惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - 司徒正美
雷峰网
雷峰网
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
大猫的无限游戏
大猫的无限游戏
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
爱范儿
爱范儿
V
V2EX
有赞技术团队
有赞技术团队
C
CXSECURITY Database RSS Feed - CXSecurity.com
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
The Hacker News
The Hacker News
WordPress大学
WordPress大学
T
Threat Research - Cisco Blogs
Scott Helme
Scott Helme
博客园 - Franky
T
Threatpost
TaoSecurity Blog
TaoSecurity Blog
V
Vulnerabilities – Threatpost
小众软件
小众软件
罗磊的独立博客
量子位
Attack and Defense Labs
Attack and Defense Labs
博客园 - 叶小钗
T
The Exploit Database - CXSecurity.com
Jina AI
Jina AI
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
L
Lohrmann on Cybersecurity
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
O
OpenAI News
S
Security @ Cisco Blogs
W
WeLiveSecurity
Help Net Security
Help Net Security
腾讯CDC
L
LINUX DO - 最新话题
酷 壳 – CoolShell
酷 壳 – CoolShell
Google Online Security Blog
Google Online Security Blog
SecWiki News
SecWiki News
月光博客
月光博客
Webroot Blog
Webroot Blog
Project Zero
Project Zero
V
Visual Studio Blog
A
Arctic Wolf
The Last Watchdog
The Last Watchdog
博客园 - 聂微东
www.infosecurity-magazine.com
www.infosecurity-magazine.com
J
Java Code Geeks
美团技术团队
S
SegmentFault 最新的问题
N
News and Events Feed by Topic

