番外 01 · 苹果的 Apple Intelligence 竟然是唯一的优等生

1 开篇

最近 B 站 UP 主「老戴」发了一期挺扎心的视频，标题就叫《2026 了，手机 AI 助手，为什么没一个好用的？》。他开场先问了一圈身边用户：第一方助手现在基本只剩定闹钟、设日程；发布会上写 PPT、做旅游攻略、深度研究，刚更新时试一次，随后便很少再打开。

为了避免样本只是个人感受，他请 500 个兼职大学生填问卷。这群人本应是最愿意尝试新功能的人，结果约四分之三的人低频甚至几乎不用手机自带 AI 助手，日常使用集中在天气和基础搜索。

按道理，第一方助手离系统最近、权限也高。但发布会上的能力到了用户手里却没人用。视频给出的反转是：问题未必在模型。即使把更强的模型装进手机，如果它仍然不知道用户真正要处理的是哪件事，体验也可能停在演示阶段。

视频里有三个判断值得留下。第一，发布会常见的旅游计划、深度研究和 PPT 文案，未必是手机上的高频需求。手机更像现实世界与数字世界的连接节点，真正有价值的任务，是把会议、联系人、文件、消费和日程之间的个人事务接起来。

第二，手机 AI 的价值不在于再增加一个聊天窗口，而在于替用户处理跨应用事务：找到那场会议、识别「他们」是谁、把内容发到正确的邮箱，再把时间改到周五。这要求工具能力进入产品逻辑，而不是把一个模型按钮贴在已有界面上。

第三，真正有区分度的能力，是 OS 层的全局语义索引。日历里只有公司名，备忘录里只有参会人员，联系人里写着 CEO 关系；用户说「下周帮我把会议内容发给他们」，系统能够把这些碎片拼成同一件事。这个结果看起来只是一封邮件，背后却是多年交互、软件、硬件和数据基础设施共同工作的结果。

2 越琢磨这件事，越觉得有意思

这期视频把用户行为、系统位置和跨应用任务放在了一张图上。表面看，厂商之间的差距似乎正在缩小：都有端侧模型、都有智能体、都有云端能力；但「能演示」与「能持续处理个人事务」不是同一个维度。

苹果的路线更像是先把地基打深，再让楼层逐步显现。外界看到的是 Siri 曾经反应迟缓、功能迟到；后台处理的却是 AppIntents、系统语义、端侧模型、安全边界和云端推理如何共同成立。别人可能先把水晶球递给用户，告诉用户未来已经来了；苹果更在意水晶球里能否稳定映出用户自己的生活，而不是只在发布会灯光下闪一次。

这也是为什么「苹果慢」与「苹果落后」不能直接画等号。厂商抢先出货的逻辑很容易理解：功能不拿出来，就会被认为落后。苹果的逻辑则是先问用户究竟要解决什么，再把系统、应用和模型一起改到足以承受这个任务。前者追求功能出现，后者追求任务完成。

这里的差异不只是产品态度，而是工作量维度的差异。一次按键调用云 API，可以很快做出水晶球式演示；一个真正理解个人关系、跨应用执行任务的系统，需要年复一年处理数据模型、权限、索引、失败回退和隐私证明。用户看见的是一句话，工程团队面对的是一整座地下结构。

3 把现象剥开，底下是什么

3.1 OS 层与应用层：差别首先在数据架构

视频中的核心判断是「数据架构不一样」。主流讨论习惯比较参数量、训练数据和 benchmark；这里更需要比较的是：AI 助手位于应用层，还是位于 OS 层之上。

应用层的助手像一个部门助理，只能调用自己部门的文件。OS 层的助手更像总协调员，能够理解日历、联系人、备忘录、邮件和地图之间的关系。要做到这一点，苹果需要让应用开发接口、系统数据模型和用户授权多年保持同一方向；这不是把模型换大就能补上的缺口。

苹果的先见之明在于，它没有因为「语义理解」这个技术名词存在，就直接把它塞进 Siri。它先考虑这项能力和用户的关系：用户并不想研究模型，而是想让一句自然表达真正完成个人事务。于是，基础模型、系统索引、应用意图和隐私边界必须一起成熟。

3.2 全局语义索引与 PKG：一张总账，织出关系网

「OS 层全局语义索引」可以理解为公司里只有一本总账。日历、联系人和备忘录仍是不同部门，但它们的数据被放进一套能对齐含义的系统账本。用户说「下周一那场会」，系统不只搜索这串字，而是寻找时间、地点、人物和内容的关联。

PKG，即 Personal Knowledge Graph，个人知识图谱，则不是一张简单表格。表格记录字段，图谱记录关系：这个会议关联哪家公司，这家公司对应哪个联系人，联系人又和哪段备忘录相关。它像一张不断织出的关系网，真正的成本不在画出节点，而在持续处理实体对齐、权限继承、删除同步、错误纠正和本地索引。

