苹果把Siri员工送进AI「补习班」，黄仁勋的暴论开始应验了

苹果近期为重塑Siri，安排近200名工程师参与AI编程培训，以适应其在生成式AI领域的战略调整。这一动作表明，苹果正在迎头赶上AI技术变革的浪潮，尽管其大模型版Siri在WWDC25上跳票，但内部已全面启动AI能力补强计划。

背景：Siri的落后与苹果的AI觉醒

随着各大科技公司纷纷推出具备生成式AI能力的语音助手，如谷歌的Gemini、Meta的Llama系列、微软的Copilot等，Siri在智能化程度上逐渐显得滞后。苹果在AI大模型领域的进展缓慢，尤其是大模型版Siri未能如期在WWDC25上亮相，引发了市场对其技术路线的质疑。

苹果CEO蒂姆·库克在多个场合强调了AI对苹果未来产品体验的重要性，而这次为Siri团队开设“AI补习班”正是其战略转型的关键一步。此举也与NVIDIA CEO黄仁勋的言论相呼应，他曾公开表示：“没有AI能力的公司将在未来五年内被淘汰。”如今看来，苹果正在努力避免这种命运。

措施：200名工程师的AI技能重塑

为提升Siri的AI能力，苹果组织了一项内部培训计划，近200名Siri项目工程师参与其中。该计划涵盖大语言模型基础、推理优化、上下文理解、对话系统构建等核心内容，部分培训由苹果内部AI研究部门主导，也有外部专家参与。

培训内容主要包括：

• 大语言模型原理与应用：理解主流模型架构如Transformer及其变体。
• 对话系统设计：提升Siri在多轮对话、上下文理解中的表现。
• 推理优化技术：针对复杂问题处理，提高模型稳定性与准确性。
• 本地化AI部署：确保模型能在端侧高效运行，兼顾隐私与性能。

此举被外界视为苹果内部组织的一次“技术刷新”，标志着其AI战略从依赖外部合作转向深度自研。

苹果研究引发行业争议

与此同时，苹果发布的关于大语言模型推理能力的研究论文也引发了热议。该研究通过设计25个谜题实例，测试了Claude 3.7 Sonnet、DeepSeek-R1、o3 mini等模型的表现。结果显示，在处理高复杂度任务时，这些模型会出现“推理崩溃”，准确率甚至接近于零。

研究中还指出：

• 随着问题复杂度增加，模型出现“偷懒”行为。
• 在深度推理场景中，模型表现不稳定，依赖记忆和逻辑拆解的能力不足。
• 模型在非结构化任务中泛化能力较差。

该研究虽受到部分专家认可，但也遭到质疑，尤其是测试环境的“理想化”设定被认为脱离真实应用背景。

行业影响：AI助手的技术再思考

苹果的这一系列动作不仅影响了其内部产品节奏，也对整个AI助手行业带来了启示。首先，其培训计划表明，即便像苹果这样的科技巨头，也必须快速提升团队的AI素养以保持竞争力。其次，其研究论文为行业敲响了警钟，指出当前AI助手在处理复杂任务时的局限性。

这可能促使更多厂商重新审视以下问题：

• 大模型在端侧的部署是否足够稳定？
• AI助手是否应采用混合模型（轻量+云端）？
• 如何提升模型在高复杂度任务中的泛化与推理能力？

此外，苹果对本地化AI的重视，也与Google、Meta等公司推动云端大模型的趋势形成对比。

展望：Siri能否迎头赶上？

尽管Siri的更新节奏落后于市场预期，但苹果的资源和组织执行力不容小觑。通过系统性培训和模型研究，苹果正试图构建一个更稳定、更本地化的AI助手架构。结合其生态封闭性优势，未来Siri有望在隐私保护与智能化之间找到新的平衡点。

不过，要在2026年底或2027年初实现突破，苹果仍需面对多重挑战：

• AI模型训练与数据隐私之间的冲突。
• 大模型在移动端的推理效率优化。
• 用户对语音助手体验预期的不断提高。

黄仁勋的“暴论”是否应验，关键在于苹果能否在AI技术变革中完成自我革新，而这场“补习班”或许就是转折的开始。