外包大模型、死守 Siri，苹果走上一条 “最不 AI” 的路！

在 AI 军备竞赛愈演愈烈的当下，苹果悄然走出了一条与硅谷主流截然不同的路——以轻资产策略嵌入足够的 AI 功能维系生态黏性，而非押注数百亿美元资本开支与谷歌、微软、Meta 正面竞争前沿大模型。

据追风交易台消息，据美银近期举办的 IT 硬件行业专家系列电话会议，Simeon Bochev——苹果机器学习平台前战略与运营主管、计算资源交易所（Compute Exchange）创始 CEO 及 Lambda 前战略副总裁——对苹果 AI 战略进行了系统性拆解。他表示，苹果目前的战略已从两年前 WWDC 上关于 Apple Intelligence 全面渗透设备的宏大承诺，退守为"嵌入足够多的 AI 功能以留住用户、同时大力借助第三方"的务实路线，将当年的发布承诺称为苹果的一次"黑眼圈"事件。

Bochev 同时指出，Siri 仍是苹果最大的 AI 机遇。凭借对硬件、操作系统和用户情境数据的垂直整合控制，Siri 具备演进为安全型个人 AI 代理的独特基础——这是其他竞争对手难以复制的结构性优势。然而，苹果过长时间依赖对原有 Siri 模型的渐进式改良，而非围绕 Transformer 架构快速重建，造成了当下与主流 AI 平台之间显著的感知差距。

对投资者而言，真正的风险或许不在于苹果今天的选择，而在于明天的战场已悄然转移。Bochev 警告，随着 AI 竞争重心从模型层向代理（Agent）框架和生态编排层迁移，苹果依赖第三方、随时切换最优模型的逻辑将面临根本考验——当 AI 价值沉淀在代理生态中而非模型本身时，不深度参与代理层构建的苹果，可能错失下一轮平台级红利。

双轨战略：自研小模型 + 第三方大模型

Bochev 描述，苹果当前 AI 战略的核心是两条：一方面持续投入自研的小参数量模型，专注于设备端（on-device）和苹果私有云（Apple Private Cloud）场景；另一方面，通过整合 OpenAI 的 ChatGPT 和谷歌 Gemini 等第三方合作伙伴，覆盖需要更强能力的高阶需求。他强调，因 ChatGPT 和 Gemini 合作而认为苹果放弃自研模型，是一种误读——苹果只是将自研重心集中在 5000 亿参数以下的较小模型，而非追求前沿规模。

苹果选择不参与前沿大模型竞争，有其内在逻辑。Bochev 指出，训练前沿模型需要数百亿乃至更多的资本开支，而 AI 对苹果营收的贡献目前高度间接，因果归因极为困难——苹果至今未对 AI 功能直接收费，这使得巨额投入的商业回报难以核算。"花了 100 亿美元 CapEx，收入提升了 X%，其中多少是这 100 亿换来的？很难说清楚。"他说。与此同时，苹果历来的文化惯性是"等到技术被验证后再大规模押注"，加之蒂姆·库克与前 CFO Luca Maestri 任期内一贯的预算纪律，共同构成了这一保守策略的文化底座。

模型本身的同质化趋势，也在客观上支撑了苹果的外包逻辑。Bochev 指出，ChatGPT 3.5 于 2022 年 11 月发布时，与第二名的性能差距超过一年；如今领跑者与追赶者之间的差距已缩短至一至三个月，且这一趋势将持续收窄。他预计，随着更多第三方模型达到苹果的隐私门槛，苹果将持续扩大合作范围，ChatGPT 和 Gemini 只是起点。

隐私优先：护城河，也是约束

苹果的 AI 数据处理遵循明确的三层架构：首先在设备端（包括安全隔区 Secure Enclave）处理；无法完成时推送至苹果私有云；仅当需要更强模型且用户明确知情同意后，才将查询转交第三方。Bochev 表示，这条数据流动边界，是苹果隐私立场最具操作意义的体现，也是衡量第三方合作伙伴准入资质的核心标准——甚至有部分第三方因无法通过更高层级的隐私审核，根本不在合作之列。

然而，隐私优先策略对 AI 能力构成客观约束。Bochev 直言，"认为在隐私限制下仍能达到同等 AI 性能，我不认同"——可用训练数据的受限，客观上放缓了模型迭代速度，使苹果相对于约束更少的竞争对手处于劣势。这一约束也影响着 AI 人才吸引力：苹果的 AI 薪酬在他看来未达市场竞争水准，且对于希望构建万亿参数前沿模型的研究者，苹果并非理想之所。John Giannandrea 离职后，苹果 AI 负责人由 SVP 降格为 VP、转而向主管隐私的 Craig Federighi 汇报而非直接向 Tim Cook 汇报——在 Bochev 看来，这一组织架构变化本身也传递了一定信号。

