世家 · 苹果（Apple Intelligence）
全球用户量最大的消费电子公司，对 AI 长达十年的克制在 2024 年 WWDC 被打破——"Apple Intelligence"试图把大模型装进十亿人的口袋，却也在交付与隐私之间，写下苹果史上最复杂的一笔。
一、Knowledge Navigator：一个 1987 年的预言
1987 年，约翰·斯卡利（John Sculley）治下的苹果发布了一段五分钟的概念视频，名为 Knowledge Navigator。视频里，一位伯克利教授对着一台对开的平板电脑下达指令——"找一下昨天那篇关于亚马孙森林的论文"——平板上一位戴蝴蝶结的虚拟助理用自然语言回答、调出文献、自动接通同事的视频电话。
那是 1987 年。苹果尚无 Mac OS X、无 iPhone、无云。这段视频却预演了三十年后的 Siri、FaceTime、知识助理。
这是苹果对 AI 最早、也最浪漫的一次表态。但接下来的二十年，苹果几乎不谈 AI——它造产品。
值得注意的是，Knowledge Navigator 视频里设定的日期，就是 2011 年 9 月 16 日——而真实世界中的 2011 年 10 月，苹果发布了 Siri。这种巧合既被视作传奇，也被视作苹果对自己长期愿景的某种执念。
二、Siri：从 SRI 走出，被苹果买下
故事要从美国国防部下属的 DARPA 说起。2003 年起，DARPA 资助 SRI International 的 CALO 项目（Cognitive Assistant that Learns and Organizes），五年投入约 1.5 亿美元，目标是造一个能学习的认知助理。
CALO 的成果之一，被三位工程师 Adam Cheyer、Tom Gruber、Dag Kittlaus 在 2007 年拆出来，注册成一家创业公司——Siri Inc.。2010 年 2 月，Siri 在 App Store 上架；两个月后的 4 月 28 日，苹果以约 2 亿美元的传闻价格收购了 Siri Inc.。
这是史蒂夫·乔布斯（Steve Jobs）生前批准的最后几笔重要收购之一。他亲自打电话给 Kittlaus 三周，说服他卖。2011 年 10 月 4 日——乔布斯去世前一日——iPhone 4S 发布会上 Siri 作为系统级语音助手亮相。
它是第一款主流智能手机自带的个人 AI 助理，比 Google Assistant 早五年、比 Alexa 早三年。
可惜，自此以后 Siri 走下神坛。原始团队陆续离职，三位创始人最终另起炉灶造了 Viv（2016 年被三星收购，演化为 Bixby）。Siri 在苹果内部经历多次重构、跨多个团队，问答能力长期停留在"定时器和天气"——这成了苹果 AI 战略最长的债。
Siri 失速的根本原因，事后被反复复盘：苹果把它当作产品功能，而非平台；语音识别、意图解析、动作执行被切成不同子团队，没有统一的语义中枢；隐私优先的工程文化让它无法像谷歌、亚马逊那样把全网用户语料汇总训练。这些今天看似小事的工程决策，让 Siri 在大模型时代的起跑线已经落后。
三、神经引擎与 Core ML：端侧路线的奠基
苹果对 AI 的执念，不在云端，而在芯片。
2017 年 9 月，A11 Bionic 随 iPhone X 发布，首次集成 Neural Engine（神经网络引擎），双核、每秒 6000 亿次操作。它的第一个公开任务是 Face ID 的人脸识别。同月，苹果发布 Core ML 框架，开发者可以把训练好的模型转成端侧格式，在 iPhone 本地推理。
这套组合奠定了苹果与谷歌、亚马逊截然不同的路线：模型跑在本机，不送数据到云。
2020 年苹果转向自研 Apple Silicon——M1、M2、M3、M4——把 Neural Engine 一路升级到每秒数十万亿次操作（M4 达 38 TOPS）。到 2023 年，一台 MacBook 已经能本地跑 70 亿参数的语言模型，这是十年前不可想象的算力下沉。
苹果的端侧路线还有一道隐性优势：统一内存架构（Unified Memory Architecture）。CPU、GPU、Neural Engine 共享同一块物理内存，模型加载与推理时不需要跨设备拷贝大块权重，这让大模型在 Mac 上的实测推理速度甚至超过部分独显工作站。这是 ARM 架构与 x86 架构在 AI 时代的一次决定性分野。
2018 年 4 月，苹果挖来谷歌 AI 主管詹南德雷亚（John Giannandrea），担任高级副总裁，主管机器学习与 AI 战略。詹南德雷亚是搜索与知识图谱出身，在谷歌主导过 Gemini 前身的多项工作。
他的到来，被外界解读为苹果终于要"认真做 AI"——但接下来六年，他几乎不公开露面，苹果继续在沉默中积累。
这种"不发声"是苹果一贯风格：直到产品成熟前，宁可被嘲笑落后，也不发布概念视频或路线图。这给苹果带来巨大的时间压力——当 ChatGPT 在 2022 年底引爆世界，苹果是消费电子大厂里反应最慢的一个，但也是少数仍把"产品先于演示"奉为铁律的一个。
四、MLX 与开源研究的转向
2023 年 12 月，苹果机器学习研究团队悄悄开源了 MLX——一个为 Apple Silicon 原生设计的数组计算框架，对标 PyTorch 与 JAX。Awni Hannun 等人主导，代码托管在 GitHub。MLX 让研究者可以直接在 M 系列芯片上训练与推理大模型，统一内存架构让 GPU/CPU/Neural Engine 数据零拷贝。
