スマートフォン上で大規模なAIモデルを動作させる「端側AI」の動きが加速しています。
面壁智能(ModelBest)が発表した「MiniCPM-V 4.7」は、350億パラメータ規模のモデルをスマートフォンに搭載し、実用的な速度で推論を行う技術です。
この技術は、プライバシー保護、オフライン環境での利用、およびクラウドAPIコストの削減を目的としています。
性能とメモリ制約を両立する技術的アプローチ
従来、スマートフォンで大規模モデルを動かすことはメモリ容量の制約から困難でした。
MiniCPM-V 4.7では、必要な専門家(Expert)のみをメモリに読み込む「混合専門家(MoE)アーキテクチャ」を採用しています。
さらに、前層の計算中に次層で必要な専門家を予測・ロードする「前瞻専門家スケジューリング(LES)」を導入することで、フラッシュメモリからの読み込み遅延を隠蔽し、実用的な推論速度を確保しています。
これにより、3GBのピークメモリ使用量で動作を実現しました。
導入判断における技術と運用のギャップ
端側AIの導入を検討する際、モデルの性能だけでなく、以下の運用条件を確認する必要があります。
* **ハードウェアと功耗:** 現在のモデル実行時の消費電力は大型ゲームと同等であり、チップセットの最適化が求められます。
* **システム権限:** モデルが端末内で動作しても、写真や通話履歴などのプライベートデータにアクセスするには、OS側の権限管理とAPI開放が必要です。
* **役割分担:** すべての処理を端側で行うのではなく、高頻度・低遅延・プライベートな処理は端末側、複雑な推論や最新知識が必要な処理はクラウド側という「分層」運用が現実的です。
今後の展望と確認すべきポイント
IDCの予測では、2026年には中国のAIスマートフォン出荷台数が1.47億台に達し、市場の過半数を占める見込みです。
しかし、技術的な進歩と消費者の日常的な利用体験の間にはまだ乖離があります。
今後、AI機能が「標準搭載」から「日常的なツール」へ進化するかは、モデルの性能向上以上に、端末メーカーによるシステムレベルのインターフェース開放や、アプリ開発者とのエコシステム構築の進展に左右されます。
導入や開発を検討する際は、単なるモデルのパラメータ数だけでなく、対象端末のOSが提供するデータ連携の柔軟性を確認することが重要です。


