蘋果卷入大模型，手機行業借AGI「吃掉」軟件層？

文 | 向輝

編輯 | 周天

周天財經 原創出品

蘋果重新定義了AI（Apple Intelligence）。

6月11日凌晨1點，蘋果公司召開了今年的開發者大會WWDC，用了首場發布會將近一半的篇幅來講AI如何整合到蘋果系統中，將人工智能化于無形，融進Apple Intelligence。

媒體和資本評價兩極化，一部分認為蘋果這次出手，軟硬件結合，在系統層面提供了AI能力，一夜之間滅了許多AI創業者的生路——畢竟在當下的節點，利用OpenAI 接口包裝一個翻譯插件或者腦圖都算是創業，這可叫AI公司怎么活。

反方則認為蘋果此次更新了無新意，原地雕花，不夠炸裂，新功能還是基本集中在「文生圖」、「文本總結」、「跨應用聯動」這些老生常談的功能上。從發布會后的股價上漲近7.26% 的表現來看，資本市場倒是對「蘋果AI」基本滿意。

無論Apple Intelligence有多么誘人 華麗，也只是蘋果提前畫的大餅，英文版今年秋天上線，其他語言要到明年才會有后續。半年時間，對AI公司來說可以做很多事。會有其他競爭者對蘋果的藍圖提出挑戰嗎？

01 科技公司全面卷入AI

AI浪潮以來，美股七雄（Magnificent 7，即美國市場上市值最大的七家科技公司，包括Alphabet、亞馬遜、蘋果、Meta、微軟、英偉達和特斯拉）分化明顯，市值排序跌宕起伏。

在6月5日大漲后，「賣鏟子」的NVIDIA市值超3萬億美元，超越蘋果，距離3.15萬億的微軟只需再漲不到5%；微軟借AI登上第一，乘了OpenAI的東風，并乘勢建立了更好的工具和商用系統，推出了AI-PC，23年營收達到驚人的2210億美元；Meta用開源大模型造福了一票國內公司，用AI改進廣告，內容審核和個性化推薦，利潤翻了兩番；亞馬遜將AI整合到AWS框架中，意在企業級AI，它還投資了Anthropic，與NVIDIA合作Blackwell Gpu；Alphabet對標OpenAI節奏，但總感覺失之毫厘，略有漲幅；特斯拉掉隊，蘋果踟躕不前，還在畫餅。

大模型方面，科技公司都有fomo（fear of missing out）效應，人無我有，就很尷尬；產品和生態上，后發制人有優勢。非盈利機構OpenaAI是最大造浪機，蘋果與其合作，水到渠成。

蘋果放棄造車后，一門心思鉆研AI更廣泛的應用，思路與其他 6 家不同，提出個人化AI（Personal），區別于微軟的工具性AI（
Azure/Microsoft365/Copilot），用盡生態優勢，更重視操作的「非AI感」，理解用戶身處的情境，和用戶的生活交融，強調隱私保護。

蘋果發布會上演示的例子是去機場接媽媽，Apple Intelligence可直接讀取媽媽發來的航班信息，查詢航班延誤情況和機場交通，直接生成行動時間表并更新在日程中，本身要花好幾分鐘安排的事現在可以自動完成了。與siri類似，是生活工作小助手的定位，但更強大。

語言界面替代了操作界面，Apple版AI更理解人的需求和語言意味，而非僅僅在數值上更聰明，跑分更高。這是在讓AI對齊人類生活方式，取巧，但又十分合理。

據「新皮層」報道，Apple Intelligence的模型架構主要由3部分組成，按調用的優先級，分別是自研的端側模型、云端模型和GPT-4o等第三方模型。其中自研模型是蘋果發布的一系列小型模型，包括可以讀懂iPhone屏幕的多模態理解模型ReALM（Reference Resolution As Language Modeling），OpenELM（開源高效語言模型）等。蘋果的模型能力不及OpenAI，是蘋果選擇接入第三方模型的原因。第三方模型可能不止GPT-4o?！度A爾街日報》也曾于3月報道稱，蘋果還曾與百度初步談判，以在其中國版設備（比如 iPhone）中使用后者的AI技術。蘋果從未證實這一傳聞。