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新AI工作站来了 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了! 从 Coding 到 Agent:QCon 北京 2026 全景复盘,优秀出品人 & 明星讲师名单揭晓 全链路支撑大模型国产化“Day 0适配”,商汤大装置构建全栈能力底座 凌晨,OpenAI 与亚马逊云科技史上最大联合发布来了 HashiCorp Vault 2.0 发布:引入新身份联邦机制,迈入 IBM 生命周期体系 Yelp 实现超 1,000 个 Cassandra 节点零停机升级 写了 17 年开源代码,我为什么认为 Coding Agents 堆功能是在瞎折腾? 基于 Apache Camel 编排智能体与多模态 AI 管道 面向智能体与人类用户的AI记忆系统:架构设计与核心场景实践|AICon上海 Anthropic 推出 Managed Agents,简化 AI 代理部署流程 阿里HappyHorse开启灰测,720P视频生成低至0.44元/秒 讯飞联合清华团队押注量子AI:不看营收、不设KPI,一群“无人区”科学家,抢夺下代AI算力入口 小米万亿模型全面开源:MIT 协议、1M 上下文,但还是打不过 DeepSeek Cortex Code 入门指南:面向数据工程师的实践路径 | 技术实践 openJiuwen社区首发Team Skills,定义Coordination Engineering新范式 用 Snowflake Cortex Agents 释放结构化数据的最大价值 | 技术实践 Grafana 利用 Kafka 对 Loki 进行了架构重构,并发布了一款命令行工具,旨在将可观测性引入编码代理 ClickHouse重构全文索引:对象存储上跑出高性能 Full-Text Search 可观测性和遥测技术如何提升软件工程实践 Dropbox 与 GitHub 合作,将单体库大小从 87GB 缩减至 20GB Agent 的下一站:基于长期记忆系统 EverOS 的自我演进|AICon上海 同一赛道,四种收费:Agent 控制层(Harness)开始分裂 Cloudflare Sandboxes 正式发布,为 AI 代理提供持久化隔离环境 Agent 的“记忆断片”困局,该怎么破?_AI&大模型_AICon 全球人工智能开发与应用大会_InfoQ精选视频 数据分析师如何快速建立在 AI 时代最值钱的能力:一份可落地的行动路线图 摩尔线程最新财报:研发占比超86%,万卡级大规模智算集群落地 当云区域失效:地缘动荡环境下的高可用重构 Slack 重构通知系统,设置参与度提升 5 倍 智能体工程的隐性技术债务 “我把所有模型都换成了DeepSeek V4”:月账单将降 90%,效果还更好 阿里云智能集团高级技术专家刘少伟已确认出席AICon上海站,并分享如何构建企业 Agent 的自动化行动架构 构建生产就绪的 tRPC API:Apollo Federation 的 TypeScript 替代方案 Anthropic推出面向Claude Code的基于智能体的代码审查功能 北京车展直击:斑马智能甩出车载Agent短剧,比亚迪率先落地,AI让智能座舱又热起来了 Snowflake 作为智能体运行时:从静态管道迈向自主数据系统 | 技术实践 Snowflake 上的本体体系:基于 Cortex Code 能力实现从架构到部署 | 技术实践 Cloudflare 公布 MCP 架构方案,应对企业面临的安全与治理风险 复杂的项目管理怎么做到「AI 友好」?飞书项目用「开放」给出答案 Snowflake Cortex Code 的规范驱动开发:将 SDLC 方法论引入 AI 辅助工作流 | 技术实践 Copilot 不让注册了:从“随便用”到“全面限”,agent 把原有订价模型顶穿了 当互联网用AI卷效率时,这家公司先问了一连串“能不能” Meta 开始记录员工每一次点击:AI 要接管工作,先监控会工作的人 Meta“Token榜”逼疯打工人,一夜烧掉公司几万刀!AI时代Token焦虑越来越离谱 智源FlagOS完成DeepSeek-V4-Flash在八款芯片Day0适配,实现三重技术突破 DeepSeek V4 重磅开源!首次打通华为Ascend,也没丢掉英伟达,百万上下文夺回国产模型话语权 李志飞的“新实验”:当超级个体撞上真实组织 GPT-5.5 登顶时刻,Anthropic 亲口承认 Claude 变笨了!网友群嘲:太敷衍 那些没空写的小需求,龙虾真能做吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从 Pandas 到生产:使用任意 IDE 进行可扩展的 ML 数据管道与分布式处理 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 pnpm 11 候选版本发布,带来 ESM 分发、供应链默认设置以及新的存储格式 银行业PDF表格提取方案重构:基于Java的分层方案 GPT-5.5 赢了 Opus 4.7 和 Mythos?奥特曼晒黄仁勋内部信:英伟达全员用上 Codex! Cloudflare 推出 Think:一款面向 AI 代理的持久化运行时 1850亿美元天价支出、75%代码由AI生成!谷歌正式宣告:全面转向智能体工作流 xAI落后太多,马斯克“开大”重金求购Cursor,100亿美金“分手费”都敢签! Pulumi 新增对 Bun 运行时的全面支持 姚顺雨腾讯模型首秀!不卷参数只做 “听话打工人”,Hy3 preview登场 | 附实测 老板让你“忽悠”投资人,你敢发给龙虾吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 Gemini CLI 引入子代理机制,实现任务委派与并行代理工作流 清华系团队星工聚将完成数千万天使轮融资,轮式机器人拿下头部制造企业亿级大单 Pretext.js 绕过 DOM 布局重排,实现 120 FPS 的高级交互体验 靠“AI 云”爆红的 Vercel,栽在一个第三方AI工具手里!IPO前夕遭黑,200万美元赎金谈崩? 高能研讨会|端侧 AI 正在重写实时感知效率上限_AI&大模型_王玮_InfoQ精选视频 2050大会看这篇就够了|报名、交通食宿指引大全 Java 近期资讯:OpenJDK JEP、Jakarta EE 12、Spring Framework、Micrometer、Camel、JBang 金融智能的架构编排:基于 Snowflake Cortex Agents 实现结构化与非结构化数据统一分析 | 技术实践 在AK大神爆火的任务里,摸清国产AI真实水平 百灵Ling-2.6-flash 正式发布:高 Token 效率,以 1/10 消耗实现 SOTA 级 Agent 能力 当 PM 懂AI,当技术懂产品:AI 时代产品力的双向进化|PM x AI产品力领航者大会即将开幕 为 AI 智能体设计记忆机制:揭秘 LinkedIn 的认知记忆智能体 获奖名单公布|2026主题征文第一期|分享你最有价值的龙虾场景与核心 Skill_热门活动_InfoQ写作社区官方_InfoQ写作社区
WWDC 2026,硅谷历史上最昂贵的认输:1.2 万亿参数 Siri 来自 Gemini,但你的手机跑不了
Tina · 2026-06-15 · via InfoQ - 促进软件开发领域知识与创新的传播

