庫克謝幕、Ternus 接班：WWDC26 蘋果 AI 的權力重組與五款自研模型

重點速覽 17 分鐘閱讀

五款 AFM 模型全由蘋果自研，底層借用 Gemini 技術與 Google Cloud，而非把 Gemini 直接塞進 Siri
Apple Intelligence 發布失敗後內部大重組：Giannandrea 出局、Rockwell 接手 Siri 並向 Federighi 匯報
與 Google 合建的 Private Cloud Compute，靠 Intel TDX、NVIDIA 機密計算、Google Titan 串成一條可驗證的信任鏈

2026 年的 WWDC，是 Tim Cook 卸任前最後一次以 CEO 身分主持大會。台下給了他將近一分鐘的掌聲，但真正的問題不在這場謝幕，而在後面——今年 9 月起，以新 CEO John Ternus 為重心的下一代領導層，要如何帶著蘋果在 AI 時代重新證明「蘋果是定義者，而不是追趕者」。

都 2026 年了、CEO 都要換人了，蘋果的 AI 到底在做什麼？從投資人的角度看，這場發布會其實「比較平淡」——三年半以來，這是外界第一次真的感覺到蘋果在「把 AI 的東西放進手機裡」，但它端出的東西並沒有超出市場預期。這篇文章就順著《矽谷 101》在 WWDC 現場的觀察，把幾件事講清楚：Apple Intelligence 失敗之後蘋果內部經歷了什麼、重組後的領導班底、五款自研模型與系統架構，以及和 Google 合建的隱私計算長什麼樣。

從「完美文化」到「AI 危機」

時間拉回 2024 年 6 月 10 日，蘋果正式宣布 Apple Intelligence。但之後功能數次延期交付，不只讓業界質疑蘋果的 AI 研發能力，更把「尚未交付的功能當成宣傳核心」這件事，變成了觸發消費者虛假廣告訴訟與股東證券詐欺訴訟的引信。2025 年，蘋果毫無疑問陷入了一場「AI 危機」。

危機的根源，是蘋果引以為傲的「完美文化」在 AI 衝擊下失衡了。蘋果過去的成功，很大一部分來自它的整合能力——一年憋一個大招，一點一點往前走。這套節奏在過去很有效，但在 AI 時代可能不適合：這個時代「大概每週就該有一個 release」，你必須激進，因為你必須這麼走。如果還像以前一年憋一個大招，「AI 都已經過了幾個世紀，它才過了一年」，這就是問題。

一場祕密會議，改寫了 AI 權力版圖

根據彭博社的報導，2025 年蘋果高層進行了一次人事變動。在年初那場關鍵的祕密會議上，Cook 本人並未出席，由當時的 COO Jeff Williams 主持。蘋果總算意識到：Apple Intelligence 的問題不只是產品延期，而是組織、文化與領導力的問題。

原本負責 AI 的 John Giannandrea 正在失去 Cook 與高層的信任。蘋果需要一個人來把 Siri 和 AI 的爛攤子重新拉起來——這個人是 Mike Rockwell，之前負責 Vision Pro 與 visionOS 的那位。Vision Pro 商業銷量不算成功，但在蘋果內部被視為工程難度極高的成果，Rockwell 是打過硬仗、帶過隊伍、做過複雜系統的人，而且他很早就認為 AI 會是蘋果的關鍵問題，也提過 Siri 的改造路線。

不過這裡出現了大公司常見的政治博弈。Rockwell 原本以為自己會成為蘋果整體 AI 的負責人、取代 Giannandrea 直接向 Cook 匯報；但軟體工程老大 Craig Federighi 不同意——在他看來，AI 與 Siri 最終應該屬於軟體工程體系。最後的結果是：Rockwell 接下 Siri，但向 Federighi 匯報，而不是直接向 Cook；Giannandrea 最終離開蘋果。這背後其實是蘋果內部對 AI 歸屬權的重新劃分——AI 到底是一個獨立的新中樞，還是軟體系統的一部分。

重組後的權力版圖大致是這樣：

Tim Cook：從旁觀產品的 CEO，變成親自下場、介入 AI 路線。
Craig Federighi：依然是軟體負責人，而 AI 成為未來幾年作業系統升級的中心。
Mike Rockwell：接手 Siri、重組 Siri 團隊。
Amar Subramanya：蘋果從外部找來的 AI 模型負責人，這個角色極為關鍵。他在 Google 待過 16 年，曾任 Gemini、Gemini App 與 Bard 的工程副總裁，剛跳槽微軟 5 個月就被蘋果挖走。今年蘋果和 Gemini 的合作，相信他在中間有不少話語權。
John Ternus：今年 9 月之後接替 Cook，成為新 CEO——他繼承的是一個「必須證明 AI 能力」的蘋果。

