Siri 脱胎于 SRI International 的 CALO 项目,原本是美国国防高级研究计划局资助的军事级人工智能助手。2010 年苹果将它收入囊中,据 TechCrunch 报道这笔交易可能超过两亿美元。一年后 Siri 随 iPhone 4S 亮相,苹果说它能理解自然语言,能像个人助理一样替你办事。
那一刻,苹果拿到了全世界最好的个人智能入口。然后它耽误了十几年。
今天回看,Siri 最早改变的是人和机器说话的姿势。2011 年,iPhone 正在把手机从通信工具变成个人计算设备,App Store 重新定义了软件分发,移动互联网从 PC 桌面迁进掌心。Siri 出现在一个上升期的浪尖。可进了苹果之后,它很快从一个有野心的个人助理变成了一个听话的语音遥控器。
第二年推出 SiriKit,有限地把 Siri 向开发者打开一条缝,又公开讲了 Differential Privacy,表态要在保护个体隐私的前提下从大规模数据中学习。2017 年 iPhone X 带来 Neural Engine,Face ID 和相机开始依赖设备端机器学习,苹果同时推出 Core ML 让开发者在苹果设备上跑模型,又买下了 Workflow,也就是后来的快捷指令。
这是一组很苹果的答案。它又想要 AI,又不想像 Google 那样把赌注押在云端和海量个人数据上。又要开发者,又不想让 Siri 变成一锅乱炖。所以苹果选了一条最难也最慢的路,做端侧,做隐私,做系统集成。
到了 2020 年前后,苹果又接连买了几家做低功耗边缘 AI 和语音理解的公司。同年 M1 芯片发布,16 核 Neural Engine 登上 Mac,端侧 AI 算力从口袋里的手机一路推进到电脑。第二年 Live Text 和 Visual Look Up 落地,照片里的文字可以直接复制,相机能认花认草,更多语音请求不出本机就能处理。
苹果这十几年确实没推出一个单独的 AI App,但它确实让手机变聪明了。
选择走这条路有它的道理。手机上的 AI 不只是答题机器,它要看照片,听语音,理解联系人,调用 App,感知电量、位置和时间。它最好能在没网的时候也做一点事,最好不要每个请求都把用户的生活打包上传到云端。苹果的硬件控制力让它有资格走这条路。
可局部聪明和整体智能之间,隔着一道很深的鸿沟。苹果擅长把技术拆成可靠的零件,可生成式 AI 要求它把零件拼回一个整体。
2024 年 WWDC,苹果把 Apple Intelligence 摆上台面。写作工具,通知摘要,照片搜索,Siri 个性化理解,ChatGPT 接入。苹果终于承认只靠自研模型,至少在 2024 年,它追不上用户的期待。但它画的饼最后没能按宣传的节奏落地。
请 Google 当家教
Apple Intelligence 延期的背后,不只是技术跟不上,而是整个 Siri 团队的结构跟不上这一轮 AI。
多家媒体确认,苹果原 AI 负责人 John Giannandrea 退场,Craig Federighi 接管 AI 方向,Vision Pro 负责人 Mike Rockwell 被调来执掌 Siri 团队,大量 Siri 工程师被送去学 AI 编程工具。这不是一次体面的轮岗,苹果内部已经意识到,靠原来的人和原来的节奏,赶不上趟了。
2026 年 1 月苹果和 Google 发表联合声明,苹果将借助 Gemini 技术为 iPhone 和其他产品定制 Apple Intelligence 功能。据报道苹果计划每年向 Google 支付约 10 亿美元,使用一个 1.2 万亿参数级别的定制 Gemini 模型来支撑 Siri 改造。苹果此前也测试过 OpenAI 和 Anthropic 的模型,最后还是选择了 Google。
不是芯片,不是模型,是设备。设备里装着相册、邮件、日历、地图和支付,承载着大量普通人的生活碎片。哪个 AI 能调动这些碎片,它就不只是一个聊天机器人,它就能成为真正的个人智能中枢。