这可能是 Tim Cook 最后一次在 Apple 发布会上说出那句熟悉的“Good morning”。

北京时间 6 月 9 日凌晨,Apple 举行了 WWDC 2026 主题演讲。按照此前消息,Tim Cook 将于 9 月 1 日卸任 Apple CEO,因此外界普遍预计,这场 WWDC 成为他以 CEO 身份主持的最后一场 Apple 大型发布活动。活动开始前,Cook 也提前在 X 上发布了一支特别视频,用一种轻松、幽默的方式,为自己的经典开场白做了一次告别式预热。

多年来,Tim Cook 几乎总是以同一句“Good morning”开启 Apple 发布会。这句简单的问候,早已成为 Apple Keynote 的固定仪式,也逐渐被网友做成各种梗。此次视频中,Cook 邀请多位影视和综艺明星客串,让他们用不同方式演绎这句“Good morning”,既像是一次自我调侃,也像是在为这场特殊的 WWDC 提前铺垫情绪。

今年 4 月,Cook 宣布将在 9 月把 Apple 的掌舵权交给 John Ternus。Cook 曾帮助 Apple 成为全球最具价值的公司之一,而 Ternus 是一名机械工程师出身的高管,目前负责 Apple 硬件产品的开发,包括 Mac 电脑和 iPhone。

尽管外界认为 Apple 在 AI 上曾有失误,但在 Cook 的领导下,这家公司依然取得了巨大成功。起码在他担任 CEO 的 15 年里,按拆股调整后,Apple 股价上涨了约 2000%。

不过,在这个略带告别意味的开场之外,WWDC 2026 真正的看点,仍然是 Apple 接下来要如何讲述自己的 AI 故事。

从零开始的 Siri

这届 WWDC,Apple 最受关注的主角可能不再只是 iOS、macOS 或新的开发者工具,而是 Siri。过去一年,Apple Intelligence 曾被寄予厚望,但最关键的 Siri 升级迟迟未能兑现,最终让 Apple 内部意识到,问题已经不只是一次功能延期,而是一场 AI 战略危机。

据 Mark Gurman 披露,2025 年初,Apple 高层曾专门召开关键会议,讨论如何应对 Apple Intelligence 表现不佳和 Siri 改造延期的问题,并最终推动 Siri 重建进入新的组织安排。换句话说,这次 WWDC 上可能出现的新 Siri,并不是一次按部就班的产品迭代,而是 Apple 在生成式 AI 浪潮中被迫加速调整后的结果。

如果说过去的 Siri 更像是一个语音命令入口,那么这一次 Apple 试图展示的,是一个被重新定义的系统级 AI 助手。

按照 Apple 的说法,新版 Siri AI 并不是在旧 Siri 上简单叠加几个生成式 AI 功能,而是一次从底层架构到交互方式的重建。

“Siri 经过彻底重构,以强大的 AI 为核心。它充分利用了 Apple Intelligence 的全新架构,包括可在设备和服务器上运行的下一代 Apple Foundation 模型(使用私有云计算)。”

目前,Apple Intelligence 已经拥有第二代端侧模型。在新的体验中,听写功能得到了改进,个人上下文理解能力也融入新系统。Apple Intelligence 会使用 Spotlight 的语义索引来改进搜索,并为感知能力提供支持。此外,新系统还包含广泛的世界知识和 App Actions,屏幕感知能力也被加入其中。

落实到具体 App 上,Apple Intelligence 也带来了不少实用改进:

  • 密码 App:可以帮助用户一键更新多个弱密码。

  • Messages:它可以理解聊天上下文,提醒用户把某件事加入提醒事项或备忘录,也可以帮用户找到聊天中提到过的照片。

  • Phone App:将新增通话上下文能力,例如当用户给航空公司打电话时,可以帮助调出航班确认号码等相关信息。

  • 邮件 App 和日历 App:会变得更“懂上下文”。比如邮件可以根据内容给出更合适的建议,日历则可以直接通过自然语言创建日程,并自动识别其中的联系人、地点等信息。

据 Apple Siri 工程副总裁 Mike Rockwell 介绍,新版 Siri 将提供一个能力更强的助手,并拥有一个专门的 Siri App。

设计上也采用了此前传闻中的变化:过去那种环绕屏幕边缘的彩色效果,被一个基于 Dynamic Island 的深色主题界面取代。

新版 Siri 也展示了屏幕感知能力。比如,当用户看到一条 Instagram 帖子时,可以直接询问帖子中提到的地点;Siri 还能识别联系人,而无需在每次提示中提供具体信息。至少从目前展示来看,新 Siri 的这些功能,兑现了 Apple 两年前在 WWDC 2024 上演示、原本计划随 iOS 18 推出的能力。

新版 Siri 的语音功能也更加个性化,不仅提供预设语音选择,还增加了语速和语调等更多选项。

在 iOS 上,用户可以从 Dynamic Island 向下滑动打开 Siri,也可以使用现有的唤起方式。在 Mac 上,Siri 现已与 Spotlight 集成,菜单栏图标终于变成了单色而不再是彩色。

Apple 特别提到,全新的 Siri 专属应用让用户可以回溯之前的对话并开启新的对话,对话历史记录通过iCloud进行私密同步,因此会话可以在不同设备间无缝衔接。

租用谷歌的“大脑”来修复 Siri

更大的转向是,Apple 不再完全依赖自研模型完成这场追赶。

Apple Intelligence 的核心是与谷歌联合开发的 Apple Foundation Models。今年 1 月,谷歌和苹果宣布了一项多年合作计划,根据该计划,谷歌的 Gemini 人工智能模型将成为苹果人工智能系统的基础。

苹果将此次合作描述为“深度”合作,并称其为 Apple Intelligence 的“巨大升级”,带来了最先进的理解和推理能力,以及包括图像理解和生成在内的多模态支持。

而根据 Gurman 报道,这次 Siri 升级基于 Google 定制的 1.2 万亿参数模型,每年成本约 10 亿美元。

要知道,Apple 作为市值最高的公司,持有 1470 亿美元现金和证券。这家从硅片到螺丝钉都要自己掌控、自己做芯片、自己做调制解调器的公司,今天在 WWDC 上正式承认了一件事:他们不会自己构建前沿 AI 模型。他们选择从 Google 租一个模型,这件事比今年任何一个 benchmark 都更能说明 AI 的经济学。

为什么是租,而不是自己造?看看现在拥有一个前沿模型要付出什么代价:OpenAI 的运营利润率为 -122%,Anthropic 仅算力每月就要花大约 12.5 亿美元,而一次前沿模型训练每隔几个月就要花掉九位数美元。Apple 看完这些成本,选择了放弃。

但 Apple 没有放弃算力。繁重的 Gemini 推理运行在 Apple 自己的 Private Cloud Compute 服务器上,不在 Google 的服务器上。Apple 租的是模型权重,但保留了基础设施。它为模型向 Google 付费,同时仍然掌握算力层。这才是这场下注真正重要的点。

Apple 拥有 25 亿台活跃设备。一个 1.2 万亿参数的模型即将站在 Siri 背后,为所有这些设备服务。这意味着行星级规模的前沿模型推理。它运行在数据中心里,而数据中心依赖电力——电网目前还没有准备好承载这样的负荷。