尽管如此，隐私策略长期来看仍可能是差异化优势的来源。Tim Cook 曾公开表示"隐私是基本人权"，公司文化对此高度认同。Bochev 认为，25 亿台活跃设备所积累的海量匿名数据，加上对设备端 AI 处理的垂直整合控制，使苹果在"安全、私密的个人 AI"细分赛道具备其他竞争对手难以快速复制的结构性优势。

Siri：最大机遇，也是最大短板

苹果于 2010 年收购 Siri，在生成式 AI 浪潮来临前，Siri 一度是全球规模最大的 AI 产品之一，日活跃用户在中国以外地区超过 3 亿。然而，2022 年 11 月 ChatGPT 3.5 的发布彻底改变了行业参照系。Bochev 表示，苹果彼时的策略是对原有传统机器学习模型进行"爬坡式改进"（hill climbing），而非及时从底层围绕 Transformer 架构重建，导致其对这一技术范式转变的认识和响应均滞后于业界，"令我感到失望"。

他指出，意识到 Transformer 与传统机器学习在本质上的差异——意味着产品需要从头重建而非在旧代码库上打补丁——花费了过长时间。这一延误直接造成了 Siri 今日与主流 AI 平台之间的感知差距，而两年前 WWDC 上的大规模承诺，在他看来正是苹果为此付出的代价。值得注意的是，前沿大模型的参数量已达 5 万亿至 10 万亿级别，即便是 2 万亿至 3 万亿参数的模型仅存储就需要逾 500GB 空间，设备端运行完全不现实——这也是苹果自研模型聚焦于 5000 亿参数以下的现实约束。

然而，Bochev 对 Siri 的长期潜力持积极判断。他认为，苹果对硬件、操作系统和用户情境数据的端到端控制，赋予 Siri 成为安全型、具备自主行动能力的个人助手的独特基础。"我的大量个人数据存在于设备上，如果有一个运行在设备端并能调用这些数据的个人助手，它将远优于在沙盒环境中运行、无法访问这些信息的代理工具。"他说，在 Claude 等代理型 AI 加速落地的背景下，Siri 实现这一愿景的条件正在趋于成熟。

代理时代：现有战略的核心隐患

Bochev 对苹果战略提出了最核心的结构性质疑。他认为，苹果当前的"外包模型、自控端侧"逻辑，在纯 LLM 或推理模型主导的 AI 世界里或许成立——模型同质化意味着随时切换最优选项即可，无需重注某一家。但随着 AI 竞争重心转向代理框架、任务编排和生态工作流，这套逻辑将面临根本挑战。

他以 Anthropic 正在构建的代理生态系统为例，指出代理时代的竞争逻辑与纯模型时代截然不同：代理生态的锁定效应远强于单一模型，价值将加速沉淀在控制代理框架和用户工作流的层级，而非底层模型本身。"如果 AI 的价值积累在代理框架和用户工作流里，而不只是模型本身，那么简单地在第三方模型之间切换，就不会那么奏效了。"他说。

Bochev 坦言，苹果整体的风险偏好有提升空间。在他看来，苹果目前的文化和预算纪律既是优质产品管理的基础，也是束缚进取的枷锁——"要释放更大的风险胃口，某些东西必须有所改变"。苹果能否在代理层主动布局、而非仅充当模型层的分发渠道，将是决定其在 AI 下半场地位的关键变量。

算力格局：瓶颈迁移与 GPU 经济寿命重估

在算力市场的宏观判断上，Bochev 认为计算资源有潜力成为全球最大宗商品，规模可能超越每年 2 万亿至 3 万亿美元的油气市场。但他同时指出，算力瓶颈的性质正在发生结构性转变——从早期的 GPU 供给短缺，迁移至网络（InfiniBand）、数据中心空间、电力、散热、CPU 及高带宽内存（HBM）等多点并发的制约。据他估计，2026 年美国数据中心可用容量已创历史新低，不足 1%；大型发电设备的采购等待周期长达三至四年；受 Claude Code 等代理型应用推动的推理需求爆发，又进一步加剧了 CPU 和高带宽内存的短缺压力。

在 GPU 资产价值的评估框架上，Bochev 建议投资者应重视"经济使用寿命"而非单纯的"物理使用寿命"。他以 H 系列 GPU 为例：维护得当情况下物理寿命可达六至七年，但综合考虑负债成本、置换新芯片的机会成本以及下一代芯片的价格竞争力，其经济使用寿命可能远早于此到达临界点。"即便旧 GPU 每小时还能卖出 2 美元，考虑资金成本和置换新芯片的机会成本，从经济上看你可能已经应该换掉它了。"他说。

他还提示，Blackwell 系列 GPU 的高功耗（72 卡机架超过 140 千瓦，约为 H100 系列的三至四倍）和液冷需求，使新一代 GPU 的寿命预测更加复杂，历史数据的参考价值有限。在他看来，H 系列及更早代际与 Blackwell 系列之后存在明显分界，投资者在评估 GPU 资产价值时宜分代际考量，而非以统一标准套用历史折旧规律。