於是今年的 WWDC，就是這個新高層團隊的檢驗時刻。

五款自研模型：端側兩顆、雲端三件套

新一代 Apple Foundation Models（簡稱 AFM）一共五款。發布會反覆強調的重點是：即使進了 AI 時代，蘋果端出的也要是「符合蘋果價值觀」的技術。

端側兩顆：

AFM 3 Core：30 億參數。
AFM 3 Core Advanced：200 億參數的 MoE（混合專家）架構，一次大約只激活 10～40 億參數，跟 30 億模型的實際計算量差不多，剛好能在手機端撐住。它的核心優勢是語音——更擬人、更有表現力、可個性化，以及全系統聽寫等多模態能力。代價是硬體門檻高：Advanced 只能跑在 iPhone 17 Pro／Pro Max、搭 M4 晶片的 iPhone Air 及以上，以及至少 12GB 統一記憶體的 iPad（M3 以上）與 Mac 上。這也是部分蘋果用戶吐槽的地方，但端側 AI 對記憶體和晶片的要求本來就太高，某種程度上是沒辦法的事。

Advanced 之所以能在端側跑 200 億參數，除了 MoE 稀疏激活之外，還用上了一個有意思的技術：把一部分固定／基礎參數放到快閃記憶體（flash）裡。端側設備的 DRAM 本來就不夠，如果一次把所有參數載進記憶體，會浪費大量資源、也更耗電；蘋果的做法是把常用參數放進 flash，再根據使用者需求動態載入不同的參數，這樣既少佔記憶體，也降低手機耗電。這正是蘋果「軟硬一體」優勢慢慢在大模型上發揮出來的地方。

雲端三件套（參數與細節都未公布，只能從職能看）：

AFM Cloud：雲端主力，官方稱之為「server-side workhorse」，當端側能力不夠時接手大部分雲端任務，在速度、效率與綜合性能上重點最佳化。
AFM Cloud Pro：最強雲端模型，負責複雜推理與 Agentic tool use，用在最吃算力、最複雜的場景，並擴展到 Google Cloud 上專為 NVIDIA GPU 最佳化的環境。
ADM Cloud（Image）：雲端圖像模型，負責圖像生成與編輯。

這裡有個外界最關心的問題：兩年前蘋果和 OpenAI 合作時，本地用蘋果模型、雲上用 GPT，被批前沿模型能力不足；這次換成 Gemini，那模型到底是誰的？據蘋果內部人士的回答，答案很直接——五款模型都是蘋果自研的，但底層用到了 Gemini 的相關技術與 Google Cloud 基礎設施，其中最重的 Cloud Pro 還擴展到 Google Cloud 的 NVIDIA GPU，並由蘋果的 Private Cloud Compute 隱私架構包住。換句話說，是蘋果主導模型，而不是把 Gemini 直接搬進蘋果平台。蘋果的技術論文也表示，今年夏天稍晚會發布技術報告，分享更多模型細節、評估與 benchmark。

系統編排器：把五款模型調度起來

有了五款模型，整個系統靠什麼調度？關鍵字是「系統編排器」（System Orchestrator）。它像演唱會的指揮，負責調度不同模型、組織不同功能來完成任務，底下掛著四個功能架構：

flowchart TD
    U[使用者請求] --> O[系統編排器<br/>System Orchestrator]
    O --> A[App Toolbox<br/>透過 App Intents 調用各 App]
    O --> S[Spotlight Index<br/>照片/郵件/備忘錄語意索引]
    O --> C[On-screen Context<br/>螢幕感知]
    O --> W[World Knowledge<br/>上網搜尋 · 走 PCC]
    A --> M[調度五款 AFM 模型]
    S --> M
    C --> M
    W --> M
    M --> R[結合 App 生態<br/>回傳端側 AI 互動]

App Toolbox：讓 Siri 能「動手」的關鍵。透過 App Intents 框架，編排器知道手機上每個 App 能做什麼；你叫它發訊息或寄信，它就調用 Messages 或 Mail 執行。
Spotlight Index：把 iPhone 上的照片、郵件、備忘錄、訊息等資料，透過 Spotlight 語意索引組織起來，讓 Siri 更懂你。
On-screen Context：螢幕感知，編排器看得到你當前螢幕上的內容，能結合正在讀的報導或看的影片給出相關回答。
World Knowledge：需要上網搜尋時，透過蘋果與 Google 合作的 Private Cloud Compute 生成回答。