這么看來，Apple Intelligence更像是多種模型組裝的工具包，各司其職，各盡其用。AI在蘋果生態里，與其說是對話唱歌畫圖的小軟件，不如說是幫人完成一系列復雜操作的AI-Agent，它聯通各平臺設備，粘合使用體驗——肯定有一部分是以智能家居的那種方式，另一部分就可以展開想象。

當然，AI的聚合、融合，還是依靠AI公司、資本、政府的高期望。對很多人來說，這個期望的化身，就是AGI。

如果把實現AGI當作最終目標，當下AI處在大投入大基建的狀態：投算力、投新型的數據中心、投模型，三類投資分別對應的是生產GPU+ 賣GPU的云 + 用GPU訓練模型的公司，也就是英偉達、AWS+Azure和OpenAI等大模型公司。蘋果算是其中的異類，既不開發新模型，甚至也沒有推出新應用，只是整合。

但AGI的實現還很遙遠。造富路上，AI公司開始破產、倒閉、求收購。

2024年第二季度還沒有結束，曾經有10億美元估值、180名員工、創造出Stable Diffusion系列模型的明星獨角獸 Stability AI，就出現資金鏈斷裂，尋求合并。前OpenAI和谷歌AI開發人員創立的AI公司Adept，也在談判售價。在「洗牌期」，就算有足夠資金支撐下去的AI公司，都開始了裁員和降本增效。

這些現象暴露出殘酷的行業現狀：包括巨頭在內，所有AI公司/項目都盈利困難。連OpenAI也只能靠不斷融資來支撐ChatGPT高昂的運行成本。「摸著 OpenAI過河」，將訂閱模式和企業版模式作為行業統一標準的其他玩家，只會更艱難。Meta為AI建設增加了約100億美元預算，但未來幾年內依然不指望盈利。

據行研機構PitchBook 數據，AI創企在2021-2023年獲得了約3300億美元投資，同比增長2/3，但很多AI創企的錢仍不夠花，高昂的AI建設成本、人工成本已經拖垮不少AI公司。

國內風景獨好，煉制大模型的巨頭無憂生存，卻因競爭激烈，打起了價格戰。5月6日深度求索（DeepSeek）發布的DeepSeek v2，提供的API定價僅為GPT-4-Turbo的近百分之一，之后智譜、字節、阿里、百度、科大訊飛和騰訊都紛紛下調了部分大模型的API價格。

考慮到國內大模型，大部分是針對企業用戶和特定行業，也許是性能評測標準不夠刺激，也可能是大模型落地難，性能遇到了瓶頸，只能同質化競爭，價格戰成了國內大模型行業問題的縮影和最終解決方式。

國內的AI公司和產品，長時間對標OpenAI，希望自家養的AI在跑分、推理、表現都超過GPT系列，是否做到暫且不談，但其中有一些誤區。AI不同于搜索引擎、平臺入口、內容站，它的技術性遠高于后者，在實際進入應用領域前，是純粹科學和技術的事，也是純投入的事業。

國內環境，人們對于AI的實質和AI的真正用途之間，有一道「理解鴻溝」，這首先是大模型的黑箱性質所造成的，但同時，國內的AI產品，無論是豆包、元寶、Kimi，還是激進地投入整條賽道的阿里做出來的東西，目前所呈現出來的能力，很難讓用戶持續買單，更別說讓企業級用戶認同。畢竟GPT-4o和Midjourney早已設立了標準。

