當生成式人工智能的焦點長期落在大型模型、GPU叢集及雲端算力，Apple一度被市場視為AI競賽中的落後者。OpenAI、Google及Meta不斷推出更強模型，Microsoft亦把AI嵌入辦公軟件；相比之下，Apple Intelligence初期功能較零散，Siri升級進度亦慢於投資者預期。問題是，衡量Apple的標準是否應該是「誰擁有最大模型」，還是「誰最有能力把AI變成日常消費功能」？
Apple的弱點相當明顯。純粹比較聊天、推理、搜尋及內容生成能力，Apple並未建立明顯領先優勢。在雲端AI時代，模型迭代速度決定市場話語權，而Apple過往擅長的封閉式開發、軟硬件整合及年度更新節奏，未必適合每隔數周便升級一次的模型競賽。市場之所以認為Apple缺席AI熱潮，不是因為其沒有AI技術，而是其技術尚未形成像ChatGPT般清晰、可感知的「殺手級產品」。
然而，Apple的反擊路徑可能並非複製一家模型公司，而是把競爭由雲端移回終端。所謂端側AI，是把部分模型直接放入手機、電腦、平板及穿戴裝置運行，毋須把所有資料上傳伺服器。其優點包括反應速度較快、離線可用、私隱風險較低，以及減少持續使用雲端算力的成本。這些條件與Apple長期建立的晶片、作業系統及裝置生態正好吻合。
決勝點在能否進入生活
Apple最新一代基礎模型採用端側與雲端混合架構：較簡單、涉及個人資料的工作可在裝置上完成，複雜任務則交由Private Cloud Compute處理。Apple公布的第三代模型包括約30億參數的端側核心模型，以及採用稀疏架構、總規模達200億參數但每次只啟動約10億至40億參數的進階端側模型，目的正是平衡能力、記憶體佔用、耗電與延遲。
這種架構未必能在公開排行榜擊敗最大的雲端模型，卻可能更適合處理真正有商業價值的個人任務。例如AI若能理解螢幕內容，串聯電郵、訊息、相片、日曆和應用程式，便可替用戶找出航班資料、整理會議安排、修改照片，甚至跨應用程式執行指令。Apple在2026年公布的新一代Siri，正把重點放在個人情境、螢幕理解及跨程式操作，而非單純回答百科問題。
這也是Apple最容易被低估的護城河。模型本身可能逐漸商品化，但作業系統權限、裝置感測器、個人資料入口及應用程式生態並不容易複製。對用戶而言，最有用的AI未必是懂得最多知識的聊天機械人，而是毋須重新登入、上載文件或交代背景，便知道「我正在看甚麼、下一步想做甚麼」的私人助理。若Apple能把這種能力安全地部署到龐大的活躍裝置基礎，AI就可能由一項獨立服務，變成推動換機、提高用戶黏性及鞏固服務收入的系統功能。
端側AI亦可能重寫硬件價值鏈。手機競爭過去集中於鏡頭、螢幕及製程，未來則取決於神經網絡運算能力、統一記憶體容量、儲存速度、散熱及電池效率。這既有利於Apple以自研晶片建立差異，也可能提高新產品的平均售價。不過，若主要AI功能只支援較新裝置，短期可刺激換機，長期卻可能令舊用戶感到被迫升級，削弱品牌體驗。
Apple的反擊仍非沒有風險。端側模型受制於記憶體、耗電及散熱，能力上限始終低於大型雲端模型；跨應用程式代理一旦出錯，後果亦可能比普通聊天答案更嚴重。各地私隱、競爭及平台開放規則不同，也會令功能推出時間不一致。Apple已確認部分Siri AI功能在歐盟流動裝置的推出受到監管因素影響，反映「深度整合」既是優勢，也可能成為反壟斷爭議的來源。
義合控股投資者關係部
