2026年4月，库克宣布卸任CEO的同一天，约翰·特努斯接任，约翰尼·斯鲁吉升任新设的首席硬件官。几乎同时，苹果与Google联合声明：下一代苹果基础模型将基于Gemini，依赖Google云端算力。
撑起苹果芯片的人站上权力巅峰，苹果下一代AI核心却要接到竞争对手那里。两条走了三十多年和十五年的路，在这个春天被同时推向台前。
01. 两条路的起点：一个被乔布斯点中，一个默默掉坑
2010年2月，亚当·切耶接到苹果的电话：乔布斯想见他们三个。
两周前，切耶与汤姆·格鲁伯、达格·基特劳斯刚把Siri放上App Store。这款脱胎于斯坦福研究院CALO项目的应用，能听懂自然语言，再跨服务替用户办事。CALO项目由DARPA资助，历时五年，累计约1.5亿美元。
乔布斯没有把Siri当成普通App。据格鲁伯后来在硅谷计算机历史博物馆口述史中的转述，乔布斯连续追了Siri几周，最终把三位创始人请到帕罗奥图Waverley街的家中。客厅里，乔布斯告诉他们：
「我要改变这个手机……以后你不用再一直点击和打字了。我希望它能够在路上、用一种自然的方式被使用。」
2010年4月28日，苹果收购Siri Inc.，传闻价超过2亿美元。18个月后，Siri成为iPhone 4S的入口功能。2011年10月4日，斯科特·福斯托尔在台上演示：「今天我要不要带件雨衣？」Siri回答：「看起来今天会下雨。」
第二天，乔布斯去世。Siri成了他最后一次试图引领产品范式的尝试。
同一时间点，苹果芯片的故事完全是另一副面貌。没有聚光灯，没有掌声，只有一连串泥坑。
1980年代后期，苹果秘密开展代号「水瓶座」的项目，由工程师Sam Holland主导，目标替换摩托罗拉68000。为仿真这颗四核RISC芯片，苹果1986年专门购入一台Cray X-MP/48超级计算机。项目藏在库比蒂诺一栋独楼里，1989年前后告吹。
同期，苹果委托AT&T基于CRISP架构为Newton掌上电脑开发低功耗CPU「霍比特人」。成品bug多、价格高、性能不足，AT&T还要追加数百万美元开发费，1990年被弃用。
1990年，苹果与英国Acorn Computers、VLSI Technology联合成立Advanced RISC Machines——今天的ARM。苹果一度持股最高达43%。ARM第一颗处理器装进1993年的Newton MessagePad，这款产品定义了「PDA」一词，也几乎拖垮苹果手持业务。Newton失败，ARM存活。
到乔布斯去世的2011年，Siri这条线刚被点中一年多，芯片那条线已经掉过两个坑、趟了近二十年。
02. 芯片路的翻身：从A4到M1的闭环
2008年收购PA Semi，被多数人视为苹果造芯的真正起点。但这笔收购的初衷并非手机芯片。
PA Semi由芯片设计师Dan Dobberpuhl创立，团队核心来自DEC的StrongARM项目。苹果当时想要的是低功耗芯片，用于iPod和可能的平板设备。收购后，团队被拆散：一部分做iPhone芯片，一部分做其他项目，Dobberpuhl本人很快离开。
真正让苹果芯片走上正轨的，是2010年1月发布的A4。这颗芯片由斯鲁吉团队设计，采用ARM授权架构，三星代工。从A4开始，苹果形成了固定节奏：每年迭代，性能翻倍，功耗控制优于同期安卓阵营。
关键转折发生在2019年。苹果与高通专利战和解后，以10亿美元收购英特尔基带业务。这笔交易的核心价值不是技术，而是团队——英特尔基带部门约2200名工程师转入苹果。
2020年11月，M1芯片发布。苹果正式宣布Mac产品线从英特尔x86架构转向自研ARM架构。M1的能效比让业界重新评估「性能」的定义：在特定功耗墙内能完成多少任务，比峰值跑分更贴近真实使用场景。
至此，苹果完成了芯片的垂直整合闭环：手机、平板、手表、耳机、电脑，核心计算单元全部自研。斯鲁吉从2015年起直接向库克汇报，芯片团队规模从收购PA Semi时的约150人，扩张至2025年的数千人。
03. 求脑路的困境：Siri的十五年原地踏步
Siri的故事则是另一套叙事。
2011年发布后，Siri迅速成为被调侃的对象。识别准确率、响应速度、理解深度，每一项都被同期竞品追赶然后超越。2014年Amazon Echo发布，2016年Google Assistant上线，语音助手战场进入多强格局。
苹果并非没有投入。2018年，苹果挖来Google搜索和AI部门负责人约翰·詹南德雷亚（John Giannandrea），任命为机器学习与AI战略高级副总裁。这是苹果历史上第一个专门负责AI的高管职位。
詹南德雷亚的履历光鲜：在Google期间主导了搜索排名算法的机器学习转型，推动了Google Photos的图像识别功能。但他在苹果的任务被框定在极其狭窄的范围内：改进Siri，以及将机器学习嵌入现有产品线。
2019年，苹果收购西雅图AI创业公司Xnor.ai，金额约2亿美元。这家公司专注于在边缘设备上运行机器学习模型，无需云端连接。收购后，Xnor.ai的技术被用于改进照片分类、键盘预测等功能，而非Siri的核心对话能力。
2020年，苹果再次出手，以约2亿美元收购英国语音合成创业公司Voysis。Voysis的技术能让AI助手更好地理解特定领域的自然语言查询，比如电商场景。这笔收购同样没有转化为Siri的质变。
