苹果AI频频跳票背后：Siri十四年内斗史揭秘

从画饼到跳票：Apple Intelligence的尴尬现状

2024年WWDC上，苹果以前所未有的高调姿态发布了Apple Intelligence，那个"更懂你"的全新Siri让无数消费者心潮澎湃。然而一年过去了，苹果通过一位发言人私下向媒体透露：去年发布会上重点介绍的新Siri功能，可能要到2026年才能真正上线。

Apple Intelligence在发布会上展示的核心能力包括：跨应用上下文理解（如读取邮件内容后自动关联日历事件）、个人化语义搜索（基于用户数据构建个人知识图谱）、以及多步骤任务规划（如根据航班信息自动规划接机路线）。这些功能本质上需要一个强大的端侧+云端协同的大语言模型架构，不仅要具备通用推理能力，还需要在严格的隐私框架下访问用户的私人数据。苹果为此设计了Private Cloud Compute（私有云计算）架构，承诺用户数据在专用Apple Silicon服务器上处理后即时销毁，不会被苹果或第三方访问。这一技术承诺的实现难度远超传统云端AI服务。

更令人费解的是，据前苹果员工透露，WWDC上展示的那些读取邮件、规划路径、推理日程的功能，可能根本就没有真正跑起来过——整个演示中最真实的，或许只有Apple Intelligence被唤醒时那一圈泛着紫光的彩色丝带动画。

消息一出，资本市场率先给出了答案：苹果股价一夜暴跌4.85%。消费者更是怒不可遏——很多人购买iPhone 16就是冲着苹果智能来的，手机到手半年多却被告知核心功能还要再等一年，集体诉讼随之而来。

埋下隐患：乔布斯离去后的Siri困局

先行者的陨落

苹果在语音助手领域曾经遥遥领先。早在1984年初代Macintosh发布时，乔布斯就安排电脑用语音介绍自己。2010年，他亲自拍板收购了刚崭露头角的Siri公司，并将其整合进iPhone 4S——那个"S"正是Siri的意思。

Siri最初由斯坦福研究院（SRI International）的CALO项目衍生而来，CALO是美国国防高级研究计划局（DARPA）资助的认知助手项目，全称为"Cognitive Assistant that Learns and Organizes"。早期Siri采用的是基于规则和统计模型的自然语言理解（NLU）系统，通过意图识别（Intent Classification）和槽位填充（Slot Filling）来解析用户指令。这种架构虽然在特定场景下表现精准，但扩展性极差——每增加一个新功能都需要人工编写大量规则和训练数据。相比之下，Google后来采用的端到端神经网络方法可以通过海量数据自动学习语义理解能力，扩展成本远低于Siri的传统架构。

但命运弄人。2010年收购Siri，2011年乔布斯便离开人世。再加上Siri发布时用户蜂拥而至导致服务器崩溃，Siri团队在公司内部的处境变得微妙起来。

路线之争与无尽内斗

乔布斯走后，Siri到底应该做"个人助手"还是"万能搜索引擎"，这个根本性问题长期悬而未决。继任的Siri主管威廉姆森坚持让Siri的更新节奏向iOS看齐——一年一更。但Siri本质上是在线AI服务，完全可以持续优化，一年一更的节奏让它迅速被友商甩开。

将AI服务绑定到iOS年度更新周期，意味着Siri的模型改进、新功能上线、Bug修复都必须等到每年秋季的iOS大版本发布。而竞争对手如Google Assistant和Amazon Alexa采用的是服务端持续部署（Continuous Deployment）模式，后端模型可以每周甚至每天更新，用户无需升级系统即可获得改进。这种差异在AI快速迭代的时代尤为致命——当GPT-3到GPT-4的进化只用了一年多时间，Siri却被困在年度发布的节奏中无法快速响应技术变革。

更戏剧性的是，威廉姆森在2018年接受采访时公开吐槽"Siri刚发布时是一场灾难"，将责任推给老团队。Siri原始团队的CEO达格·基特劳斯则在推特上激情回怼，指出Siri发布时只是服务器过载，而威廉姆森负责的Apple Maps才是"苹果历史上真正的产品灾难"。

苹果高管在线互撕，这在苹果历史上极为罕见。达格离开前更是留下一句杀人诛心的话："如果乔布斯还在，我可能还会在苹果工作。"

发布仅一年后，三星S-Voice就与Siri不相上下；到2014年，Google Now已实现反超。Siri在内斗与追赶中泯然众人。

卧龙凤雏：苹果AI团队的七年迷航

好人老约翰的佛系管理

2018年，苹果从谷歌挖来人工智能主管约翰·詹南德里亚，同时组建统一的AI中台部门，试图终结Siri的混乱局面。布局看似精妙，但老约翰终归不是乔布斯。

与苹果其他高管相比，老约翰显得格格不入。苹果官网上列着的高级副总裁们，除他和一位法律顾问外，几乎都在苹果打拼了几十年，做事风格偏铁血、高要求、快节奏。而老约翰被同事评价为"安静随和，不爱起冲突，善于倾听"。

