オンデバイスAIとは──iPhoneのApple IntelligenceとAndroidのGemini Nano、仕組みの違い

「オンデバイスAI」とは、生成AIの推論をクラウドのサーバーではなく、手元のスマホやPCの中で完結させる仕組みのことだ。ネットワークが無くても動く、送信データが外部に出ないという2点が主なメリットとされる。iPhoneのApple IntelligenceとAndroidのGemini Nanoは、同じ「オンデバイス」という看板を掲げながら、実装のアーキテクチャは対照的だ。

3行まとめ

1. Apple Intelligenceは「対応チップのiPhone/iPad/Mac」に限定され7GBのストレージが必要な一方、Gemini NanoはAndroidのAICoreというシステムサービスが全アプリ共有の単一モデルとして配布・管理する
2. Google公式ドキュメントを確認すると、Gemini Nanoにはnano-v2・nano-v3・nano-v4という複数バージョンがあり、対応端末はGoogle Pixelだけでなく、Samsung・Xiaomi・OnePlus・Honor・OPPO・vivo・Motorola・Sony・Sharpなど多数のAndroidメーカーの機種にまたがっている
3. Apple Intelligenceは1メーカー（Apple）内で完結するのに対し、Gemini Nanoは1つのGoogle製AIモデルを多数のサードパーティ製Android端末に配布する、まったく異なる流通モデルを取っている

iPhone・iPad・Mac側──Apple Intelligence

Apple公式サポートページによると、Apple Intelligenceの対応機種は次の通り明記されている。

• iPhone: iPhone 15 Proシリーズ、およびiPhone 16シリーズ以降
• iPad: iPad mini（A17 Pro搭載モデル）、M1以降を搭載したiPadモデル
• Mac: Apple Siliconを搭載したMac全機種
• Apple Vision Pro
• Apple Watch: Series 6以降・全Ultraモデル・SE第2世代以降（Apple Intelligence対応iPhoneとのペアリングが必要）

必要条件として、7GBのデバイスストレージ、対応OS（iOS 18.1以降等）、デバイス言語とSiri言語が同じ対応言語に設定されていることが挙げられている。オンデバイスモデルは機能をオンにした後にダウンロードされ、オフにするとデバイスから削除される。日本語はiOS 26.1・iPadOS 26.1・macOS 26.1以降で対応言語に含まれている。詳しい機種別のできることはApple Intelligence機能一覧の記事にまとめているので、本記事ではここでは深追いしない。

Android側──Gemini NanoとAICore

Android公式ドキュメント（developer.android.com）は、Gemini Nanoをこう説明している。

"Gemini Nano lets you deliver rich generative AI experiences without needing a network connection or sending data to the cloud. [...] Gemini Nano runs in Android's AICore system service, which leverages device hardware to enable low inference latency and keeps the model up-to-date."

ここでのポイントはAICoreというOSレベルのシステムサービスの存在だ。Apple Intelligenceが「対応機種でOSアップデート後にモデルをダウンロードする」形なのに対し、Androidの設計はGemini Nanoの配布・更新・ハードウェアアクセラレーションの管理をすべてAICoreというシステムサービス1つに集約している。公式ドキュメントはAICoreのメリットを次の2点で説明している。

• 導入の容易さ: AICoreがGemini Nanoの配布と今後の更新を管理するため、アプリ開発者はモデルのダウンロードやディスク・メモリ予算への影響を心配する必要がない
• 推論の高速化: AICoreがデバイス側のハードウェアを活用して推論を高速化するため、開発者はハードウェアインターフェースを意識せずに、デバイスごとの最良のパフォーマンスを得られる

アプリ開発者向けには、Gemini Nanoを直接使うのではなく、その上に構築された「ML Kit GenAI APIs」という高レベルなAPI群も用意されている。ML Kit公式ページを今回curlで取得すると、このアーキテクチャのメリットについてもう一段踏み込んだ説明があった。

"every app is able to use the shared Gemini Nano model that is on the device. This avoids the need to have to wait for a model to be downloaded if it already exists on a device, and in turn conserves storage space."

すべてのアプリが、端末上にある「共有された」単一のGemini Nanoモデルを利用できる、という設計だ。アプリごとに個別のモデルをダウンロードする必要がないため、ストレージを節約できるとされている。この「1台に1モデル、全アプリ共有」という設計が、Apple Intelligenceのように単一の固定容量（7GB）を明示できない理由のひとつと考えられる——実際にどれだけの容量を使うかは、端末にすでにダウンロード済みかどうか、後述するモデルのバージョンによって変わるためだ。

Gemini Nanoは1種類ではない──nano-v2/v3/v4という複数バージョン

ML Kit公式ページの「Device support」節をcurlで確認すると、Gemini Nanoにはnano-v2・nano-v3・nano-v4という複数のバージョンが存在し、対応端末によって搭載されているバージョンが異なることがわかる。抜粋すると次の通りだ。

さらに対応メーカー自体も、Googleだけでなく、Honor・iQOO・Lenovo・Motorola・OnePlus・OPPO・POCO・realme・Samsung・Sharp・Sony・vivo・Xiaomiと多岐にわたる。Apple IntelligenceがApple 1社の製品ラインナップの中で完結しているのに対し、Gemini Nanoは1つのGoogle製モデルが多数のサードパーティ端末メーカーに配布されるという、まったく異なる流通構造を取っている。ただし、この対応端末リストは「with plans to expand support to additional devices（今後さらに対応端末を拡大予定）」という注記付きであり、今回確認した時点でのスナップショットにすぎない。

2つのアーキテクチャの違い

いずれの方式にも共通するのは、「モデルをアプリごとに個別配布するのではなく、OS側が一元管理する」という設計思想だ。iOS・Android双方とも、AIモデルをもはやアプリの付属物ではなく、OSの構成要素として扱い始めている、と読める。

推論速度など性能の直接比較データは見つからなかった

• 本記事はApple公式サポートページ（機種要件）とGoogle公式ページ（Gemini Nano・AICore・ML Kit GenAI APIsの概要と対応端末一覧）を一次資料としている。両者の推論速度・モデルサイズ・パラメータ数といった技術的な性能比較は、今回参照したページには記載がなく確認できなかった
• Gemini Nanoの対応端末一覧は取得できたが、これは「Summarization・Proofreading・Rewriting・Image Description」の4機能特化APIと「Prompt API」とで対応端末リストが別々に示されており、この記事では両方の一覧を細部まで突き合わせてはいない。また各端末に搭載されているチップ（Snapdragonのどの世代かなど）とnano-v2/v3/v4の対応関係も、公式ページには明記されていなかった
• 「Mac」を含めた3プラットフォーム比較というタイトルの枠組みに対し、Mac側のオンデバイスAIはiPhone/iPadと同じApple Intelligenceの枠組みで動いており、Mac固有の追加要件は今回の取得範囲では見当たらなかった
• ML Kit公式ページの対応端末リストには「今後さらに対応端末を拡大予定」という注記があり、この記事に載せた表は2026年8月29日時点のスナップショットにすぎない。実際に自分の端末で動くかどうかは、この記事の一覧だけで判断せず公式ページを直接確認してほしい

関連記事

• Apple Intelligence機能一覧・対応機種・できること【2026年版】
• M5チップのNeural Acceleratorとは何か
• ローカルLLM おすすめモデル比較【2026年】
• Google「LiteRT.js」──ブラウザで.tfliteをネイティブ速度で実行
• ClaudeがAppleのFoundation Modelsフレームワークに対応──端末内モデルからの引き渡し