蘋果AI的確為國內市場打開了一條思路：跑分再高也只是抽象能力，自研模型夠用就好，多模型融合，多層級協同，讓AI上手做事，融入整體應用環境才是正經事。

從理論上來說，AI可以與迄今為止人類制造的所有軟件、系統、數據庫、云、電子設備結合，并產生新的交互模式。AI掌握了搜索引擎的使用方法和用戶需求，就誕生了新的流量和內容入口，搜索就變成了AI的子功能，以前的計算廣告投放模式會受影響。

AI吞噬一切，重新安排其重要性。

是時候擁抱新世界，做些新東西?？偙忍O果做好一切，國內再模仿來得強。AI 時代與流量時代完全不同，起碼「模仿式創新」一定會變難。

02 AI改變個人工作流，但尚未改變行業

生成式AI的沖擊改變了科技行業的軌跡，但普通人視角下，沖擊在ChatGPT發布之后就逐漸放緩。

文字工作者（比如我）和廣義的內容創作者們，早已全面擁抱AI。盡管AI很難寫出80分的作品，但它可以高效滿足創作者工作流中的離散需求：快速生產大綱、和用戶一起頭腦風暴、模仿文風、文本修改、長文本翻譯、文字 - 語音互轉、信息獲取、數據整理、梳理財報等等，這些方面AI又快又好。

在藝術、影視、教育、人文學術圈，AI頗受歡迎，它提供了快速試錯過篩的工具，加上自身也是賣點和噱頭，AI成了一種隱喻修辭，代表著機遇，以及危機感。

任何研討會加個「AI時代」的名頭都能多吸引點注意力和流量。

這一波生成式AI的發展可能會經歷四個階段：驚艷的玩具，（多樣化且具備替代效應的）生產力工具，個人化系統，（具有網絡效應）的生態系統。

目前的產品大多在從第一階段到第二階段過渡。

大部分AI產品，包括國外的，長期用下來，除了內嵌在應用和網頁中的AI和特定用途AI以外（比如wiki AI，notion AI，memo AI，Perplexity），大多還是花里胡哨，重復造輪子居多。

AI在當下，嘗鮮多于工作，助力于個人多于組織，它只改變了游戲的樂趣，并未改變游戲規則，猶如個人寫東西用Word 還是Ulysses，只有體驗的細微區別，無關乎生產力。工具需的組織化、社會化、網絡化，才能最大化效能（比如微信和github）。

回到產業，AI尚未顛覆任何領域，干掉任何公司——除了做二次開發（套殼）的公司，在每次OpenAI發布新產品時都哀嘆不已。行業替代性在客服、審核等崗位的確存在，只是尚未爆發，因為AI還未先進到重塑流程。

與互聯網浪潮不同，大模型時代也許不需要Killerapp，無論AI多么強大，整體提升Workflow，提供端到端的輸出，都比較難。這些流程依賴于長程推理、常識和行業Know-how，光靠語義鏈接的橋梁還遠遠不夠。

大模型作為一個概率模型，在低容錯率場景時仍然面臨很多問題，遠沒有我們想的那么神奇：我在寫這篇文章時，讓GPT-4o查詢NVIDIA近年股票和市值變化，一個看似簡單的問題，它需要現將問題拆分成步驟，然后分別去搜相應的信息，再做一個總結，最后居然還是錯的，還不如直接用搜索引擎快。

此外，很多定制化的工作，可能90%的文檔都不能滿足大模型Embedding時的質量要求，還要做大量的數據清洗才能用。大模型的注意力也不夠穩定，經常被不相關的問題干擾，出現幻覺。

大模型的產品發展與互聯網的產品發展還有一個截然不同的地方：邊際成本非常高，模型成本要遠遠高于人力成本和買量成本。移動互聯網時代的App可以在小步快跑式迭代，但基于底層大模型+開源小模型的雞尾酒分層打法的App尚未找到類似路徑。也因此，還未出現大公司被小公司彎道超車的可能性。

