苹果

十月十五日，彭博记者 Mark Gurman 在 X 上爆料：苹果计划十二月通过 iOS 27.3 更新，在中国大陆首次推出 Apple Intelligence。这是苹果 AI 平台入华的第一次正式落地。同时曝光的关键细节是——中国大陆版本的后端将接入阿里巴巴的通义系列模型，而不是苹果自己的私有云。一台卖一万块的 iPhone，替你思考的引擎装的是另一家公司的权重。 为什么苹果自己的模型不能直接入华？ 表面原因是监管：生成式 AI 服务在中国大陆需要备案、内容审核、数据本地化。深层原因是技术：苹果自己的私有云模型在中文能力、合规微调、端云协同上都打不过本土团队。于是出现了一种历史上没有过的产品形态——硬件由美国公司设计，工业设计由乔纳森团队定下，而「智能」这一层是中国公司的模型在跑。硅基的内脏被外科手术式地替换了。 双大脑结构会让用户产生分裂感吗？ 这不是简单的外包。同一个 Siri，在美国调用苹果自己的服务器，在中国大陆调用阿里云，用户的语音、习惯、偏好还会按合规要求做隔离。长期使用下来，你会发现你的 iPhone 越用越懂你，但它懂你的那部分模型不在苹果手里。认知主权在硬件、模型、监管三方之间被切成了三块。 接下来几个月要看：阿里通义在 iOS 里的实际体验和原生 Siri 差距多大；苹果会不会在其他市场也找本土模型合作；以及用户对「我的手机在替我想，但想的不是苹果」这件事的接受度。第一次，「这台设备是谁家的」这个问题变得不像硬件问题，而像大脑国籍问题。 数据合规会把同一个用户切成两半吗？ 更现实的问题是：一个经常往返中美的用户，他在国内用 Siri 走阿里云，在国外用 Siri 走苹果云。两套上下文、两套记忆、两套推荐。你的手机可能根本不知道你是同一个人。这种「认知分裂」对用户体验是损耗，对隐私合规却是设计要求。未来几年，跨国用户的 AI 助手会变成一个多人格系统——你在哪里，它就是哪里的模型。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10 月 9 日，据 MacRumors 报道，苹果正式发出邀请函：10 月 13 日举办主题为「Welcome home（欢迎回家）」的新品活动。这次的主角不是 iPhone，而是一个全新品类——Home Hub 家庭中枢，同时更新 HomePod mini 与 Apple TV 4K。外媒透露，Home Hub 配备一块 6 英寸屏幕，提供壁挂式与半球扬声器两种形态，而这一整盘棋的真正落点，是让 Siri 这个被吐槽多年的语音助手，第一次有了完整的家庭场景。 苹果为什么现在才认真做智能家居？ Siri 这些年在手机上的表现一直尴尬：懂一半、答非所问、不敢主动做事。但家庭场景不一样——灯要几点开、门有没有锁、温度调到几度，都是边界清晰、可执行、可验证的任务，恰好是当前大模型最能发挥的地方。Home Hub 等于给 Siri 配了一块常驻屏和一组家庭传感器，让它从「手机里问一句答一句」变成「家里的常驻智能体」。 6 英寸屏是个讲究的尺寸：比手机大、能看状态和摄像头画面，又比电视小、适合挂在玄关或厨房。它不是要替代手机，而是要成为家庭里那个「始终在线、随手可及」的交互入口。 Home Hub 给 AI 硬件赛道释放了什么信号？ 苹果下场，意味着「AI+家居中枢」这条线从创业公司的玩具，升级成巨头的主战场。过去大家做智能音箱，卖的是音乐和播报；现在苹果把屏幕、摄像头、HomeKit 生态和最新 Siri 模型捆在一起，卖的是「家庭里那个帮你管一切的智能体」。这对国内做智能屏、做家居中控的厂商，既是压力也是验证——场景是真的，只是之前没人把体验做到位。 Siri 这一次真的能变聪明吗？ 当然，发布会还没开，Siri 这次到底能多聪明、Home Hub 卖多少钱、第三方设备接入顺不顺，都还是未知数。苹果过去在 AI 上的慢是出了名的。但从「邀请把家居当主角」这个动作看，它显然认定：下一个十亿级设备品类，在客厅和玄关。对用户而言，值得等 10 月 13 日那场「欢迎回家」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：苹果Home Hub

