Simon Willison 评 WWDC 2026：Siri AI 从“画饼”到“务实”的关键转变

起因：从“苹果智能”到“苹果务实” Simon Willison 是出了名的苹果 AI 批评者。2024 年 WWDC 上那些惊艳的 Apple Intelligence 演示后来大多跳票，让他对今年的发布天然抱有怀疑。但这次，他的语气明显缓和了——新 Siri AI 至少“技术上看起来可行”。

这种转变背后是一个更深层的故事：苹果正在从追求完美自研和端侧处理的理想主义，转向更务实的工程落地。而这一切，都浓缩在三个关键变化里。

拆解：三大技术转变如何让 Siri 更像真的

1. 模型策略：放下身段，牵手 Gemini 过去苹果在 AI 上一直强调自研模型和隐私保护，但这次 Siri AI 直接引入了定制的 Gemini 模型。为什么是 Gemini？很可能因为它在多模态推理和工具使用（agentic tool-use）上已经相当成熟，而这正是 Siri 需要的能力——理解屏幕上的航班信息、帮你预订餐厅、跨应用完成任务。

更微妙的是，这些 Gemini 模型不仅跑在苹果自研芯片上，还通过 Private Cloud Compute 跑在 Google Cloud 的 NVIDIA GPU 上。苹果的官方博客解释得很清楚：对于最复杂的任务，与 Google 和 NVIDIA 合作扩展 PCC 基础设施，同时保持苹果级别的安全架构。这意味着苹果开始在“隐私”和“能力”之间做更现实的取舍。

2. 交互革命：视觉 LLM 绕过应用适配的死结 Siri 一直以来的尴尬在于：每个应用都需要开发者主动适配才能被 Siri 调用。这次苹果用了一个巧妙的解法——让 Siri 直接“看”屏幕。

通过视觉语言模型，Siri 能实时提取屏幕上的文本、按钮甚至图像信息，理解上下文，然后模拟操作。这彻底绕过了苦等开发者集成的死结。如果这个能力顺利落地，它将像三十年前的图形界面一样，重新定义人机交互的边界。

3. 开发生态：Core AI 终于向 PyTorch 低头 苹果在机器学习框架上一直特立独行（Core ML），但这次推出的 Core AI 库直接桥接了 PyTorch，允许开发者把训练好的模型轻松部署到苹果硬件上。这对开发者意味着什么？你可以在强大的 Mac 集群上微调模型，然后用 Core AI 在 iPhone 上高效推理，甚至利用苹果的统一内存架构跑大模型。

这不仅是工具链的补强，更是苹果在 AI 开发者争夺战中的一次重要转身。

趋势洞察：AI 落地的“操作系统级战争” 这次 WWDC 揭示了一个更大的趋势：AI 的竞争正在从模型能力转向系统整合。谁能把 AI 无缝嵌入操作系统，降低开发者和用户的使用门槛，谁就能掌握下一代的入口。

视觉 LLM 正在成为这种系统级 AI 的“眼睛”，而云端混合架构则解决了性能和隐私的矛盾。苹果虽然入场稍慢，但这次它拿出了一套既务实又不失自身优势的方案。

实用价值：现在该关注什么？

• 如果你是 Apple 生态开发者：尽快熟悉 Core AI 和 PyTorch 的桥接，这可能会改变你部署端侧 AI 的方式。关注视觉 LLM 的交互范式，它可能让你的应用以一种全新的方式被发现和使用。
• 如果你是 AI 产品经理或创业者：学习苹果如何在隐私和云服务间设计平衡架构，PCC 的扩展思路值得借鉴。另外，视觉理解 + 屏幕操纵将催生一批“自动化助手”类的创新应用。
• 如果你是普通用户：对于新 Siri 的“智能”保持理性期待，但可以开始尝试把复杂任务交给它。毕竟，能用眼睛看屏幕的 AI，和以前只能听你说话的 AI，已经不是同一个物种了。

反常识：苹果“打脸”背后的战略清醒 很多人会认为苹果用 Gemini、上 Google Cloud 是向竞争对手低头。但其实，这恰恰展现了苹果在 AI 上难得的清醒：不再为了“封闭”而牺牲能力，不再为了“完美隐私”而让产品跳票。

真正意外的或许是：苹果允许 NVIDIA GPU 和 Google Cloud 进入自己最核心的安全域（PCC），却依然声称能保证用户隐私。这背后的技术架构（如独立命名空间、短生命周期、可审计二进制）值得所有做隐私计算的人研究。

Simon 说“眼见为实”，这确实也是我们应有的态度。但至少这一次，苹果拿出的不再是 PPT，而是一套可验证的工程方案。剩下的，就看开发者测试版的表现了。

原文地址: Siri AI at WWDC 2026: Apple's Pragmatic Pivot with Gemini, Vision LLMs, and Developer Openness