也有观点认为,这不是投降,而是一个建设者的判断。拥有前沿模型就像踏上一台跑步机:每隔几个月重新训练一次,大多数推理都在亏钱,还要花巨额成本维持模型服务。Apple 赌的是,模型会变成商品,而模型下面的算力层,芯片、电力、冷却系统,这些才是护城河。这些东西不会按照软件的时间表扩张。世界上最有价值的公司正在下注:前沿模型会商品化,真正困难的是模型下面的一切。

所以,这次合作很难简单理解成胜利或失败。它是一种在 AI 追赶压力下作出的罕见妥协。

WWDC 主题演讲结束后,Craig Federighi 在面向媒体的技术交流中进一步解释了 Apple 与 Google 的合作边界。

谈到与 Google 的合作时,Federighi 解释说:

当然,我们并没有把 Gemini app 当作我们的 app 来使用。事实上,我们在 iOS 上运行时,并不使用其中任何客户端代码。对于这些模型,我们没有使用 Google 部署给其客户的任何模型,也没有使用 Google 向客户部署模型时所采用的基础设施和方式。至于知识库,我们当然也没有使用 Google Search 或类似产品作为我们系统的基础。所以我希望这一点是清楚的:我们使用的 Google Assistant 成分为零。

那么,接下来谈谈我们真正使用了什么,或者说,我们的系统是如何构建的。

一切当然始于我们的 Assistant 体验。正如你们今天早些时候所看到的,这种 Assistant 体验已经深度整合进系统,整合进 iOS、iPadOS 和 macOS。你们在 iPhone 上看到,Assistant 如何以一种我认为非常漂亮的方式,从 Dynamic Island 中以 Liquid Glass 的形态浮现出来;你可以通过侧边按钮唤起它,也可以直接呼唤 Siri 的名字来启动它。但更重要的是,它已经融入系统中的各种场景。无论你是在使用 Writing Tools 写作,还是通过上下文菜单进行操作,这一切都与系统体验深度结合在一起。

接入这一体验的是 Siri app。Siri app 是一个很好的入口,可以让你回到此前已经开始的一段对话,查看你之前做过什么,也可以继续延展那段对话,或者开启一段新的对话。但这个 app 并不是简单地去云端调用某个模型。它建立在 Apple Intelligence 中强大的系统软件之上。

其中包括 System Orchestrator,这是我们整个系统隐私架构的关键。它负责协调各类请求,例如通过 App Toolbox 访问你 app 中的操作,通过 Spotlight Semantic Index 访问个人内容以帮助完成你的请求,甚至还能利用屏幕上的上下文,理解你在发起请求的那一刻可能正在看的内容。

这一切又建立在一组强大的端侧模型之上。这些模型负责处理各种任务,从理解语音,到合成回应你的语音;从视觉上理解环境和屏幕上下文,判断其中是否存在相关内容,到理解屏幕上的文字,以及其他一整套模型能力。

在这种部署模式下,我们拥有一个模型家族,也就是第三代 Apple Foundation Models,从 AFM Cloud 和 AFM Cloud Pro 模型,到 AFM Fusion 模型和图像模型。这些模型是我们与 Google 合作的成果,后面大家还会听到更多相关内容。但它们的架构是为了运行在我们的部署架构之上而设计的。这些模型专门服务于 Apple Intelligence 体验。

Apple AI 副总裁 Amar Subramanya 进一步解释说:

“我们非常兴奋地推出与 Google 合作打造的第三代 Apple Foundation Models,也就是 AFM。我们构建了一个覆盖端侧到云端的模型家族。在逐一介绍这个模型家族之前,我想先说这一代最核心的一点:相比上一代,这一代中的每一个模型,无论质量还是能力,都有显著提升。

如果逐个来看,我们先从端侧模型开始。首先是 AFM Core。这是我们目前随设备推出的下一代端侧模型,采用的是密集架构。

接下来是 AFM Core Advanced。这是我们此前从未在设备端运行过的模型。它采用稀疏架构,并且原生支持多模态。也正因为如此,这个模型的能力实现了巨大跃升,支撑了大家今天早上听到的一些功能,比如邀请相关能力和更具表现力的语音,而且这些能力都完全在设备端运行。

