Разработка машинного обучения (Core ML) в iOS-приложении

Почему Core ML вместо облачного инференса?

Конвертируете модель из Python-среды в мобильный продакшн — и сразу сталкиваетесь с несовместимостью форматов, латентностью инференса и отсутствием механизма обновления без релиза в App Store. Core ML решает эти проблемы нативно, но только если его правильно встроить в архитектуру приложения. Мы уже выполнили более 50 интеграций Core ML и гарантируем стабильную работу на устройствах начиная с iPhone 8. On-device inference исключает задержки сети и сохраняет конфиденциальность данных пользователя. Подробнее о возможностях Core ML читайте в официальной документации Apple.

Как избежать типичных ошибок при интеграции Core ML?

Самая распространённая ошибка — конвертация модели без учёта целевого железа. coremltools позволяет указать minimum_deployment_target и тип compute unit: cpuOnly, cpuAndGPU, cpuAndNeuralEngine. Если не указать cpuAndNeuralEngine для A12+, модель не попадёт на Neural Engine и будет работать на CPU, что в 5–10 раз медленнее для свёрточных сетей. Наши инженеры сертифицированы Apple и всегда выбирают оптимальную конфигурацию.

Второй момент — входной формат. Core ML ожидает CVPixelBuffer с конкретным kCVPixelFormatType. Если приложение получает UIImage с камеры через AVCapturePhotoOutput, нужна промежуточная конвертация через CIImage → CVPixelBuffer. Делать это на main thread — верный путь к dropped frames. Вся цепочка захвата и инференса должна идти через DispatchQueue с QoS .userInteractive или через Vision framework, который сам управляет буферами.

Vision + CoreML — правильная комбинация для большинства задач: VNCoreMLRequest берёт на себя масштабирование, нормализацию и управление буфером. Но если нужна последовательность инференсов на видеопотоке, лучше использовать VNSequenceRequestHandler — он кэширует состояние между кадрами.

Как мы гарантируем скорость инференса?

Начинаем с аудита исходной модели: формат (ONNX, TensorFlow SavedModel, PyTorch TorchScript), размер весов, количество операций. Для конвертации используем coremltools 7.x, для количественных моделей — ct.optimize.coreml с LinearQuantizer или PalettizationConfig. Квантизация в 8-bit снижает размер модели в 4 раза без заметной потери точности на большинстве классификаторов.

Пример из практики: финтех-клиент хотел детекцию подделки документов на устройстве. Исходная TFLite-модель (MobileNetV3, 12 MB) давала 280 ms на iPhone 12. После конвертации в .mlpackage с computeUnits = .cpuAndNeuralEngine и Float16-компрессией — 34 ms на том же устройстве. Дополнительно завернули инференс в MLModelConfiguration с allowLowPrecisionAccumulationOnGPU = true. Экономия на серверной инфраструктуре составила до 70%.

Данные из официального семпла Apple Core ML Optimization Guide

Если вы хотите такую же оптимизацию, свяжитесь с нами для аудита вашей модели.

Что даёт квантизация модели?

Квантизация в 8-bit с помощью LinearQuantizer сокращает размер модели в 4 раза и ускоряет инференс до 2 раз на поддерживаемом железе. Для задач классификации точность падает менее чем на 1%. Если требуется максимальная точность, используем половинную точность (Float16) — размер уменьшается вдвое без потери точности. Наш опыт показывает, что большинство моделей можно безопасно квантизовать в 8-bit.

Как мы обновляем модели без релиза?

Для обновления моделей без релиза настраиваем загрузку через CloudKit или собственный S3-совместимый storage. MLModel(contentsOf:) принимает локальный URL — модель скачивается в фоне, верифицируется по SHA-256, подменяется атомарно через FileManager.replaceItem. Старая версия хранится как fallback.

Архитектурно весь ML-слой изолируем в отдельный модуль (Swift Package) с протоколом MLInferenceService. Это позволяет подменять реализацию в тестах и переиспользовать между несколькими таргетами.

Что входит в работу

1. Аудит исходной модели и выбор пути конвертации.
2. Конвертация в .mlmodel / .mlpackage через coremltools.
3. Оптимизация: квантизация, прунинг, выбор compute units.
4. Интеграция через Vision или прямой MLModel API.
5. Настройка OTA-обновления моделей (CloudKit / S3).
6. Unit-тесты инференса с эталонными входами/выходами.
7. Профилирование через Xcode Instruments (Core ML Instrument).

Получите консультацию по интеграции Core ML уже сегодня. Свяжитесь с нами для аудита вашей модели — мы рассчитаем сроки и стоимость.

Сроки

Интеграция готовой сконвертированной модели в существующее приложение — от 3 до 5 рабочих дней. Если нужна конвертация, оптимизация и настройка OTA-обновления с нуля — 1–2 недели. Стоимость рассчитывается индивидуально после анализа требований и исходной модели.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).