✍️iOS 本地 AI：上手 Foundation Models 的學習策略

什麼是 Foundation Models

Foundation Models 是 Apple 的 LLM，也是 Apple Intelligence 許多功能的核心。在 macOS/iOS 26 開放 API 給開發者。

之所以採複數名詞 Foundation Models，因為它不是只有一個模型。它有在裝置端運行的 30 億參數版本，以及在 Private Cloud Compute 伺服器上運行的更大規模版本。Apple 的論文摘要提到：

... a ∼3 billion parameter model designed to run efficiently on devices and a large server-based language model designed for Private Cloud Compute...

如果你有興趣了解其中的技術細節，可以參考 Apple 的 Machine Learning 文章與論文。但是大部分的讀者應該和我一樣，是 App 開發者背景，而不是 AI 研究者，所以我們的興趣（至少在這系列專題）會放在如何開發與應用。

值得一提的是，熟悉 Apple SDK 的開發者可能會以為 Foundation Models framework 的 Foundation，是來自 Apple 的命名慣例。但這其實是 AI 領域的用語，表示通用的基礎性模型，而不是針對特定任務。這也表示我們可以拿它在 App 中做各種用途。

為什麼要學習 Foundation Models？

大多數的 App 開發者，沒有在裝置端運行 AI 模型、尤其是 LLM 的經驗。最主要的原因就是準備起來太麻煩。不知道從何下手，或是合理的效果預期。

坦白說，我自己也還沒有研究到把 Foundation Models 的功能加入手邊 Apps 的程度。但是它實在太容易上手了，只要幾行程式碼，你就可以進行對裝置上的 LLM 進行 prompt，並得到 response：

import FoundationModels
import Playgrounds

#Playground {
  let session = LanguageModelSession()
  let response = try await session.respond(to: "今天不太想上班，幫我想幾個跟老闆請假的理由，用幽默的方式表達")
}

所以，只要硬體條件與開發環境許可，都應該花個 3 分鐘上手玩玩看。

就算你發現，手邊的專案用不到它的相關功能，也不會浪費太多時間。並且肯定會是個新奇的體驗。

假如試過以後覺得 Foundation Models 的模型能力不夠你的需求，別擔心，我會在後面的文章介紹怎麼使用語法相容的 Swift Package，來替換成呼叫其他的 LLM。

所以，學習 Foundation Models framework 的語法完全不會浪費，反而是一個很好的起點。

開發環境確認與建立實驗專案

我們來做一次系統需求與開發環境的確認：

• Apple Silicon Mac
• macOS 26（建議 26.1 以上）
• Xcode 26（建議 26.1 以上）
• 開啟 Apple Intelligence。前文我們已經介紹過如何開啟 Apple Intelligence

接下來，我們需要建立自己的實驗專案，方便把玩與測試。