發布會上的 demo 老實說沒超出市場預期：新版 Siri 能結合個人情境搜尋郵件、照片、跨 App 做任務，能回答螢幕內容相關的問題，也能上網取得最新資訊；還有一個獨立的 Siri App，可以回顧過往對話、透過 iCloud 在各裝置間私密同步對話歷史。但大部分 demo 仍是生成式 AI（寫作、修圖）加多模態，沒有太多真正的 Agentic action。

不過從追趕的角度看，這未必是壞事——它得先 catch up。對使用者來說，過去用 ChatGPT、用 Claude，自己的手機卻一直沒跟上，要用 AI 總得切到不同 App，各種記憶還整合不起來；如果 Siri 能把照片、郵件都串起來，對用戶就是好事。這次比較驚豔的一個 demo，是透過密碼 App 自動幫你更新密碼——背後是 Apple Intelligence 和 Safari 配合，自動導航到網站、登入、改密碼，這是很典型的 Agentic 場景，但也需要 Siri 與開發者深度合作，而蘋果現在正處於搭建這種 Agentic 生態的初期。

App Intents：一手胡蘿蔔、一手大棒

蘋果推 App Intents 這套機制，用來取代舊的 SiriKit。它要求開發者把 App 裡的功能、動作或資料，按照結構化的模式宣告出來、開放給 Siri，Siri 就能透過工具調用的方式連接每個 App。舉例來說，如果你開發日曆 App、給了 Siri 權限並按規範寫好背後的程式碼（開發都在 Xcode 生態裡進行），使用者就能在不打開第三方 App 的情況下，完全透過 Siri 調用 App 的主要功能。

蘋果的推法是典型的「胡蘿蔔加大棒」：

胡蘿蔔：用戶量小於兩百萬的開發者，可以免費調用蘋果背後的 AFM 大模型。相較之下，若你自己去調用 GPT-5.5 或 Claude 這類模型要付 token 費、還得自己搭一套 Agent Harness 去連 API，蘋果直接幫你把這些都搭好了，你只要照規範寫程式碼就能免費調用。
大棒：如果你不加入，未來越來越多人用蘋果設備、用 Siri 調用 App 時，你就會被邊緣化。蘋果整套設備有數十億用戶，不在這個生態裡，很可能就拿不到 Siri 這部分的流量。

從開發者角度看，這其實划算——降低成本，又多了一個 Siri 流量入口。

Private Cloud Compute：一條可驗證的計算鏈

要把 Consumer AI 推給全球上億使用者，安全是最重要的問題。這次蘋果和 Google 花大力氣搭的隱私架構，叫 Private Cloud Compute（PCC），並發布了相當詳細的技術報告。

先講結論：蘋果試圖建立一條可驗證的計算鏈——只有經蘋果批准、公開登記並完成硬體證明的伺服器，才能取得解密請求的能力；請求處理完後，資料與金鑰隨即銷毀；蘋果、Google 以及雲端管理員都沒有讀取用戶內容的常規介面。這也是發布會反覆強調的那句「連蘋果都不會知道你的資料」。

傳統雲端只在資料儲存時加密、傳輸時走 TLS，但 AI 推理時 GPU／CPU 必須讀取請求內容，資料通常得以可處理的形式出現在伺服器記憶體裡。PCC 想用硬體、密碼學與軟體架構強制隔離用戶資料。整個流程大致六步：

端側設備先判斷請求是否需要上雲。
送資料前，設備先驗證「對面是誰」——驗證目標 PCC 節點的密碼學證明（remote attestation），通過後才信任該節點。
在 TLS 保護的基礎上，PCC 再對節點的解密能力加一層更明確的保護，讓網路營運商、代理、負載平衡器與常規雲端管理系統都看不到請求明文。
請求只在 PCC 的信任邊界內被解密，模型在受隔離的 CPU、GPU 與記憶體環境中處理，雲端宿主與一般管理員沒有通用入口。
模型完成推理後，結果加密回傳、由設備解密顯示，雲端模型只負責當前任務，不能把請求留下來做訓練或用戶畫像。
任務完成後，請求資料、臨時金鑰與運行狀態被清除——蘋果稱之為 stateless computation（無狀態計算）。

新版 PCC 的核心變化，是把蘋果原本建立在 Apple Silicon 上的安全理念，遷移到 Google Cloud 的異構硬體體系。這條信任鏈由三層硬體撐起：