因此，PKG 每次被提及时都不能只当成一个漂亮名词。它背后是多年积累的数据结构和产品取舍：哪些信息可以关联，哪些必须隔离，用户撤回授权后关系如何消失。水面上是一句「帮我发邮件」，水面下是巨轮需要长期维护的结构。

3.3 Siri、SiriKit 与新 Siri：从文件柜到懂意图的秘书

传统 Siri 看起来属于系统，但能力边界仍接近一个应用。SiriKit 是第三方应用的扩展框架：开发者通过 intent（意图）告诉系统「我的应用可以完成这些动作」，系统再做匹配和路由。它解决了应用接入问题，却不自动生成跨应用的个人语义。

新 Siri 的位置不同。它依赖 OS 层全局索引和 PKG，能够理解「他们」可能指联系人中的 CEO，能够把会议内容和邮件动作连起来。传统 Siri 像只认字的文件柜，新 Siri 更接近懂你的秘书；差别不是秘书背了一本更厚的词典，而是秘书能调阅同一份个人事务档案。

这套能力对苹果的要求很高：交互要允许模糊表达，软件要提供统一实体，硬件要能承担端侧索引，AI 要在本地与云端之间切换，安全体系还要证明数据边界没有被悄悄放宽。用户只看到结果被黑盒包装起来，苹果却要把每一层地基都浇实。

3.4 端侧、端云协同与应用级能力

注：以下分层为 on-device vs per-app 轴；端云分层详见第 12 篇《端云决策》。

端侧部分包括直接运行在 iPhone 上的 Foundation Models、全局索引构建以及日常 PKG 查询。PCC 是 Private Cloud Compute 的缩写，中文可译为「私有云计算」：当任务超出端侧能力时，它提供隐私优先的云端扩展。PCC 不属于端侧本体，而是端云协同的一环；它之所以重要，是苹果先花多年建立安全证明、数据最小化和可验证边界，才敢把更重的推理交给云端。

应用级部分则包括传统 SiriKit intent、第三方快捷指令和各自应用内部的数据。一个应用可以把自己的动作暴露出来，但这不等于系统已经理解其他应用里的相关人物和事件。

两条轴必须分开看：端侧与云端回答「计算在哪里发生」，应用级与 OS 级回答「语义范围有多大」。把 PCC 放在端侧列表里会造成混淆；正确理解是，苹果同时铺设了本地计算、端云协同和 OS 级语义范围。

索引期持续几小时到几天，也不是故障。新系统第一次接管用户资料，必须先处理历史数据、实体关系和权限状态。它像新任管理员先查档案：时间花在看懂旧资料，换来之后更自然的查询。这个等待本身就是工程量的可见切片。

3.5 开发者路径：把应用接入地基，而不是另造一座孤岛

开发者首先要判断，哪些能力应该留在应用内部，哪些信息值得被 OS 理解。Foundation Models 可以通过系统 API，例如 LanguageModelSession，提供端侧语言能力；AppIntents 则把应用动作和实体暴露为系统可识别的语义对象。

这里给出两条关键路径。第一，减少在应用内部重复堆叠基础模型，把通用语言能力交给系统；第二，用 AppIntents 认真描述应用实体、动作和参数，让系统能把这些信息放进更大的个人任务中。

但接入不是填一张表就完成。开发者还要处理授权撤回、离线状态、索引尚未完成时的回退、跨版本兼容和错误提示。每个应用都补齐这些细节，OS 层地基才不会出现空洞。

4 不是他们不努力，是底层就差一截

把苹果和华为、OPPO、vivo、小米放在一起看，不能只问谁的模型参数更大。四家厂商都在推进 AI 手机，而且很多单点能力已经很强；真正的反差在于：它们展示的是「功能已出现」，苹果构建的是「系统是否能长期理解用户」。这两个评价维度不同，所以调研中「代差被击碎」的结论，与本文「苹果仍领先约 1—1.5 代」并不矛盾。

4.1 华为：端云能力与系统级意图框架

华为的盘古 5.0/5.5 与 DeepSeek 形成组合，端侧推进到约 10B 级别，云端 Ultra MoE 达到 718B 级别。HarmonyOS NEXT 的微内核路线，为系统级调度提供了更统一的底座；意图框架覆盖 300 多项系统服务，星盾安全架构则试图把权限、设备和数据保护纳入整体体系。月唤醒达到 30 亿次，说明它拥有足够大的真实入口。

这些数据说明华为并非只是在按键上加一个模型。它正在把模型、微内核、服务意图和安全架构接起来。但要从「服务很多」走到「理解个人跨应用关系」，仍要解决实体统一、长期索引和跨服务语义一致性。模型规模是地上楼层，数据关系与安全边界仍属于地基。

4.2 OPPO：动态端侧模型与高频入口

OPPO 的 AndesGPT 约 7B，端侧采用动态 LoRA 与 4-bit 量化，试图在有限资源下保持任务适应能力。SenseNow、一键问屏和小布胶囊，把 AI 放到屏幕理解和即时交互里；AI 私密计算云则使用 TEE 等可信执行环境，改善云端处理的隐私边界。月活约 1.66 亿，意味着这些入口具有很大的触达规模。