这之前后，苹果的研究论文也密集起来：2024 年发布 OpenELM（端侧语言模型，2.7 亿到 30 亿参数）和 MM1（多模态模型，最大 300 亿参数）；2024 年 WWDC 后又发布 Apple Intelligence Foundation Language Models 技术报告，详述端侧 30 亿参数模型与服务端模型的训练、对齐与评估流程。这是一家以保密著称的公司，开始向开源社区交底——尽管核心权重并未公开。
苹果开源策略的克制是有意的：MLX 是工具，不是模型；OpenELM 是研究范式，不是商品。它把"基础设施开源、产品保留"当作底线——既换得学术界的善意，又不放出核心竞争力。这与 Meta 的全开放权重路线截然不同，是大公司开源博弈中独特的一种姿态。
五、2024 WWDC：Apple Intelligence 登场
2024 年 6 月 10 日，库比蒂诺，苹果总部。WWDC 主题演讲，库克（Tim Cook）开场，费德里吉（Craig Federighi）主讲——苹果正式发布 Apple Intelligence，定义为"为你而生的个人智能"（Personal Intelligence）。
整套架构分三层。
端侧：约 30 亿参数的小模型，在 iPhone 15 Pro 及以上、配 M 系列芯片的 iPad/Mac 本地运行，处理写作建议、邮件摘要、通知优先级、Genmoji、Image Playground 等高频任务。
Private Cloud Compute：苹果自建的私有云，运行更大的服务端模型。它最关键的不是性能，而是隐私架构——苹果声称数据"加密上传、用完即焚、苹果自己看不到"，并接受第三方安全研究员的代码审查。这是苹果给自己设下的最高难度：在云端做 AI，又承诺与端侧同等隐私。
第三方接入：处理超出苹果模型能力的复杂请求时，Siri 会请求用户授权后调用 ChatGPT（首个合作方为 OpenAI）。后续苹果宣布也将接入 Google Gemini，并在中国大陆与百度（"文心一言"）和阿里巴巴（"通义千问"）合作。
发布会同时推出系统级写作工具、邮件 / 通知摘要、新视觉智能、重构的 Siri、深度集成的 Image Playground 与 Genmoji。库克在结束语中说："我们不是要做最聪明的 AI，而是要做最有用、最尊重你的 AI。"
六、合作与争议：一场关于灵魂的争论
Apple Intelligence 与 OpenAI 的合作，是苹果史上最具争议的战略选择之一。
发布会后数小时，埃隆·马斯克（Elon Musk）在 X 平台公开宣称："如果苹果在操作系统层面集成 OpenAI，我会在我的公司里禁用所有 iPhone。这是不可接受的安全侵犯。"虽是一贯的夸张，却点出了真问题：苹果是否在把"灵魂"外包给一家自己不掌控的公司？
苹果的回应是分层：端侧与私有云的能力是自家的，调用 ChatGPT 必须用户每次明确授权、可见可关。但批评者依然质疑：当 Siri 越来越频繁地说"我让 ChatGPT 帮你回答"，苹果就在丧失自己定义"智能"的话语权。
更现实的挑战是交付。2024 年 10 月，Apple Intelligence 第一阶段功能（写作工具、通知摘要）随 iOS 18.1 推出，仅限美国英语；12 月新增 Image Playground、Genmoji、ChatGPT 集成。但被寄予厚望的"个人化 Siri"——能跨 App 理解你的日程、邮件、消息上下文——一再延期。
2025 年 3 月，苹果罕见地发布声明承认延期，将"更个人化的 Siri"推迟到 2026 年。彭博社记者 Mark Gurman 报道指出，内部多位高管认为现有 Siri 架构难以支撑大模型重构，可能需要彻底另起炉灶。这是苹果二十年来最公开的 AI 战略挫折。
七、苹果 AI 的世界观
把 Apple Intelligence 放回更大的产业图里，苹果走的是一条第三条路。
它不像 OpenAI、Anthropic 那样追求最强模型；它不像谷歌那样把云端 AI 作为搜索的延伸；它也不像 Meta 那样押注开源权重生态。它的赌注是消费操作系统：当全球十几亿台活跃苹果设备每年合一升级到带 AI 的 iOS，AI 就第一次从极客与开发者的玩具，变成了普通人每天用的功能。
这条路有它的合理性。端侧推理成本接近零、隐私可控、规模天然就大。
它也有它的代价：模型迭代速度受制于硬件周期；前沿能力始终落后第三方半步到一步；当用户期待与 ChatGPT、Gemini 同水平的对话能力时，苹果端侧模型只能勉强跟上。
到 2025 年下半年，库比蒂诺继续在三件事上加码：自研云端大模型（替代对外部模型的依赖）、更深入的开发者 API（让所有 App 都能用 Apple Intelligence）、机器人与可穿戴设备的端侧多模态。詹南德雷亚仍在台前沉默，库克与费德里吉则反复强调："AI 是一段长征，不是一次冲刺。"
八、隐私即架构：Private Cloud Compute 的工程豪赌
Private Cloud Compute（PCC）是 Apple Intelligence 最具工程野心的部分，也是苹果 AI 战略最容易被低估的地方。
传统云 AI 的隐私模型是"信任服务方"——用户必须相信 OpenAI、谷歌不会窥探请求内容。苹果不接受这套。PCC 的目标是用密码学和硬件证明，让数据连苹果自己都看不到。
