苹果的一次体面认输

Siri的十年停滞：从先锋到追赶者

2011年随iPhone 4S发布的Siri，脱胎于美国国防高级研究计划局资助的CALO项目，苹果以超2亿美元收购，一度被视为智能助手的未来雏形。然而，受苹果封闭控制的产品逻辑限制，Siri仅被允许执行确定性任务，主动性和记忆能力被严格剥离。它很快从“有野心的个人助理”退化为“语音遥控器”，用户从惊艳到调侃，再到弃用。十年来，苹果在端侧AI上做了大量布局：2015年收购自然语言与深度学习公司，2017年推出Neural Engine与Core ML，持续强化隐私优先的端侧路线。但这些碎片化的能力始终未能整合成完整的智能体体验。直到ChatGPT出现，用户预期被彻底重塑，苹果自研模型Apple Intelligence的落地一再延迟，追赶已变得狼狈。

体面认输：苹果牵手Gemini重构AI

WWDC 2024成为转折点。苹果正式宣布与Google达成深度合作，放弃完全自研的技术路线，转而借助Google Gemini的1.2万亿参数定制模型来重建Siri底层能力。苹果每年向Google支付约10亿美元，通过蒸馏技术从Gemini生成的训练数据中产出可端侧运行的小模型。这一举动被外界解读为“体面的认输”——苹果保留了产品控制权与生态权限框架，但技术主权已拱手让人。原AI负责人John Giannandrea被调离，Craig Federighi接管AI方向，Vision Pro负责人Mike Rockwell执掌Siri团队，Siri工程师被批量送去学习AI编程工具。苹果在发布会上将Siri更名为“Siri AI”，并为其推出独立应用，支持对话保存与跨设备同步——这些本该在十年前就有的功能，如今靠外部输血才得以实现。

借骨重生：Google模型+Nvidia算力的新格局

苹果公布了第三代Apple Foundation Models，共五个模型：端侧最小30亿参数的AFM 3 Core，按请求激活部分参数的200亿稀疏模型AFM 3 Core Advanced，云端模型AFM 3 Cloud、图像模型ADM 3 Cloud，以及最强的AFM 3 Cloud Pro。模型后端的推理任务不再完全依赖苹果自有数据中心，部分请求将跑在Google Cloud的Nvidia GPU上。苹果的Private Cloud Compute首次延伸至第三方基础设施，技术栈覆盖Nvidia Confidential Computing、Intel TDX和Google Titan芯片。苹果强调仍控制PCC软件与数据加密，但“Apple Intelligence”中的Apple已更多代表产品控制权，不再是完整的技术主权。这意味着，如果苹果做不出更好的大模型，Gemini本身就决定了苹果AI体验的天花板。对于一向以软硬一体、自研至上为傲的苹果来说，这无疑是一次体面的认输。

未竟的挑战：中国落地与硬件门槛

Apple Intelligence在中国市场的落地面临多重障碍。受监管与数据本地化要求，苹果必须对接本土模型服务商，难以适配微信、支付宝等高频率场景，产品能力将与海外版本存在明显差距，同时直面国产手机厂商的AI竞争。此外，AI能力设置了硬件门槛：Apple Intelligence最低要求iPhone 15 Pro及更新机型，最强端侧模型甚至需要iPhone 17 Pro或12GB以上统一内存的M4/M3设备。这既是苹果刺激换机的新动力，也意味着“更懂用户”的智能被包装成了价格门槛。更深层的伦理问题尚未解答：当AI走进用户生活，如何在“帮用户分担认知杂活”与“不越界窃取隐私”之间找到平衡？苹果的答案还停留在PPT上。但至少，库克在告别时刻亲手为苹果铺好了AI路基——尽管没有惊喜，只有追赶。