在 AI 军备竞赛愈演愈烈的当下，苹果悄然走出了一条与硅谷主流截然不同的路——以轻资产策略嵌入足够的 AI 功能维系生态黏性，而非押注数百亿美元资本开支与谷歌、微软、Meta 正面竞争前沿大模型。

据追风交易台消息，据美银近期举办的 IT 硬件行业专家系列电话会议，Simeon Bochev ——苹果机器学习平台前战略与运营主管、计算资源交易所（Compute Exchange）创始 CEO 及 Lambda 前战略副总裁——对苹果 AI 战略进行了系统性拆解。他表示，苹果目前的战略已从两年前 WWDC 上关于 Apple Intelligence 全面渗透设备的宏大承诺，退守为 " 嵌入足够多的 AI 功能以留住用户、同时大力借助第三方 " 的务实路线，将当年的发布承诺称为苹果的一次 " 黑眼圈 " 事件。

Bochev 同时指出，Siri 仍是苹果最大的 AI 机遇。凭借对硬件、操作系统和用户情境数据的垂直整合控制，Siri 具备演进为安全型个人 AI 代理的独特基础——这是其他竞争对手难以复制的结构性优势。然而，苹果过长时间依赖对原有 Siri 模型的渐进式改良，而非围绕 Transformer 架构快速重建，造成了当下与主流 AI 平台之间显著的感知差距。

对投资者而言，真正的风险或许不在于苹果今天的选择，而在于明天的战场已悄然转移。Bochev 警告，随着 AI 竞争重心从模型层向代理（Agent）框架和生态编排层迁移，苹果依赖第三方、随时切换最优模型的逻辑将面临根本考验——当 AI 价值沉淀在代理生态中而非模型本身时，不深度参与代理层构建的苹果，可能错失下一轮平台级红利。

双轨战略：自研小模型 + 第三方大模型

Bochev 描述，苹果当前 AI 战略的核心是两条：一方面持续投入自研的小参数量模型，专注于设备端（on-device）和苹果私有云（Apple Private Cloud）场景；另一方面，通过整合 OpenAI 的 ChatGPT 和谷歌 Gemini 等第三方合作伙伴，覆盖需要更强能力的高阶需求。他强调，因 ChatGPT 和 Gemini 合作而认为苹果放弃自研模型，是一种误读——苹果只是将自研重心集中在 5000 亿参数以下的较小模型，而非追求前沿规模。

苹果选择不参与前沿大模型竞争，有其内在逻辑。Bochev 指出，训练前沿模型需要数百亿乃至更多的资本开支，而 AI 对苹果营收的贡献目前高度间接，因果归因极为困难——苹果至今未对 AI 功能直接收费，这使得巨额投入的商业回报难以核算。" 花了 100 亿美元 CapEx，收入提升了 X%，其中多少是这 100 亿换来的？很难说清楚。" 他说。与此同时，苹果历来的文化惯性是 " 等到技术被验证后再大规模押注 "，加之蒂姆 · 库克与前 CFO Luca Maestri 任期内一贯的预算纪律，共同构成了这一保守策略的文化底座。

模型本身的同质化趋势，也在客观上支撑了苹果的外包逻辑。Bochev 指出，ChatGPT 3.5 于 2022 年 11 月发布时，与第二名的性能差距超过一年；如今领跑者与追赶者之间的差距已缩短至一至三个月，且这一趋势将持续收窄。他预计，随着更多第三方模型达到苹果的隐私门槛，苹果将持续扩大合作范围，ChatGPT 和 Gemini 只是起点。

隐私优先：护城河，也是约束

苹果的 AI 数据处理遵循明确的三层架构：首先在设备端（包括安全隔区 Secure Enclave）处理；无法完成时推送至苹果私有云；仅当需要更强模型且用户明确知情同意后，才将查询转交第三方。Bochev 表示，这条数据流动边界，是苹果隐私立场最具操作意义的体现，也是衡量第三方合作伙伴准入资质的核心标准——甚至有部分第三方因无法通过更高层级的隐私审核，根本不在合作之列。

然而，隐私优先策略对 AI 能力构成客观约束。Bochev 直言，" 认为在隐私限制下仍能达到同等 AI 性能，我不认同 " ——可用训练数据的受限，客观上放缓了模型迭代速度，使苹果相对于约束更少的竞争对手处于劣势。这一约束也影响着 AI 人才吸引力：苹果的 AI 薪酬在他看来未达市场竞争水准，且对于希望构建万亿参数前沿模型的研究者，苹果并非理想之所。John Giannandrea 离职后，苹果 AI 负责人由 SVP 降格为 VP、转而向主管隐私的 Craig Federighi 汇报而非直接向 Tim Cook 汇报——在 Bochev 看来，这一组织架构变化本身也传递了一定信号。