再来看服务器端模型,它们全部通过 Private Cloud Compute 提供服务。首先是 AFM Cloud。这是我们的服务器端主力模型,基本上针对延迟和服务成本进行了优化。

接下来是 AFM Cloud Image。这是我们的下一代图像生成和编辑模型,支持许多非常出色的体验,包括大家今天早上听到的 spatial reframing,也就是空间重构。

刚才提到的这四个模型,AFM Core、AFM Core Advanced、AFM Cloud 和 AFM Cloud Image,都是为 Apple Silicon 定制构建的,使用专有数据训练,并通过 Gemini 前沿模型进行精炼。

最后,对于一些要求最高的任务,比如 agentic tool use,也就是智能体式工具调用,以及复杂推理,我们有 AFM Cloud Pro。这是我们能力最强的模型,质量接近 Gemini 前沿模型。

为了把这个模型投入生产环境,我们与 Google 和 Nvidia 合作,将 Private Cloud Compute 基础设施扩展到 Google 云中的 NVIDIA GPU,同时仍然保持 Apple 无与伦比的隐私保证。

在整个模型家族中,我们的目标是,把每一个用户请求匹配给最合适的模型,让它以最低延迟提供最佳回答。因此,我们对这一代模型非常兴奋,也对它们所能支撑的各种强大功能感到兴奋,其中包括新的 Siri AI 体验,以及整个操作系统中的各种智能体验。”

AI 换代,用户买单

不过,模型变强的另一面,是硬件门槛也在同步抬高。按照苹果目前给出的要求,iOS 27 中最强大的端侧 AI 模型至少需要 12GB 统一内存,这意味着标准版 iPhone 17 因为只有 8GB 内存,将无法运行这套最强端侧模型。过去,Apple Intelligence 的标准内存门槛一直是 8GB,而这一次,苹果第一次为最强的端侧 AI 功能单独提高了要求。

要运行苹果最强大的端侧模型,用户需要使用以下设备之一:

  • iPhone:iPhone Air、iPhone 17 Pro 或 iPhone 17 Pro Max

  • iPad:搭载 M4 或更新芯片、且至少拥有 12GB 统一内存的 iPad

  • Mac:搭载 M3 或更新芯片、且至少拥有 12GB 统一内存的 Mac

  • Vision Pro:搭载 M5 的 Apple Vision Pro

这也让下一代 Apple Intelligence 的分层变得更清晰:大多数 AI 功能仍会覆盖目前支持 Apple Intelligence 的设备,例如 iPhone 15 Pro,但最强的端侧模型会向最新、最高规格的硬件集中。换句话说,苹果仍然在讲端侧智能、系统级整合和隐私保护,但在更强模型面前,它也不得不接受一个现实:真正先进的端侧 AI,需要更大的内存、更强的芯片,以及更昂贵的设备来承载。

所以,iOS 27 的 Apple Intelligence 不只是一次软件升级,也是一条新的硬件分水岭。过去,用户关心的是自己的 iPhone 能不能升级到新系统;现在,更关键的问题变成了:即便能升级 iOS 27,它是否真的能跑完整的 Apple Intelligence?这可能也是苹果 AI 时代最现实的一面——智能越强,门槛越高,而“端侧 AI”最终也会重新定义什么才算一台真正的新 iPhone。

更现实的是,即便用户愿意为更强的 Apple Intelligence 换机,也未必马上能用上它:苹果已经确认,新 Siri AI 今年晚些时候进入 beta 时,iPhone 和 iPad 上的相关功能将暂不向欧盟和中国用户开放。

参考链接:

https://9to5mac.com/2026/06/08/new-siri-whats-new/

https://9to5mac.com/2026/06/08/craig-federighi-details-apples-collaboration-with-google-for-siri-ai-in-ios-27/

https://www.macrumors.com/2026/06/08/most-powerful-on-device-ai-now-requires-iphone-17-pro-or-air/