прямо сейчас» в вашем регионе.

On-device и облако: куда уходит ИИ-запрос

Обе платформы используют гибридную схему: часть задач выполняется на устройстве, часть уходит в облако. Вариант on-device (инференс — расчёт ответа модели по входным данным на самом устройстве) обычно закрывает быстрые сценарии и уменьшает объём данных, покидающих телефон. А облако даёт доступ к более крупным моделям и длинному контексту.

В Android локальный генеративный слой часто связывают с мультимодальной нейросетью Gemini Nano ^[1], которая работает в AICore — системном сервисе Android для исполнения и обновления foundation-моделей на устройстве — и опирается на аппаратные ускорители, чтобы снизить задержку и поддерживать актуальность модели. 

На Pixel эта логика ^[2] проявляется как «системные» жесты и функции поверх любого приложения. Например, Circle to Search работает как жест поверх экрана и позволяет искать по выделенному фрагменту без переключения приложений. Это важно не как «фича конкретной модели», а как пример того, что ИИ становится частью оболочки.

Часть функций Pixel 10 строится вокруг проактивных подсказок. Magic Cue поднимает действия по контексту и работает «на устройстве и в облаке» в изолированной среде.

Когда слоя on-device не хватает, Google подключает Private AI Compute ^[3]. Это облачная среда для обработки чувствительных запросов, где приватность должна быть техническим свойством исполнения, а не только политикой доступа. Разработчики описывают идею так: данные и результаты обработки должны оставаться доступными только пользователю, а безопасность обеспечивается изоляцией и проверяемостью выполнения. Элементы реализации: 

• стек на собственных ускорителях тензорных операций;

• аппаратные изолированные среды Titanium Intelligence Enclaves;

• удалённая аттестация: проверка, что код выполняется внутри доверенной среды;

• шифрование канала «устройство — облако».

В iPhone 17 технология Apple Intelligence старается решать задачи на устройстве, и для функций, которым нужны более крупные foundation-модели, использует Private Cloud Compute ^[4], или PCC. 

Tensor G5 и A19: что именно ускоряет ИИ

Pixel 10 вышел в четырёх вариантах: Pixel 10, Pixel 10 Pro, Pixel 10 Pro XL и Pixel 10 Pro Fold. Базовый уровень производительности в них обеспечивает чипсет Tensor G5, изготовленный по на 3-нм техпроцессу. Этот чипсет — ускоритель тензорных операций — берёт на себя расчёт значительной части инференса: Google утверждает, что он справляется с этим в среднем на 34 % быстрее центрального процессора ^[5]. То есть разработчики стараются выполнять больше сценариев на смартфоне и реже обращаться к облаку.

У iPhone 17 ^[6] базовый чип — A19, тоже изготовленный по 3-нм техпроцессу. Он содержит обновлённые блоки display engine и ISP, а также Apple Neural Engine, или NPU, — нейроускоритель для операций машинного обучения ^[7], который помогает Apple Intelligence. В каждое GPU-ядро смартфона встроены «нейроускорители» для поддержки работы генеративных моделей.

iPhone 17 Pro и iPhone 17 Pro Max ^[8] оснащены чипсетом A19 Pro с 16-ядерным Neural Engine, а также 6-ядерным GPU с «нейроускорителями» в каждом из них.

Иными словами, обе компании усиливают локальный контур и добавляют специализированные аппаратные блоки под генеративные модели. При этом точка входа в ОС разная: в Android AICore выделен в отдельный системный слой, а в iOS большая часть логики спрятана в Apple Intelligence и в интеграции системных приложений.

Где проходит граница приватности данных

В мобильном ИИ почти всегда есть три класса данных: вход запроса, контекст устройства и результат. Каждый класс может оставаться на устройстве или уходить в облако. Поэтому важнее не тезис «всё локально», а границы доверия, явная модель угроз и проверяемость механизмов.

В Android развивают Private Compute Core (в материалах Google иногда сокращается как PCC, не путайте с Apple PCC — Private Cloud Compute). Это изолированная среда в ОС для обработки конфиденциальных данных. Она призвана помочь пользователям контролировать, когда и как данные могут покидать границу доверенной зоны ^[9]. Также в Android существуют Private Compute Services ^[10], которые связывают Private Compute Core с облаком и публикуются как отдельный компонент.

В Pixel 10 добавили ^[11] защищённый сопроцессор Titan M2. В ИИ-сценариях он обеспечивает hardware root of trust — аппаратный источник доверия, поддерживая проверенную загрузку и ключевые операции безопасности. Но выбор между on-device и облаком определяется, скорее, связкой AICore, Private Compute Core и Private AI Compute.

Apple строит приватность вокруг Private Cloud Compute. Компания заявляет ^[4] о недоступности персональных данных, находящихся в PCC, для кого-либо кроме пользователя, включая саму Apple — при условии корректной работы механизмов изоляции и аттестации. Кроме того, в PCC используется концепция «проверяемой прозрачности ^[12]», позволяющую проверять ^[13] сборки PCC и цепочки доверия.

То есть Google переносит часть «модели безопасности устройства» в облако через Private AI Compute, аттестацию и шифрование канала, а Apple переносит модель безопасности устройства в облако через PCC и проверяемые сборки. Это разные реализации одной идеи: если запрос уходит в облако, то граница доверия должна оставаться технической, а не договорной.

Что всё это меняет для разработчика (и почему это важно в финтехе)

Когда ИИ становится слоем ОС, меняется не только набор API, но и «поверхность атаки», особенно там, где приложение обрабатывает персональную информацию, финансовые данные и операции с повышенными требованиями к контролю и аудиту.