2023年，生成式AI爆发。ChatGPT、Claude、Gemini相继亮相，对话能力跃升数个量级。苹果的回应是：2024年6月WWDC发布「Apple Intelligence」，强调本地运行、隐私优先，但核心功能——写作辅助、图像生成、通知摘要——均不涉及开放域对话。
更关键的是，Apple Intelligence的云端模型并非自研。苹果与OpenAI达成协议，将ChatGPT接入Siri作为可选后端。这意味着用户提出复杂问题时，Siri会询问是否调用ChatGPT——苹果自己的模型处理不了。
2025年1月，苹果与Google的联合声明将这一模式制度化：下一代Apple Foundation Models基于Gemini，依赖Google云端算力。苹果自研的「Ajax」模型，据彭博社报道，在内部测试中表现不及GPT-3.5水平，未能达到上线标准。
04. 辩论：为什么芯片能成，AI不能？
两条路的反差如此强烈，需要拆解背后的结构性因素。
正方观点：苹果的组织基因更适合硬件
苹果的核心竞争力在于垂直整合与长期投入。芯片设计是工程问题，有明确的物理约束和可量化的优化目标。晶体管密度、功耗曲线、热设计功耗，这些指标可以被拆解、被迭代、被验证。
斯鲁吉团队的运作方式典型：每年发布、每年改进、性能可预期地提升。A系列芯片从2010年到2024年的演进曲线，证明了这种工程文化的有效性。
AI尤其是大语言模型，在2023年前并非苹果的主战场。詹南德雷亚被任命时，行业主流还是监督学习和特定任务模型。生成式AI的范式转换发生在苹果的组织惯性已经形成之后。
更深层的是数据问题。大语言模型的训练需要海量文本数据，而苹果的隐私承诺构成了结构性约束。差分隐私、联邦学习、设备端处理，这些技术路线在保护用户的同时，也限制了模型能力的上限。
反方观点：苹果错失了关键窗口期
2017年Transformer架构发布，2018年BERT出现，2020年GPT-3展示涌现能力——这些节点苹果并非没有察觉。但组织的反应速度远慢于行业变化。
Siri的架构债务是历史包袱。2011年的技术栈基于规则系统和有限意图识别，与后来的神经网络路线不兼容。重构需要推翻重来，而苹果的产品节奏不允许服务中断。
人才流向更能说明问题。2023年至2025年，苹果AI研究部门出现显著流失。据The Information报道，多名负责基础模型研究的工程师转投OpenAI、Anthropic和Google DeepMind。苹果2024年试图以高额股票挽留，效果有限。
对比Google：2014年收购DeepMind，2017年发布Transformer论文，2023年整合Google Brain与DeepMind。苹果在同等时间跨度内的AI布局，分散于Siri改进、收购整合、功能嵌入，缺乏统一的战略主线。
我的判断：两条路的分岔源于「可控性」的差异
芯片与AI对苹果而言，是两种完全不同的「可控性」命题。
芯片的可控性体现在物理层面。设计团队掌握架构授权，代工关系可以切换（从三星到台积电），最终产品的性能边界由苹果定义。用户感知到的「流畅」「持久」，背后是晶体管级别的确定性。
AI的可控性危机是多重的：训练数据不可控（需要互联网规模的文本），计算资源不可控（大模型训练需要万卡集群，苹果没有自建超算），输出结果不可控（幻觉问题至今无解），甚至人才流向也不可控（顶尖研究者更倾向于开放的研究文化）。
苹果的组织设计围绕「可控」优化：保密文化、垂直整合、硬件软件一体化。这些在芯片领域是优势，在AI开放生态中成为束缚。
2026年与Google的合作，是苹果对「不可控」现实的承认。Gemini成为云端大脑，苹果保留设备端入口和隐私叙事——这是一种分工，也是一种妥协。
05. 权力重组：斯鲁吉与特努斯的新角色
库克卸任CEO的同一天，斯鲁吉升任首席硬件官。这是苹果历史上首次设立该职位，将芯片、硬件工程、硬件技术三大部门整合于一人之下。
特努斯接任CEO，其背景同样值得注意。作为硬件工程高级副总裁，他主导了M1芯片的Mac产品线转型，以及Vision Pro的开发。两位核心人物均来自硬件体系，且均有芯片项目经验。
这一权力结构传递的信号明确：在苹果的未来叙事中，硬件——尤其是自研芯片——仍是根基。AI能力的获取方式可以灵活，但计算平台的控制权必须紧握。
然而，Gemini合作条款的细节尚未公开。苹果是否获得模型微调权限？数据如何隔离？品牌如何呈现？这些将决定「苹果AI」与「Google AI」在用户认知中的边界。
06. 尾声：两条路的交汇与未解之问
回到乔布斯在Waverley街客厅的那句话：「用一种自然的方式被使用。」
十五年后，「自然的方式」被重新定义。不是语音助手听懂意图、跨服务办事，而是大模型理解上下文、生成回应、持续对话。Siri的原始愿景——让手机从触摸和键盘中解放——被新的交互范式覆盖。
苹果芯片三十年的闭环，证明了长期主义在工程领域的回报。求脑十五年的曲折，则揭示了组织基因与新兴技术之间的张力。
2026年的春天，两条路在台前交汇：一个站上权力巅峰，一个接入外部大脑。这不是终局，而是新一轮博弈的起点。
当设备端的神经网络引擎（Neural Engine）算力持续翻倍，当云端模型的能力边界不断外推，苹果能否找到第三条路——既保持硬件控制，又突破AI能力的瓶颈？或者说，「可控性」本身是否正在从资产变成负债？
热门跟贴