苹果很早就开始为这个中枢铺路。2017 年买下的 Workflow 后来变成快捷指令,和 Siri 以及系统自动化深度绑定。2022 年推出的 App Intents 让第三方应用把自己的能力暴露给系统入口。到了 Apple Intelligence 时代,这些接口就成了 AI 调用真实世界动作的手和脚。
为了讲好这个故事,苹果几乎重做了 Siri 的入口。iPhone 上它被放进灵动岛,下拉就能对话。iPad 和 Mac 上跟 Spotlight 合在一起。它有了独立的 App,能保存和继续过去的对话,通过 iCloud 跨设备同步。苹果想让 Siri 变成一个住在系统里的 AI 助手,有记忆有上下文,但又尽量不让它看起来像 ChatGPT。
视觉也是一个重要的方向。相机里新增了 Siri mode,对着食物拍一下就给出营养信息,对着看不懂的东西拍一下就能识别和搜索。系统级听写不只是语音转字了,还会自动加标点调格式,把口语变成能直接发出去的文本。
开发者侧也在铺路。苹果开放了 Core AI 框架,让第三方在设备上加载自己的模型。App Intents 升级后 Siri 更容易理解第三方应用。Foundation Models Framework 不再只调用自家端侧模型,还支持接入 Claude 和 Gemini 这些外部供应商。苹果在给整个生态铺一条路,以后 Siri 要跨 App 做事,开发者必须把内容和动作交给系统去理解。
这些规划如果落地,苹果 AI 就不再只是「会聊天的 Siri」。
只是这次苹果比过去谨慎了许多。Siri AI 今年晚些时候才以 beta 形式向用户开放,英语先行。而同一个 Apple Intelligence 到了中国,很可能已经不是同一个产品。
中国用户看苹果 AI,基本上也就是图一乐。发布会是热闹,功能是好看,但中国地区「暂不支持」。
中国市场对生成式 AI 有备案、内容安全和数据本地化一整套规矩。苹果需要找本土模型合作方,需要过监管审批。Apple Intelligence 在中国不只是晚几个月上线的问题,它从底层就可能不是同一套东西。
美国用户看到的是自研模型加 Gemini 的组合,中国用户看到的可能是苹果系统权限、本地云服务、本土模型和监管要求共同揉出来的版本。它们都叫 Apple Intelligence,但实际能力和可触达的边界可能完全不同。
iCloud 中国大陆服务由云上贵州运营。云盘保存文件,AI 要理解文件;云盘存照片,AI 要看懂照片;云盘同步备忘录,AI 要从备忘录里抽出你的计划、习惯和人际关系。这些数据在 AI 时代有了全新的用法,自然也要面对不同分量的监管。
更现实的威胁来自竞争。国产手机厂商在端侧大模型、中文助手和影像 AI 上动作很快。对中国用户来说,花一两万买一台新 iPhone,结果最核心的 AI 功能用不上,那不如换个品牌。
中国市场的日常场景对苹果又格外棘手,微信、支付宝、美团、抖音、网约车、政务服务、医院挂号,这些才是很多人每天真正用手机处理的事。一个 AI 助手如果进不了这些场景,看不懂群聊、票据、验证码和各种只有本地人才能秒懂的表达,它就很难称得上「智能」。
但苹果 AI 真正的财富效应,可能不只在软件层面,而在硬件层面。如果 Apple Intelligence 的新功能需要更强芯片、更大内存、更好的本地推理能力,那它就会从一次软件更新,变成一轮硬件换机逻辑。
端侧 AI 的优势很清晰,它可以让很多任务不必完全依赖云端,响应速度更快;也更符合苹果长期强调的隐私和安全定位;更重要的是,它天然可以和新硬件绑定,推动用户从旧 iPhone、旧 Mac 向新设备迁移。
2024 年苹果发布 Apple Intelligence 后,市场之所以在短暂分歧后重新定价,一个重要原因就是大家开始思考,如果 AI 功能和新设备绑定,会不会带来新一轮换机周期?