它的关键设计有三：用户设备只把请求发给可被远程证明的"已签名 PCC 节点"；PCC 节点不持久化任何用户数据，运行结束后状态归零；苹果发布 PCC 节点的固件镜像与源码片段，邀请独立安全研究员审核——若发现节点上跑的不是公开镜像，整个信任链立即作废。
这是工业界第一次尝试把"机密计算"（confidential computing）做到消费级 AI 服务里。代价不小：硬件用专门的 Apple Silicon 服务器、网络层带证明（attestation）、调度系统重写——同等性能的成本远高于普通云推理。
但这是苹果给自己的差异化定位。在大模型已经无差别廉价化的世界里，它要让"隐私"变成商品。这条路若走通，苹果会在 toC AI 领域立下一道别人短期内难以跨越的护城河；若走不通，则会成为又一个昂贵但缺乏说服力的市场术语。一切，仍在写。
发布会后，独立安全研究员 Matthew Green、Bruce Schneier 等先后撰文评估 PCC 设计，普遍承认其威胁模型是迄今为止云 AI 最严谨的——尽管"苹果自己看不到"是否绝对成立，仍待长期审计验证。这本身已是 AI 行业一种少见的进步：让最大的玩家之一，公开把自己绑在隐私义务上。
太史公曰
苹果之于人工智能，犹汉之文景——不争一时之锋芒，而图百年之根基。它最早演练 Knowledge Navigator，最早在主流手机内置语音助理，最早把 Neural Engine 嫁给消费芯片，却在大模型时代最迟开口。当 OpenAI 与谷歌争天下，苹果选了"端侧 + 私有云"的窄路：慢、保守、被嘲笑落后，但每一步都把数十亿用户的隐私与日常生活当作约束条件。这条路对错未定。Apple Intelligence 的延期已是苹果史上少有的公开挫折，OpenAI 集成又让灵魂归属之争始终悬而未决。然而当 AI 真正从云端走入口袋的那一天，仍要看苹果如何把这件事做成"普通人不察而日用之"——若做成了，便是 AI 民主化的最后一块拼图；若做不成，便是一段昂贵的、关于谨慎之极限的教训。
亲历者说
征集中
如果你曾在苹果机器学习、Siri 或 Apple Intelligence 团队工作，欢迎提交贡献。
参考资料
- Apple Inc. (1987). "Knowledge Navigator." Concept Video, Apple Computer.
- Markoff, J. (2010). "Apple Buys a Start-Up for Its Voice Technology." The New York Times, April 28, 2010.
- Bosker, B. (2013). "SIRI RISING: The Inside Story of Siri's Origins—And Why She Could Overshadow the iPhone." HuffPost, January 22, 2013.
- Apple Inc. (2017). "Core ML and Vision: Machine Learning in iOS 11." Apple Developer Documentation.
- Hannun, A. et al. (2023). "MLX: An Array Framework for Apple Silicon." Apple Machine Learning Research, GitHub.
- Mehta, S. et al. (2024). "OpenELM: An Efficient Language Model Family with Open Training and Inference Framework." arXiv:2404.14619.
- McKinzie, B. et al. (2024). "MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training." arXiv:2403.09611.
- Gunter, T. et al. (2024). "Apple Intelligence Foundation Language Models." Apple Machine Learning Research, Technical Report.
- Apple Inc. (2024). "Private Cloud Compute: A New Frontier for AI Privacy in the Cloud." Apple Security Research Blog, June 10, 2024.
- Federighi, C. (2024). "Introducing Apple Intelligence." WWDC 2024 Keynote, June 10, 2024.
- Gurman, M. (2025). "Apple Delays More Personalized Siri AI Features to 2026." Bloomberg News, March 7, 2025.
- Patel, N. (2024). "Elon Musk Threatens to Ban Apple Devices Over OpenAI Partnership." The Verge, June 10, 2024.