Intel TDX（Trust Domain Extensions）：在 CPU 側建立受硬體隔離的機密虛擬機，讓記憶體與計算狀態和宿主機、虛擬化管理程式及其他租戶隔離。
NVIDIA Confidential Computing：AFM Cloud Pro 跑在 NVIDIA GPU 上，光保護 CPU 記憶體不夠，因為參數與中間結果會在 CPU、GPU 間流動，因此用 NVIDIA 的機密計算保護 GPU 推理，並建立 CPU 到 GPU 的受保護路徑。Google 官方明確表示，這是結合 Intel CPU 與 NVIDIA Blackwell GPU 的機密計算能力，保護推理過程中的「data in use」。
Google Titan 晶片：作為 Google Cloud 基礎設施的硬體信任錨點，驗證平台身分、啟動流程與完整性。

再加上蘋果的軟體證明來驗證實際運行的程式碼，就串成一條「Titan 驗平台 → Intel TDX 隔離 CPU → NVIDIA 隔離 GPU 推理 → 蘋果軟體證明」的組合信任鏈。難點在於機密計算成本很高、對硬體有要求，業界過去也沒有把這些技術整合成一套具備同等端到端屬性、又能在全球規模運行的系統——這是蘋果的第一次嘗試。這種投入，「不是一家初創公司能做好的」，需要 Google 這樣的 Infra 團隊，據了解 Google 確實抽調了不少 Infra 成員專門支援蘋果這件事。

監管與市場：DMA 是懸著的一塊

蘋果在隱私上砸了真金白銀，但監管仍是硬骨頭，而且在 AI 時代越來越複雜。據《紐約時報》報導，歐盟委員會與蘋果之間關於 AI 監管規則的爭議，導致新 AI 功能在歐盟延後發布。爭議點集中在《數位市場法案》（Digital Markets Act，DMA）：它要求蘋果這類巨頭確保產品具互操作性，意味著外部開發者能提供可下載、與 Siri 競爭的 AI 助理。監管機構認為這對促進競爭至關重要，蘋果則反對，稱這會帶來隱私與安全隱患。雙方已談了好幾個月、提過多種替代方案，但尚未達成一致。

這對蘋果非常關鍵——歐洲是僅次於美國的第二大市場，2025 年銷售額達 1110 億美元；大中華區是第三大市場，同樣舉足輕重。

兒童帳戶：一個被低估的重點

這次發布會還花了不少時間講兒童帳戶（Child Account）的大幅升級，涵蓋設備初始化、內容存取、通訊與螢幕使用時間管理，預計隨 iOS 27 / iPadOS 27 / macOS 27 在秋季推出，並可跨 iPhone、iPad、Mac 使用。家長可以決定設備一開始有哪些 App、自行挑選允許孩子使用的 App；孩子想下載新 App、瀏覽新網頁、加新聯絡人時，家長都會收到通知，再決定批准或拒絕。

現場幾位「科技行業媽媽」的實測回饋很具體：最印象深刻的是 Screen Time，把孩子能接觸的 App 分成三大場景，可以用溝通的方式一起商量娛樂與學習時間；設定流程「非常 easy」，對不擅長操作科技產品的父母也友善；把時間決策權交給孩子，對培養自律是好幫手。她們也給了改進建議——目前是到點才提醒，希望能提前 5～10 分鐘倒數，因為對小孩來說「戛然而止」最容易情緒崩潰。另外對青春期孩子的適配還不夠：有「國情」因素（家庭用微信而非 Messages，而微信不開放管控），加上孩子的朋友不一定用 Apple 設備，家長就難以覆蓋。不過對小小孩，這套機制能讓家長放心地給孩子一台屬於他自己的設備，而不是把自己的設備分享出去——這大概也會實打實地幫到蘋果的銷量。

結尾：這只是開始

把這場 WWDC 放回大局：儘管大家常說 Apple 沒有 SOTA model，但蘋果自身的生態、龐大的用戶量與 distribution，在未來仍有很大潛力；它過去靠「一年憋一個大招」的產品週期文化很成功，但在 AI 時代必須改變。這次的發布，對投資人來說平淡，對一般使用者來說是「手機終於跟上了」，對業界的友商來說也是好事——如果蘋果能把消費者對端側 AI 的接受度帶起來，對整個賽道都有幫助。

真正的看點在後面：五款自研模型的能力，要等夏天的技術報告和 benchmark 才見真章；Agentic 生態能不能靠 App Intents 的胡蘿蔔加大棒真的長出來；PCC 這條跨 Apple Silicon 與 Google Cloud 的信任鏈能不能穩定落地。如果這些只是一個開始，那麼真正屬於消費者 AI 的「iPhone Moment」，或許還要再等一等。