「MacでAI？無理でしょ」という時代は終わった。

M1チップの登場から数年。気づけばApple Siliconは、機械学習の世界で無視できない存在になっていた。統合メモリアーキテクチャ、Neural Engine、そしてそれらを活かすソフトウェアスタック。

でも正直、Apple公式ドキュメントを読んでも「で、結局どれを使えばいいの？」となりがち。MPS？MLX？Core ML？それぞれの関係性がよくわからない。

このシリーズでは、Apple Silicon上の機械学習技術スタックを下から上まで徹底解説する。

シリーズ記事一覧

1. MPS基礎解説 - PyTorchユーザーのためのApple GPU入門

PyTorchのmpsデバイスって何？CUDAの代わりになるの？統合メモリの恩恵は？

MPSの基本概念と歴史
PyTorchでの実践的な使い方
Stable Diffusionをmpsで動かす
よくあるトラブルと対策
実際のベンチマーク（M1 Max vs RTX 3090）

こんな人向け：PyTorchユーザー、MacでGPU加速したい人

2. MLX基礎解説 - Appleの次世代MLフレームワーク

2023年末にAppleが突如公開したオープンソースフレームワーク。NumPy風のAPIと遅延評価が特徴。

MLXの設計思想
遅延評価（Lazy Computation）の仕組み
mlx-lmでLLMをローカル実行
M5チップとNeural Acceleratorsの連携
MLX vs MPS：使い分けの判断基準

こんな人向け：Apple Silicon専用で最大性能を出したい人、LLMをローカルで動かしたい人

3. MPSGraph基礎解説 - 計算グラフの力

Core MLやTensorFlowの裏で動く「縁の下の力持ち」。ステッチングによる最適化の秘密。

計算グラフとは何か
ステッチング：演算融合の魔法
Core ML/TensorFlowとの関係
Transformer向けの最新最適化（SDPA、KVキャッシュ）
MPSGraph Viewer（Xcode 16の新ツール）

こんな人向け：パフォーマンスの仕組みを深く理解したい人、Metal統合をしたい人

4. Metal基礎解説 - Apple GPUの心臓部

全ての道の土台。グラフィックスと機械学習を支えるAppleのGPU API。

MetalはApple版CUDA？
Metal Shading Languageの基本
基本的なワークフロー（Swift/Objective-C）
Metal 4と機械学習の統合
機械学習開発者がMetalを直接触る場面

こんな人向け：GPU プログラミングの基礎を知りたい人、極限の最適化が必要な人

5. vDSP基礎解説 - 信号処理の隠れた英雄

GPUだけが全てじゃない。CPU上の高速ベクトル演算ライブラリ。

Accelerateフレームワークの全体像
FFTでオーディオ周波数分析
Biquadフィルタでイコライザ実装
vDSP vs GPU：いつCPUを選ぶべきか
機械学習パイプラインでの活用（前処理・後処理）

こんな人向け：オーディオ/信号処理をする人、リアルタイム処理が必要な人

6. Core ML基礎解説 - アプリに知性を宿す

技術スタックの「出口」であり「入口」。モデルデプロイの統一インターフェース。

Core MLの基本ワークフロー
coremltoolsでモデル変換
Neural Engineの自動活用
Vision/Natural Languageとの統合
WWDC24の新機能（MLTensor、ステート管理）
オンデバイス学習

こんな人向け：iOS/macOSアプリにML機能を追加したい人、全てのApple開発者

技術スタック全体像

この図を頭に入れておけば、どの技術をどんな場面で使うべきか判断できる：

┌─────────────────────────────────────────────────────────────┐
│                     アプリケーション層                        │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐           │
│  │ Vision  │ │  NLP    │ │  ARKit  │ │  独自   │           │
│  └────┬────┘ └────┬────┘ └────┬────┘ └────┬────┘           │
│       └──────────┴──────────┴──────────┴──────┐            │
│                                               ↓            │
│  ┌────────────────────────────────────────────────────┐    │
│  │                    Core ML                          │    │
│  │        (モデルデプロイ・推論の統一インターフェース)      │    │
│  └────────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────────┘
                             ↓
┌─────────────────────────────────────────────────────────────┐
│                     フレームワーク層                         │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐                       │
│  │   MLX   │ │ PyTorch │ │TensorFlow│                      │
│  │(Apple専用)│(MPS backend)│ (Metal) │                      │
│  └────┬────┘ └────┬────┘ └────┬────┘                       │
│       └──────────┴──────────┴──────────┐                   │
│                                        ↓                   │
│  ┌────────────────────────────────────────────────────┐    │
│  │                   MPSGraph                          │    │
│  │          (計算グラフ最適化・ステッチング)             │    │
│  └────────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────────┘
                             ↓
┌─────────────────────────────────────────────────────────────┐
│                     カーネル層                              │
│  ┌─────────────────────┐  ┌─────────────────────┐          │
│  │         MPS         │  │    BNNS / vDSP     │          │
│  │  (GPU最適化カーネル)  │  │  (CPU最適化カーネル) │          │
│  └──────────┬──────────┘  └──────────┬──────────┘          │
└─────────────┼───────────────────────┼───────────────────────┘
              ↓                       ↓
┌─────────────────────────────────────────────────────────────┐
│                    ハードウェア抽象化層                       │
│  ┌─────────────────────┐  ┌─────────────────────┐          │
│  │        Metal        │  │     Accelerate     │          │
│  │    (GPU API)        │  │   (CPU ベクトル化)  │          │
│  └──────────┬──────────┘  └──────────┬──────────┘          │
└─────────────┼───────────────────────┼───────────────────────┘
              ↓                       ↓
┌─────────────────────────────────────────────────────────────┐
│                      ハードウェア層                          │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐        │
│  │   GPU   │  │ Neural  │  │   CPU   │  │ Unified │        │
│  │         │  │ Engine  │  │(NEON等) │  │ Memory  │        │
│  └─────────┘  └─────────┘  └─────────┘  └─────────┘        │
│                     Apple Silicon                          │
└─────────────────────────────────────────────────────────────┘

ユースケース別クイックガイド

やりたいこと	推奨技術
PyTorchモデルをMacで高速化	MPS
LLMをローカルで動かしたい	MLX + mlx-lm
iOS/macOSアプリにML機能追加	Core ML
リアルタイムオーディオ処理	vDSP
グラフィックス×ML統合	Metal + MPSGraph
モデルの前処理・後処理	vDSP / Accelerate
TensorFlowをMacで使いたい	tensorflow-metal

対象読者

Apple Siliconで機械学習を始めたい人
PyTorchをMacで使いたいけど、MPSがよくわからない人
Core MLとMLXの違いを知りたい人
Apple技術スタックの全体像を把握したい人
「なぜApple Siliconは機械学習に強いのか」を理解したい人

前提知識

Pythonの基礎
機械学習の基本概念（テンソル、モデル、推論）
PyTorchまたはTensorFlowの経験があるとベター

AIスタック以外もAppleSiliconには魅力がいっぱい！

Apple Silicon限界突破！メディア処理 & クロスプラットフォーム開発シリーズ

参考文献・リンク集

Apple公式ドキュメント

GitHub

ml-explore/mlx

PyTorch

torch.mps Documentation

Apple Machine Learning Research

Apple Machine Learning Research

WWDC Sessions

このシリーズは随時更新予定。新しいWWDCの発表やフレームワークのアップデートがあれば追記します。