它的优势是把能力放在用户正在看的屏幕和正在做的动作旁边，距离高频使用更近。但一键问屏首先解决的是「看懂当前屏幕」，而 OS 级助手还要解决「这件事与我其他应用里的什么关系」。动态 LoRA 和量化降低了端侧成本，却不能替代多年个人知识关系的积累。

4.3 vivo：保守稳健的应用级到 OS 级过渡

vivo 以 BlueLM 为基础，走极简端侧路线，正在从应用级能力向 OS 级能力过渡。它的选择更保守稳健：先把高频、低风险的体验做牢，再逐渐扩大系统权限和任务范围。

这种路线并不等于没有价值，反而说明厂商已经意识到 OS 级助手需要承担更大的安全与一致性责任。只是从应用级过渡到 Spotlight 级全局检索，仍需要统一实体、开发者接入、索引体系和长期数据治理。调研把它放在「尚未达到 Spotlight 级别」的位置，反映的是系统语义范围，而不是模型聪明与否。

4.4 小米：设备间语义强，单机应用间仍有距离

小米的 MiLM 8B 与 HyperOS 让设备之间的语义连接更突出：手机、平板、家居设备可以围绕同一用户场景协同。月活约 9000 万，也提供了足够的用户规模和设备网络。

但单机内部的应用间语义仍然偏弱。设备之间能互相找到，不代表同一台设备里的日历、联系人、备忘录已经共享一张可查询的关系网。它解决的是「多设备协同」的一部分，苹果长期铺设的重点则是「个人事务的系统级理解」。

4.5 水晶球与场景化：代差被击碎，但工作量维度仍未消解

四家厂商的进步确实击碎了早期的代差印象。华为有 10B 端侧和 718B 云端，OPPO 有动态 LoRA、4-bit 量化和私密计算云，vivo 在向 OS 级过渡，小米把设备语义连接做得更强。若只看模型、入口和发布节奏，苹果不再拥有轻松的领先。

但用户真正要用的是场景化任务：在不明确说出应用名称的情况下找到那场会，判断「他们」是谁，遵守权限边界，再完成邮件或日程动作。这个任务要求交互、软件、硬件、AI 和安全一起工作。它的工作量不能被一次发布会功能演示消解。

所以本文保留一个更谨慎的判断：苹果不是在每个参数上领先，而是在「系统能否把个人生活组织成可执行语义」这个维度上，仍可能领先约 1—1.5 代。厂商的水晶球让用户提前看见未来，苹果的地基工程决定未来能否在日常使用中不塌。

5 下次再看手机 AI 助手时，能多看出点什么

以后再看一场手机 AI 发布会，可以先问五个问题。

第一，它是在当前屏幕上调用一次模型，还是理解了用户跨应用的长期关系？第二，端侧模型之外，有没有说明索引、权限和失败回退如何工作？第三，云端能力是否有清楚的隐私边界和可验证机制，而不是只写「安全」两个字？第四，开发者接入的是一个独立 intent，还是能让系统理解实体和关系？第五，厂商展示的是水晶球式的未来预览，还是已经把高楼地基打到足以承受日常任务？

这些问题也能解释为什么苹果的先见之明经常不容易被看见。PKG 不是一个发布会名词，它意味着多年数据建模、关系维护和授权治理；PCC 不是「把任务丢到云上」，它意味着多年安全架构、证明机制和边界设计；端侧模型也不是只把参数塞进芯片，它还要配合量化、缓存、功耗、更新和索引。

视频讲清楚的是现象：为什么用户不用、什么任务才有价值、为什么跨 app 拼图看起来像真正的 AI。本文补上的，是现象背后的工作量：系统语义、个人关系、端云边界、开发者路径和组织协同必须同时成立。

当你把四家厂商和苹果放在同一张架构图上，结论不会是「别人都不行」，也不会是「苹果每个参数都赢」。更准确的说法是：看得见的功能差距正在缩小，但评估智能手机 AI 的维度还没有统一。厂商在争先把楼层交付给用户，苹果花更长时间处理地基、承重和消防；这让它在局部功能上显得迟缓，却可能在系统级个人事务上保留 1—1.5 代的领先。

下次再遇到助手只回天气或提示重试，可以检查的不是模型榜单，而是它有没有那张能把个人数据组织起来的关系网，有没有支撑这张网长期运行的安全与端云边界。真正的差距，往往藏在用户看不见的地方。

感谢这期视频提供了一个观察坐标。下一阶段，我可能会去学习苹果的 visionOS——空间计算与 iPhone AI 是同一套产品思维的不同切面，等笔记整理出来再继续写。

生词表

下一篇预告

下一阶段继续关注 visionOS，以及空间计算如何把同一套「先理解用户，再交付能力」的产品思维延伸到另一种设备形态。