这也是今年 WWDC 最关键的财富效应来源之一。
端侧 AI 链条可以重点看 AAPL.M、ARM.M、TSM.M、QCOM.M。其中,AAPL.M 是终端入口;ARM.M 代表低功耗架构;TSM.M 是苹果芯片制造的重要代工方;QCOM.M 虽然和苹果既竞争又合作,但在端侧 AI 和移动芯片生态里,也会被市场拿来比较。
三、真正的外溢机会:从芯片链到 App 生态
需要注意的是,WWDC 不只一天,也不只是苹果自己的发布会,它本质上是一场开发者大会。
如果苹果只是在系统里加几个 AI 功能,那更多是 AAPL 自己的故事,但如果苹果把 AI 能力开放给开发者,让第三方 App 能够调用本地模型、系统级 Agent 能力、隐私计算框架和新的开发者工具,那 Apple Intelligence 就会从苹果故事,变成生态故事。
这条线很重要。
因为苹果真正的护城河,不是单个 AI 功能,而是 App Store 生态。只要开发者能把 Apple Intelligence 接入创意、办公、文档、电商、财税、生产力应用,就可能带来一批新的 AI 应用场景。
从投资映射角度看,Apple Intelligence 概念股可以分成五层。
第一层,是核心入口 AAPL.M。如果 Siri 和 Apple Intelligence 超预期,最直接受益的还是苹果本身,苹果既掌握硬件入口,也掌握系统权限和应用分发,AI 能力一旦真正嵌进系统,最先被重估的仍然是 AAPL.M。
第二层,是端侧 AI 链,诸如 ARM.M、TSM.M、QCOM.M。如果苹果把更多 AI 能力放到本地设备运行,低功耗芯片架构、先进制程和移动 AI 能力都会重新被关注。
第三层,是模型与云合作,譬如 GOOGL.M、MSFT.M、AMZN.M。如果苹果继续通过外部模型或云端能力增强 Apple Intelligence,这些巨头也会被市场拿来做映射,尤其是在苹果仍然坚持隐私、安全和端云协同路线的背景下,谁能成为底层模型或云端推理合作方,会影响市场对相关公司的短期想象空间。
第四层,是开发者工具,比如 MSFT.M、TEAM.M、DDOG.M、GTLB.M。如果 WWDC 强调 AI 编程、Xcode 升级、开发者 API 和应用构建效率,AI 开发生态可能被带动,对市场来说,这条线交易的不是苹果直接给这些公司带来多少收入,而是「AI 应用开发门槛继续降低」这件事本身。
第五层,是 App 生态,像 ADBE.M、DOCU.M、INTU.M、SHOP.M。这些公司不是苹果 AI 的直接受益者,但如果系统级 AI 能力开放,创意、文档、财税、电商类应用最容易接入新功能,它们更像是 Apple Intelligence 外溢到应用层之后的潜在映射标的。
当然,这条线虽然有想象力,但也有风险。
第一,苹果 AI 可能「雷声大、雨点小」,如果只是常规系统更新,没有 Siri 的实质升级,也没有开发者能力开放,市场很可能会失望。
第二,外溢标的不一定马上兑现收入,比如 ADBE.M、SHOP.M、DOCU.M、INTU.M,即使未来可以接入苹果 AI 能力,也未必很快体现在财报里。
第三,苹果 AI 补课可能更多利好 AAPL.M 本身,如果新能力主要封闭在苹果系统内部,外部概念股的受益会比较弱。
联发科(MediaTek,2454.TWSE)的 Google TPU 合作消息已在市场广泛流传。据 Global Tech Research 分析,联发科未来有望参与 Google TPU V7e/V7p 的后端设计支持。Serenity 近期表示,虽然这部分利多已在股价中部分反映,但他认为对联发科未来 ASIC 业务增长仍值得持续关注。未来几年,联发科有机会成为美国大型云端厂商超大规模供应链中极为重要的一环。
Serenity 近期在 X 上的表态是:「Win will win. So I am long Win.」。Serenity 的核心判断是,稳懋是 InP 和 GaAs 代工的双寡头之一,未来 LEO(低轨道)卫星的 SpaceX Starlink、连续波激光器(CW laser)、人形机器人的视觉与雷达光源,都会经过稳懋的代工产能。
首先是台达电(Delta Electronics,2308.TWSE)作为电源管理与液冷整合方案龙头,已渗透 AI 数据中心的白区(IT 运算)和灰区(电力冷却)双重场景。其次是奇鋐(AVC,3017.TWSE)是全球散热解决方案龙头,覆盖冷板式液冷、浸没式液冷的全栈技术。最后是双鸿(Auras Technology,3324.TWSE)专注于液冷模组制造,是 NVIDIA 一级供应商。据高盛预测,2025-2027 年全球服务器冷却总市场规模将分别增长 111%、77%、26%,2027 年达 176 亿美元,这条增长曲线,与 CPO 的增长曲线在 AI 资本开支周期内是同步的。
真正的风险不在两岸,而在超大规模云服务商的资本开支
Serenity 对台股 AI 产业链整体风险的判断,与市场主流叙事相左。
他近期表示,台湾 AI 供应链当前并不存在泡沫,许多台湾企业的估值相比美国纳斯达克同类型公司仍偏低;地缘政治风险被市场过度放大,因为台湾已经是全球科技供应链中不可或缺的一部分,「没有任何国家会选择零和博弈式的大规模供应链破坏」。从 7-10 年的长远来看,美国正在通过英特尔等企业建立本土供应链,但未来 2-3 年内并不存在特别重大的系统性风险。
他指出真正值得追踪的风险是超大规模云服务商的资本开支,Microsoft、Amazon、Google、Meta、Oracle 等大型云端厂商持续扩大投资是当前 AI 产业繁荣的核心动力,「只要这些企业继续增加 AI 基础设施建设,台湾供应链就会持续受益;但如果超大规模云服务商开始削减资本开支,台湾 AI 供应链可能会出现较大幅度的估值调整。」