當然，假以時日，AI也許能在軟件編寫上有所建樹。紐約市的風險投資基金Pace Capital的創始合伙人Chris Paik在「軟件的終結」（The End of Software）一文里提出，大模型不一定會顛覆toC產品，但有可能顛覆軟件生產，因為軟件的成本在于開發人員，他們將人類語言翻譯成計算機語言，大模型也許比人更擅長做這事，形成液態系統，建立中間層，鏈接一切。

「代碼將變得靈活可塑，傳統的技術棧概念將逐漸消失，取而代之的是由 AI 生成的微服務的流動海洋，這些微服務可以根據需要進行重新組合和再構」。

蘋果說：我也是這樣想的。

03 如果沒有AGI，你還會期待AI嗎？

不要太期待AGI。

在業界狂熱討論AGI何年達成之時，學界潑了三盆冷水。圖靈獎得主、Meta首席AI科學家楊立昆（Yann Lecun）就并不認可AGI，他認為根本不存在通用智能，且大模型也不可能通向AGI。他還在X上說，「如果你是一名對構建下一代人工智能系統感興趣的學生，不要研究大型語言模型（LLMs）」。

楊立昆并非唯一反對AGI的人。李飛飛從另一個角度論證了類似觀點，她認為無論大模型有多少參數，AI都無法擁有「知覺」，即所有的感覺——饑餓、疼痛、墜入愛河，因此AI不可能擁有主觀體驗的能力，甚至不可能接近人類智能。

李飛飛曾經的老師，香港大學馬毅認為，當前的生成AI其能力依靠規模定律（Scaling Laws）涌現其能力，但規模定律并非物理定律，而是一種偶然，早晚會失效，AI又不是只有喂數據堆參數這一種造法。

馬毅在接受《晚點》采訪時說，「如果你的信仰就是Scaling Laws，覺得把現在的系統做大就能實現AGI，我覺得你該改行了。因為你已經不可能有作為了，你就只能做一個螺絲釘」。大模型是有極限的，隨著語料庫耗盡，Scaling Law 失效，以及算力和電力幾何級數增加，內部黑箱無法破解，也許有一天，生成式AI的發展出現停滯，不是不可能。

我想起，在AlphaGo/Zero大展威力的時代，人們對AI的能力感到格外驚奇和恐懼，代表人類最強棋手的李世石最后輸給AI，似乎為碳基生命的命運寫下最后注腳。但從現在回看，并沒有那么悲涼。

當時，我偶然和人工智能早期先驅、《GEB》作者侯世達（Douglas Hofstadter）見過一面，我問他，你覺得Alphago是否實現了某種意義上的「智能」？他說，非也，即使Alphago戰勝了人類，但相比于人類，AI還是太簡單，如同缸中之腦，對現實一無所知。他確信深度學習無法抵達智能，但可以很好地解決一些問題。

Sora出現時，人們討論它是否理解物理世界（盡管它內置了牛頓定律），物理主義者可能會認為 AI= 大腦 = 智能 = 有無限潛力的理解工具，但擁有常識的人則會認為這是錯誤的問題。

如果沒有AI，AI前進的動力和目標在哪里？

OpenAI聯合創始人Greg Brockman有一個很好的比喻，人工智能被「烘焙」進了經濟之中。意思是，如何部署 AI，需要融入其他「原料」混合，它們以不同的方式運作，等待一段時間后，開始發揮作用。從消費者的角度來看，與 ChatGPT的對話只是調用一次API，就如同訪問一次網站，下載一部電影。隨著技術進化，公司把AI做細，AI融入軟件之間、用戶界面以及無數中間層，功能變得越來越細微，用戶就會習慣AI。

Apple對AI深度整合，即使平庸，至少可用。在未來，也許AI能服務每個人的日常生活，最后，你無需感受到AI的存在。大模型還沒有誕生殺手級應用，但手機形態可能會比大多軟件商活得更久，這是2024WWDC能隱約看到的圖景。