解读丨苹果为何「死磕」自研 AI ？

“ 缺少自己 Agent 的厂商，只能在别人的智能入口下做硬件承载方。 ” 作者丨赵翔国 编辑丨马广宇 苹果还没死心。 过去几年，苹果在生成式 AI 上的自研推进得相当吃力。当别人已经把大模型做成核心竞争力时，它还在端侧、隐私、功耗的多重枷锁里缓慢挪动，真正拿得出手的自研成果迟迟没有出现。最终，它不得不依靠 Gemini、阿里千问和百度文心这些外援，先把功能补上。 但即便走到这一步，苹果依然没有彻底放手。据路透社报道，苹果公司正与阿里巴巴合作，专门为中国市场训练一款大语言模型。 这一举动被外界解读为苹果在华 AI 策略的重大转向，从单纯依赖第三方，转为“自研+合作”的双轨并行。 过去两年，苹果在中国市场的生成式 AI 推进明显滞后。由于美国主流模型如 OpenAI 的 ChatGPT、Anthropic 的 Claude 无法在华直接使用，苹果只能依赖本土合作伙伴的模型，2025 年，阿里通义千问与百度文心被确定为主要合作对象。 按照此前的既有安排，通义千问将主要负责通用知识与内容生成任务，百度技术则侧重于搜索及部分视觉能力，Apple Intelligence 预计将在未来数月内随 iOS 更新正式登陆中国。 但苹果似乎仍未下定最后决心，尽管 2026 年 7 月备案已通过且阿里确认了千问的集成方案，8 月初苹果官网也曾短暂上线《在 Mac 上配合 Apple 智能使用千问》的简体中文支持文档，明确提及可调用千问扩展功能，但该文档仅上线一天便被迅速删除，页面随即恢复原状。 在苹果自研 AI 进展相对缓慢的背景下，接入成熟第三方模型本是进入中国市场最现实、也最快速的路径。合作伙伴拥有现成的云端资源、本地合规能力与知识服务积累，能显著缩短落地周期。 但既然有了强力外援，苹果为何仍对“自研模型”抱有如此深的执念？ 01 自研基础模型，不再是奢侈品 市场对 Apple Intelligence 的期待，绝不仅是一个更聪明的 Siri，而是一个能跨应用执行复杂任务的系统级 Agent。 一个场景是，当用户告诉手机“帮我把上次朋友推荐的餐厅订到周六晚上。”要完成这个指令，系统需要串联起一条任务链，从聊天记录中检索并识别餐厅名称，查询日历确认空闲时段，结合定位筛选附近门店，调用地图服务确认距离与营业时间，最终对接预订平台完成下单，后续甚至可能需要同步通知相关好友。 要完成这样的复杂指令，过程中不可避免地会触及聊天记录、位置轨迹、日程安排甚至支付信息等高敏感数据。 在这种场景下，何时读取数据、读取到什么粒度、哪些操作需要用户二次确认、如何防止模型在执行过程中越权调用其他应用或服务，都会成为需要考虑的问题。 苹果长期将隐私与安全视为产品设计的核心原则，始终强调让用户对自己的数据保持充分掌控。在 Agent 场景中，系统更需要在智能与克制之间取得平衡：既要让 AI 有效理解并完成任务，又要避免因权限边界模糊而带来的风险。 如果这些核心决策完全交由外部模型主导，用户数据的边界、跨应用体验的一致性，以及苹果对隐私承诺的兑现能力，都可能面临更大的不确定性。 因此，更稳妥的做法，是由苹果自研模型作为主控层，负责意图理解、任务拆解与权限护栏，而将通用知识与内容生成等能力交给合作伙伴的模型。这样既能借助外部模型的成熟能力，又能在数据安全与系统控制上保持苹果一贯的谨慎态度。 这也与苹果一贯的“核心组件自控”逻辑一脉相承。从 A/M 系列芯片到 iOS 生态，苹果从未将产品体验的定义权假手于人。 过去，硬件行业普遍认为自研基础模型是“巨头的游戏”。硬件厂商利润结构单薄，难以支撑与互联网公司同等强度的算力与人才军备竞赛。更务实的路线是做好端侧算力与操作系统，通过接入外部大模型实现智能化。 但风向正在改变，行业已经走过了从 0 到 1 的艰难阶段。大模型工程体系以月为单位快速成熟，训练结构与算法范式逐渐固化，开源生态也显著降低了门槛。 混合专家（MoE）等高效架构让模型在保持能力的同时大幅减少激活参数与推理成本，让“从零搭建基础模型”不再是只有互联网巨头才负担得起的军备竞赛。 硬件厂商并非需要推出一个能够在公开榜单上争第一的通用模型，只要够稳定、成本可控，且能够深度接入自家的数据、设备、系统接口与业务流程，便能胜任系统调度者的角色。 有业内人士告诉雷峰网，“现在搭建一个自己的基础模型并不难。模型整体的训练结构，尤其是在算法层面，已经形成了一套基本范式。” 从近期实践看，自研模型的推出速度确实在加快。2025 年 11 月，DeepSeek 前核心成员罗福莉加入小米并出任 MiMo 大模型负责人，仅一个多月后，小米就开源了 MiMo-V2-Flash。 该模型总参数 309B、激活仅 15B，却在代码与 Agent 评测中进入全球开源模型前列；随后在 2026 年