在技术路线上，他同样佛系——认为只要坚定研究机器学习，Siri就能"像爬山一样"逐步变好。当ChatGPT横空出世时，他甚至安慰员工说"聊天机器人不会为用户带来太多价值"，没有展现出任何危机感和决断力。

2022年11月ChatGPT发布后，整个科技行业的AI竞争格局被彻底重塑。ChatGPT基于Transformer架构的大语言模型展示了"涌现能力"（Emergent Abilities）——当模型参数规模突破某个阈值后，会突然获得训练目标中未明确包含的能力，如逻辑推理、代码生成、多语言翻译等。这种范式转变意味着，传统的"针对特定任务训练特定模型"的方法论（正是Siri团队长期坚持的路线）可能已经过时。一个足够大的通用模型可以通过少量提示（Few-shot Prompting）完成几乎所有语言任务，这直接挑战了苹果多年来在机器学习领域的渐进式改良策略。老约翰对这一范式转变的误判，成为苹果AI战略最致命的失误之一。

方向摇摆与团队离心

据前员工透露，AI团队最初计划为苹果打造大小两个模型：小模型在iPhone本地运行处理简单任务，大模型在云端处理复杂任务。这个方案既保隐私又保能力，非常"苹果"。

从技术角度看，这种"端云协同推理"架构的设计思路是：小模型（约30亿参数级别）部署在iPhone的Neural Engine上，负责处理简单查询、文本摘要、快速响应等低延迟任务；大模型（数千亿参数级别）部署在云端，处理复杂推理、多步骤规划等需要强大算力的任务。核心优势在于：简单任务完全在本地完成，用户数据不出设备，既保护隐私又降低延迟；复杂任务才上云处理。苹果最终发布的Apple Intelligence实际上回归了这一思路，采用了约30亿参数的端侧模型配合Private Cloud Compute的云端大模型，但中间的方向摇摆浪费了宝贵的开发时间。

没多久方案就被推翻，改为用一个模型解决所有问题，这与团队此前坚持的隐私政策相悖，直接导致部分员工心灰意冷选择离开。

老约翰的副手罗比·沃克同样令人哭笑不得。他最大的成就是花了两年半时间，在保障系统安全稳定的前提下，将Siri的唤醒响应时长降低了33%——说白了就是把"嘿Siri"里的"嘿"字去掉了。

在这对"卧龙凤雏"的带领下，整个AI与机器学习团队（AIML）在苹果内部获得了一个讽刺的绰号："Aimless"（没有目标）。

部门内战：AI团队与软件工程团队的明争暗斗

老约翰的好人管理风格还带来了另一个问题：他手下的员工晋升更快、休假更长，唯独工作产出没有跟上。这种"不患寡而患不均"的局面，让AI团队与克雷格·费德里吉领导的软件工程团队之间关系日趋紧张。

AI团队认为软件团队"太倔事多"，软件团队则觉得自己在"给AI团队擦屁股"。今年年初，AI团队甚至要求工程师在合作项目中留下书面证据"以防被甩锅"；软件团队则干脆自己拉起了一个"智能系统"团队，绕开AI部门独立搞AI。

这场内战甚至波及了Vision Pro。2022年，Vision Pro负责人罗克维尔希望两个团队合作开发语音交互功能，结果AI团队开发缓慢、设想的功能一个没做出来，会议几乎变成了对AI团队的批斗会。

亡羊补牢：苹果的自救之路

2025年3月，库克终于拍板动刀。Siri工程部门从AI团队剥离，整体划归Vision Pro负责人罗克维尔领导，直接向软件团队掌门人克雷格汇报。老约翰被一撸到底，连秘密机器人部门也被转交他人。

在硬件层面，苹果同样加速布局。苹果自A11 Bionic芯片起就内置了Neural Engine（神经网络引擎），专门用于加速机器学习推理任务。到A17 Pro和M4芯片，Neural Engine已达到每秒35万亿次运算（35 TOPS）的算力。然而，训练大语言模型所需的算力与推理完全不在一个量级——OpenAI训练GPT-4据估计使用了约25000块英伟达A100 GPU，耗时数月。苹果原本计划与博通合作设计定制AI芯片（预计2026年量产），主要面向数据中心训练和推理场景，旨在摆脱对英伟达的依赖。但芯片从设计到量产通常需要2-3年周期，面对急迫的市场形势，苹果已转向直接采购英伟达的H100/B200等现成GPU集群来搭建AI基础设施，以加速追赶。

结语：好人太多，乔布斯太少

苹果在AI上翻的这个跟头，本质上是一个组织管理的失败案例。当一家公司面对技术革命时，"好人文化"可能比"坏产品"更危险——大家的第一反应是求稳不出错，而不是像乔布斯那样抓住机会、打破常规。

改变世界不是靠做好每一步就能赢的，它考验的是决心、魄力和逆势出手的勇气。现在苹果已经醒悟，但留给它的时间窗口正在快速收窄——消费者已经白白等了一年，友商们正轮流抢夺苹果的用户。这场AI竞赛中，苹果能否找回乔布斯留下的那份遗产，仍是一个未知数。