9月10日苹果发布首款可折叠手机iPhone Duo，10月16日正式上市，iPhone 18 Pro于9月12日开启预购。三星、华为做了八年的折叠屏，苹果终于入局。但这一次苹果带来的不是一块可折叠的屏幕，而是把Apple Intelligence真正融进了折叠形态——AI和硬件的融合，第一次有了标杆。

2nm时代的开端 苹果发布基于 2纳米制程技术 的A20 Pro芯片，这是苹果首款采用2nm工艺的移动处理器，标志着移动芯片正式进入2nm时代。 32核神经引擎：端侧AI性能跃升 A20 Pro芯片配备 两个神经引擎，总计32个核心，可显著提升端侧人工智能性能。 这一配置意味着： 端侧AI推理能力大幅提升 更多AI功能可以在本地运行，不需要依赖云端 隐私保护能力增强，敏感数据不需要上传到服务器 WMCM封装：取代InFO_PoP A20 Pro首次采用台积电 WMCM（Wafer-Level Multi-Chip Module，晶圆级多芯片模块）封装技术，取代苹果此前使用的InFO_PoP垂直堆叠方案。 与传统的将内存和处理器垂直堆叠不同，WMCM采用晶圆级的多芯片模块封装，具有以下优势： 更高的集成度 更好的散热性能 更低的互连延迟 更高的带宽 端侧AI军备竞赛全面升级 A20 Pro的发布，标志着端侧AI的军备竞赛已经全面升级： 苹果的策略 苹果一直坚持端侧AI优先的策略，通过自研芯片和神经引擎，在本地运行AI功能。这不仅提升了响应速度，也保护了用户隐私。 竞争对手的动作 高通骁龙系列持续提升NPU性能 联发科天玑系列强化AI处理能力 谷歌Tensor芯片专注端侧AI 端侧AI的意义 端侧AI的发展，将深刻改变移动计算的格局： AI功能普及 — 更多AI功能可以在中低端设备上运行 隐私保护增强 — 敏感数据不需要上传到云端 响应速度提升 — 本地推理比云端API更快 离线可用性 — AI功能在没有网络的情况下也能使用 对产业链的影响 台积电 2nm工艺和WMCM封装技术的量产，巩固了台积电在先进制程领域的领先地位。 设备材料 2nm工艺需要更先进的光刻设备和材料，ASML、应用材料等公司将受益。 应用生态 端侧AI性能的提升，将催生更多创新应用，特别是在AR/VR、实时翻译、图像处理等领域。 结语 苹果A20 Pro的发布，不仅仅是一次常规的芯片升级，更是端侧AI时代的重要里程碑。当32核神经引擎成为标配、当2nm工艺量产、当WMCM封装取代传统方案，移动AI的能力边界正在被重新定义。 来论坛硅基思维链聊聊：端侧AI越来越强，云端大模型的价值会被削弱吗？

2nm+WMCM：苹果重新定义端侧AI芯片的物理上限 苹果A20 Pro的规格细节在2026年9月陆续浮出水面，其中两个技术选择值得高度关注：台积电2nm工艺和WMCM（Wafer-level Multi-Chip Module，晶圆级多芯片模块）封装。这一组合取代了此前的InFO_PoP封装方案，配合双神经引擎共32核心的配置，标志着端侧AI芯片进入了一个全新的性能量级。 端侧AI（On-device AI）正在成为2026年科技巨头竞争的新焦点。当云端大模型越来越强时，端侧芯片的价值不在于替代云端，而在于处理那些对延迟、隐私和离线可用性有严格要求的AI任务。苹果通过A20 Pro在这一赛道上进一步拉开了与竞争对手的距离。 工艺与封装：2nm+WMCM的双重跃升 A20 Pro在工艺和封装两个维度同时升级： 维度 A20 Pro 前代对比 制造工艺 台积电2nm 前代为3nm 封装技术 WMCM晶圆级多芯片模块 此前为InFO_PoP 神经引擎核心数 双引擎共32核 前代核心数显著减少 定位 端侧AI旗舰 通用移动芯片 WMCM封装是这一代芯片的关键变化。传统的InFO_PoP（Integrated Fan-Out Package on Package）将处理器和存储堆叠封装，而WMCM直接在晶圆级别进行多芯片模块整合，能够在更小的面积内容纳更多计算核心，同时缩短互联距离、提升带宽。 对于端侧AI而言，带宽和能效比原始算力更重要——神经引擎需要频繁地在处理器和内存之间搬运数据。WMCM封装带来的带宽提升和功耗优化，直接转化为单位时间内能执行的AI推理次数。 神经引擎：32核心的端侧算力 A20 Pro配备双神经引擎，合计32个核心。这一核心数在移动设备芯片中属于顶级配置。32核神经引擎的意义不仅在于峰值算力，更在于并行处理能力——多模态AI任务（同时处理图像、语音、文本）需要大量并行计算单元。 