Во-первых, «ИИ поверх приложения» перестаёт быть исключением. Жесты на уровне оболочки, например, Circle to Search, позволяют инициировать обработку фрагмента экрана без переключения приложений.

Во-вторых, системные инструменты для работы с текстом и контекстом начинают функционировать там, где пользователь пишет, включая сторонние приложения и сайты. Технология Visual intelligence помогает получать контекст по объектам, местам и тексту вокруг и на экране смартфоне.

В-третьих, «приватное облако» не отменяет вопроса о границах: какие классы данных могут покидать устройство, и на каком уровне это контролируется — платформой и настройками ОС или логикой приложения? На практике это означает, что при проектировании потоков данных приходится учитывать не только собственный бэкенд, но и платформенные ИИ-контуры, а также их региональную/языковую доступность.

Интеграция в ОС: кто управляет моделями

В Android Gemini Nano исполняется в AICore и задействует аппаратные ускорители смартфона. Для мобильных разработчиков это означает, что есть единый вход в «системную модель» вместо множества библиотек и сред исполнения.

Google развивает API ML Kit GenAI ^[14], которые работают «поверх AICore», используют Gemini Nano и обеспечивают готовые сценарии работы вроде суммаризации и переписывания текста. Благодаря тому, что приложения используют одну и ту же модель, а запросы изолируются на уровне AICore, достигается экономия памяти ^[15].

Apple пошла иным путём. В 2025 году компания открыла разработчикам доступ к работающей на устройстве foundation-модели Apple Intelligence, имеющей около 3 млрд параметров. Apple подчёркивает ^[16], что эта модель подходит для текстовых задач и не предназначена для «чат-бота с общими знаниями».

Компромиссы в задержках, контексте и стоимости облака

Контур on-device выигрывает по задержке и автономности, но ограничен размером модели и ресурсами устройства. Облако выигрывает по размеру модели и длине контекста, но добавляет сетевую задержку и ставит вопрос о границах доверенности.

Google описывает ^[3] Private AI Compute как платформу, предоставляющую все преимущества облачных моделей Gemini с приватностью на уровне выполнения на устройстве и при этом заявляет приватность уровня on-device обработки. На практике это означает, что часть функций получает облачный «усилитель», а данные остаются закрытыми.

В iOS реализован похожий компромисс ^[17]: Private Cloud Compute подключается для функций, которым нужны более крупные foundation-модели, при этом доступ к данным ограничен и есть возможность внешней проверки. При таком подходе облачный контур требует доверия к заявленной проверяемости.

UX: когда ИИ проявляет инициативу

Различие между iOS и Android чаще всего проявляется не в отдельных кнопках, а в том, когда система проявляет инициативу.

В Pixel 10 сделана ставка на инициативность устройства. Оно реагирует на действия, предлагает варианты, дополняет текст, показывает подсказки до того, как пользователь их запросит. Здесь ИИ не инструмент, а часть логики всей системы — от клавиатуры до галереи. Например, Magic Cue ^[18] соединяет данные из разных приложений и предлагает пользователю подсказки «когда они нужны». В Google подчёркивают изоляцию данных и контроль со стороны пользователя.

В iPhone 17 ИИ чаще проявляется как встроенная в конкретном месте функция. Заметнее всего это при работе с текстом. Например, при переводе Live Translation ^[19] работает в качестве системной функции в Почте, Сообщениях, FaceTime и Телефоне, а Writing Tools активны в Почте, Заметках и Сообщениях.

Почему ИИ заметнее всего в работе камеры

Камера стала удобной площадкой для сравнения ИИ-подходов обеих компаний, потому что здесь самые жёсткие требования по задержке, качеству работы, энергопотреблению и приватности.

Pixel 10 превращает камеру в продолжение ИИ. С помощью Camera Coach, Face Unblur и Auto Best Take система делает серию снимков и сама выбирает лучший кадр. Camera Coach ^[20] использует модели Gemini и просит подключение к сети, потому что часть подсказок опирается на облачные модели. Например, система может подсказать идеальные параметры для снимков при слабом освещении. Best Take ^[21] собирает групповые фото из нескольких похожих кадров, чтобы все выглядели удачно

В iPhone 17 сделали ставку на конвейерную обработку. Камера Dual Fusion на 48 МП обрабатывает снимки аккуратно и почти незаметно. ИИ не вмешивается в кадр, а лишь помогает передать естественные цвета и детали. В моделях Pro ^[8] оптический зум увеличили до 8-кратного, и при конвейерной обработке используется больше машинного обучения, чтобы сохранить детали, снизить шум и улучшить цвет .

Здесь разница не сводится к «лучше или хуже». У Pixel часть функций выглядит как подсказка и помощь до снимка. У iPhone часть логики уходит в вычислительную фотографию и проявляется уже в результате.

Позиция Apple и Google в мобильном ИИ к началу 2026 года

В январе 2026 года Apple и Google выпустили совместное заявление ^[22] о многолетнем сотрудничестве: следующая версия Apple Foundation Models должна опираться на модели Gemini и облачную технологию Google, чтобы поддержать будущие функции Apple Intelligence и более персональную Siri.

Google в ноябре 2025 года открыла ^[3] Private AI Compute как платформу для облачных моделей с приватными границами, и в качестве одного из первых примеров назвала развитие Magic Cue на Pixel.

То есть к началу 2026 года обе компании пришли к одной концепции: слой on-device остаётся базовым, а облако добавляет более сильные модели. Критичными становятся границы доверенности, аттестация и проверяемость.