尽管如此，隐私策略长期来看仍可能是差异化优势的来源。Tim Cook 曾公开表示 " 隐私是基本人权 "，公司文化对此高度认同。Bochev 认为，25 亿台活跃设备所积累的海量匿名数据，加上对设备端 AI 处理的垂直整合控制，使苹果在 " 安全、私密的个人 AI" 细分赛道具备其他竞争对手难以快速复制的结构性优势。

Siri：最大机遇，也是最大短板

苹果于 2010 年收购 Siri，在生成式 AI 浪潮来临前，Siri 一度是全球规模最大的 AI 产品之一，日活跃用户在中国以外地区超过 3 亿。然而，2022 年 11 月 ChatGPT 3.5 的发布彻底改变了行业参照系。Bochev 表示，苹果彼时的策略是对原有传统机器学习模型进行 " 爬坡式改进 "（hill climbing），而非及时从底层围绕 Transformer 架构重建，导致其对这一技术范式转变的认识和响应均滞后于业界，" 令我感到失望 "。

他指出，意识到 Transformer 与传统机器学习在本质上的差异——意味着产品需要从头重建而非在旧代码库上打补丁——花费了过长时间。这一延误直接造成了 Siri 今日与主流 AI 平台之间的感知差距，而两年前 WWDC 上的大规模承诺，在他看来正是苹果为此付出的代价。值得注意的是，前沿大模型的参数量已达 5 万亿至 10 万亿级别，即便是 2 万亿至 3 万亿参数的模型仅存储就需要逾 500GB 空间，设备端运行完全不现实——这也是苹果自研模型聚焦于 5000 亿参数以下的现实约束。

然而，Bochev 对 Siri 的长期潜力持积极判断。他认为，苹果对硬件、操作系统和用户情境数据的端到端控制，赋予 Siri 成为安全型、具备自主行动能力的个人助手的独特基础。" 我的大量个人数据存在于设备上，如果有一个运行在设备端并能调用这些数据的个人助手，它将远优于在沙盒环境中运行、无法访问这些信息的代理工具。" 他说，在 Claude 等代理型 AI 加速落地的背景下，Siri 实现这一愿景的条件正在趋于成熟。

代理时代：现有战略的核心隐患

Bochev 对苹果战略提出了最核心的结构性质疑。他认为，苹果当前的 " 外包模型、自控端侧 " 逻辑，在纯 LLM 或推理模型主导的 AI 世界里或许成立——模型同质化意味着随时切换最优选项即可，无需重注某一家。但随着 AI 竞争重心转向代理框架、任务编排和生态工作流，这套逻辑将面临根本挑战。

他以 Anthropic 正在构建的代理生态系统为例，指出代理时代的竞争逻辑与纯模型时代截然不同：代理生态的锁定效应远强于单一模型，价值将加速沉淀在控制代理框架和用户工作流的层级，而非底层模型本身。" 如果 AI 的价值积累在代理框架和用户工作流里，而不只是模型本身，那么简单地在第三方模型之间切换，就不会那么奏效了。" 他说。

Bochev 坦言，苹果整体的风险偏好有提升空间。在他看来，苹果目前的文化和预算纪律既是优质产品管理的基础，也是束缚进取的枷锁—— " 要释放更大的风险胃口，某些东西必须有所改变 "。苹果能否在代理层主动布局、而非仅充当模型层的分发渠道，将是决定其在 AI 下半场地位的关键变量。

算力格局：瓶颈迁移与 GPU 经济寿命重估

在算力市场的宏观判断上，Bochev 认为计算资源有潜力成为全球最大宗商品，规模可能超越每年 2 万亿至 3 万亿美元的油气市场。但他同时指出，算力瓶颈的性质正在发生结构性转变——从早期的 GPU 供给短缺，迁移至网络（InfiniBand）、数据中心空间、电力、散热、CPU 及高带宽内存（HBM）等多点并发的制约。据他估计，2026 年美国数据中心可用容量已创历史新低，不足 1%；大型发电设备的采购等待周期长达三至四年；受 Claude Code 等代理型应用推动的推理需求爆发，又进一步加剧了 CPU 和高带宽内存的短缺压力。

在 GPU 资产价值的评估框架上，Bochev 建议投资者应重视 " 经济使用寿命 " 而非单纯的 " 物理使用寿命 "。他以 H 系列 GPU 为例：维护得当情况下物理寿命可达六至七年，但综合考虑负债成本、置换新芯片的机会成本以及下一代芯片的价格竞争力，其经济使用寿命可能远早于此到达临界点。" 即便旧 GPU 每小时还能卖出 2 美元，考虑资金成本和置换新芯片的机会成本，从经济上看你可能已经应该换掉它了。" 他说。

他还提示，Blackwell 系列 GPU 的高功耗（72 卡机架超过 140 千瓦，约为 H100 系列的三至四倍）和液冷需求，使新一代 GPU 的寿命预测更加复杂，历史数据的参考价值有限。在他看来，H 系列及更早代际与 Blackwell 系列之后存在明显分界，投资者在评估 GPU 资产价值时宜分代际考量，而非以统一标准套用历史折旧规律。