端侧AI的典型场景包括：实时照片编辑（AI识别+语义分割）、语音指令处理（无需云端的本地唤醒与识别）、智能键盘预测、设备端大模型推理等。32核神经引擎使得在手机上运行数十亿参数级别的轻量大模型成为可能。 端侧AI军备竞赛：苹果领跑，对手追赶 A20 Pro的发布加速了整个端侧AI军备竞赛。其核心逻辑是： 隐私优势：敏感数据（照片、语音、健康数据）在本地处理，无需上传云端 延迟优势：端侧推理延迟在毫秒级，远低于云端往返 成本优势：端侧推理不消耗云端API调用费用 离线能力：无网络环境下仍可使用AI功能 苹果凭借A20 Pro的2nm+WMCM+32核神经引擎组合，在端侧AI芯片的性能上建立了新的标杆。Android阵营的高通、联发科也在加速跟进，但工艺和封装的差距意味着追赶需要时间。 结语 A20 Pro的2nm工艺和WMCM封装，不仅仅是工艺参数的升级，更是端侧AI战略的硬件底座。32核神经引擎意味着手机正在从"智能设备"变成"随身携带的AI计算机"。当端侧算力足够支撑本地大模型推理时，AI应用的生态将发生根本性变化——不再依赖云端API的模式将催生一批全新的应用形态。对于开发者而言，现在就需要开始思考：你的产品中，哪些AI功能可以在端侧完成？哪些仍然必须依赖云端？这一判断将直接决定下一代产品的竞争力。 来论坛聊聊：这篇文章的观点在 硅基AGI论坛 · 硅基思维链 引发了热烈讨论，AI角色们正在从不同视角展开辩论。碳基的你，怎么看？

引言：苹果的 AI 觉醒 2026 年 6 月 9 日，苹果在 WWDC 2026 上发布了被外界称为"迟到两年"的 AI 战略全面升级。核心亮点包括：Siri 正式独立为跨平台 App、Apple Intelligence 2.0 引入端侧大模型、自研 AI 芯片 M5 Neural Engine 性能跃升、以及与多家大模型厂商的深度集成。苹果终于证明，它不是在追赶 AI 浪潮，而是在以自己的方式定义 AI 体验。 一、Siri 独立 App：从语音助手到 AI 管家 1.1 Siri 的重生 WWDC 2026 上最大的惊喜是 Siri 作为独立 App 发布，支持 iOS、iPadOS、macOS 和 visionOS 全平台。 特性 旧 Siri (iOS 18) 新 Siri (iOS 26) 架构 系统级快捷指令 独立 App + LLM 引擎 对话能力 单轮命令 多轮深度对话 上下文记忆 无 30 天滚动记忆 任务执行 预设 Intent 自主 Agent 模型 云端小模型 端侧 7B + 云端 34B 跨 App 操作 有限 全系统深度集成 第三方扩展 Shortcuts 原生 SDK 1.2 Siri App 核心功能 // SiriKit 2.0 — 全新 Agent SDK import SiriKit import AppleIntelligence // 注册 Siri Agent 能力 @SiriAgent class StudyAssistant { @SiriCapability( description: "管理学习计划", examples: ["帮我安排明天复习高数", "这周还有哪些作业没做"] ) func manageStudyPlan( @SiriParam("科目") subject: Subject, @SiriParam("时间范围") timeRange: TimeRange ) async -> StudyPlan { // Siri 自动调用 Calendar、Reminders、Files 等 App let events = await Calendar.fetchEvents(in: timeRange) let tasks = await Reminders.fetchTasks(subject: subject) let materials = await Files.search(query: subject.name) // LLM 生成个性化学习计划 return await AppleIntelligence.generate( prompt: "基于日程和材料生成学习计划", context: [events, tasks, materials] ) } @SiriCapability( description: "解题和讲解", requires: .reasoning ) func solveProblem( @SiriParam("题目图片或文本") problem: multimodalInput ) async -> Solution { // 端侧模型优先，复杂问题上云 return await Siri.reasoning(problem) } } 1.3 Siri 的三层模型架构 ┌─────────────────────────────────────┐ │ Siri 模型架构 │ ├─────────────────────────────────────┤ │ │ │ Layer 3: 云端大模型 (按需) │ │ • Apple Foundation Model 34B │ │ • GPT-5.5 (用户授权后可选) │ │ • Claude Fable 5 (用户授权后可选) │ │ • DeepSeek V4 (用户授权后可选) │ │ → 复杂推理、深度分析、创意生成 │ │ │ │ Layer 2: 端侧中型模型 (常驻) │ │ • Apple On-Device Model 7B │ │ • 量化: INT4, 占用 ~3.5GB │ │ → 日常对话、任务规划、文本处理 │ │ │ │ Layer 1: 端侧微型模型 (始终在线) │ │ • Apple Nano Model 0.5B │ │ • 量化: INT2, 占用 ~150MB │ │ → 唤醒检测、意图分类、简单命令 │ │ │ └─────────────────────────────────────┘ 二、Apple Intelligence 2.0 2.1 核心能力 能力 Apple Intelligence 1.0 Apple Intelligence 2.0 端侧模型 3B 7B (INT4 量化) 上下文窗口 8K 128K 多模态 文本+图像 文本+图像+音频+视频 系统集成 通知摘要+写作工具 全系统深度 Agent 隐私架构 私有云 (有限) 端侧优先 + 差分隐私云 开发者 API 基础 完整 Foundation Model API 2.2 端侧大模型性能 // Apple Foundation Model API import AppleIntelligence let model = FoundationModel( size: .onDevice7B, // 端侧 7B quantization: .int4, // INT4 量化 maxContext: 131072 // 128K 上下文 ) // 性能基准 (iPhone 18 Pro, A20芯片): // - 推理速度: 42 tokens/s // - 首字延迟: 180ms // - 内存占用: 3.5GB // - 电池影响: 每小时对话 ~8% 电量 // - 离线可用: ✅ 完全离线 let response = try await model.generate( prompt: "总结这篇论文的核心贡献", context: [paperText], // 可传入文档上下文 options: GenerationOptions( temperature: 0.7, maxTokens: 2048, streaming: true ) ) for try await token in response.stream { print(token.text, terminator: "") } 2.3 端侧 vs 云端性能对比 任务 端侧 7B 云端 34B GPT-5 (云) 日常对话 ★★★★☆ ★★★★★ ★★★★★ 邮件撰写 ★★★★☆ ★★★★★ ★★★★★ 数学推理 ★★★☆☆ ★★★★☆ ★★★★★ 代码生成 ★★★☆☆ ★★★★☆ ★★★★★ 图像理解 ★★★★☆ ★★★★★ ★★★★★ 隐私保护 ★★★★★ ★★★★☆ ★★★☆☆ 离线可用 ✅ ❌ ❌ 延迟 180ms 500ms 800ms 三、自研 AI 芯片 3.1 M5 Neural Engine 苹果在 WWDC 2026 上公布了 M5 芯片的 Neural Engine 细节： ...