所有人都在嘲笑苹果是"AI 输家"的时候，一个更深层的问题被忽略了：在 AI 竞赛中卷得狠、跑得快，和最终赢得比赛，可能是两件完全不同的事。

一篇引发争议的文章

2026 年 4 月 13 日，一篇题为《Apple's accidental moat: How the "AI Loser" may end up winning》的文章登上了 Hacker News 首页，获得了超过 400 个点赞和 360 多条评论。作者 adlrocha 提出了一个反直觉的观点：苹果可能是 AI 时代被误判最严重的公司。

文章的核心论点并不复杂。过去三年，当 OpenAI、Google、Meta、微软和 xAI 争相烧钱训练更大的模型、争夺下一个 benchmark 冠军的时候，苹果看起来什么都没做。没有旗舰级前沿模型，没有 5000 亿美元的算力投资承诺，连 Siri 的 AI 升级都一拖再拖。在圈内人的叙事里，苹果已经输了。

但我们需要正视一个正在发生的结构性转变：AI 智能正在变成一种商品。当所有人都在争做最好的模型时，模型之间的差距正在快速缩小。而这种商品化，恰恰有利于那个"什么都没做"的苹果。

这不是一个全新的观点。Fortune 杂志在 2025 年 7 月就刊文指出"Apple might win the AI race after all"。The Information 在 2025 年底预测苹果的 AI 策略可能在 2026 年开始见效。但 adlrocha 的文章把这个判断推到了更尖锐的地步，并用了一系列具体案例来支撑它。

"AI 输家"的标签

苹果被贴上这个标签并非毫无道理。

早在 2011 年，Siri 就已经是市场上最早的语音助手之一。但到了 ChatGPT 发布的 2022 年底，Siri 的体验几乎没有本质性进步。用户问一个稍微复杂的问题，Siri 的回答往往是"我在网上找到了这些结果"。当 OpenAI 的语音模式已经可以流畅地进行多轮对话时，Siri 连理解上下文都做不好。

2024 年 6 月，苹果在 WWDC 大会上发布了 Apple Intelligence，承诺对 Siri 进行根本性升级。之后的故事是一连串的延期。原定 2025 年发布的升级版被推迟到 2026 年。2026 年 2 月，Bloomberg 报道称代号"Linwood"的新 Siri 架构在内部测试中仍然存在严重问题：响应速度太慢，复杂指令处理不稳定，个人数据访问方案被迫收缩。高级版 Siri（代号"Campo"）的发布日期可能要推到 2026 年底甚至 iOS 27。

竞争对手没有等待苹果。Google 的 Gemini 已经深度集成到 Android 和 Google Home 生态之中。Amazon 的 Alexa Plus 支持了真正的多步骤任务执行。微软的 Copilot 渗透进了 Office 全线产品。Forbes 在 2025 年 6 月直言不讳地评价：苹果的 AI 策略因为入局太晚、云端能力有限、过度依赖端侧处理而广受批评。Bloomberg 的 Mark Gurman 在 2025 年 5 月的报道标题更是直截了当："Apple Intelligence Struggles to Keep Up With ChatGPT, AI Competitors"。

"AI 赢家"们的真实处境

但在指责苹果之前，不妨先看看那些"AI 赢家"们的日子过得怎么样。

让我们先看看这个极具说服力的例子。OpenAI 以 3000 亿美元估值完成融资后，关闭了 Sora，这个他们一度作为创意产业旗舰来推广的视频生成产品。据华尔街日报调查，Sora 每天烧掉约 100 万美元运营成本，用户数在上线后迅速从峰值百万跌至不足 50 万。迪士尼已经为合作承诺了 10 亿美元投资，结果在 Sora 关停前不到一小时才得知消息，交易随之作废。一个无法自给自足的产品，拖垮了一笔十位数的投资。

基础设施端的故事同样值得关注。2025 年 12 月，美光宣布关停经营 29 年的 Crucial 消费内存品牌，全面转向 AI 和企业客户。这本身是行业趋势驱动的战略选择。但我们完全可以把它放进一个更大的叙事框架里：当 AI 基础设施的需求预期不断膨胀时，整个供应链都在押注这个方向。然后 2026 年 3 月，Stargate 德州数据中心扩建项目取消了，OpenAI 和 Oracle 没谈拢融资条件。这类事件说明，AI 基础设施的供需预期可能远比实际需求脆弱。

正如 adlrocha 所写的："我不觉得这些行为像是一个正在赢得 AI 竞赛的人。无论他们的模型在 benchmark 上表现多好，无论他们在基础设施上烧了多少钱，只要收入预期出现一个小小的偏差，就可能出局。"

更广泛的财务数据支撑了这个判断。据微软 2025 年 10 月的财务披露，OpenAI 上一季度亏损 115 亿美元。Windows Central 在 2026 年 1 月报道，OpenAI 2026 年可能亏损 140 亿美元，到 2027 年面临破产风险。"大空头"迈克尔·伯里（Michael Burry）在 2026 年 1 月公开警告 AI 泡沫的规模史无前例。Harvard Business Review、Forbes、BBC 和 NPR 在 2025 年下半年密集发出了 AI 投资泡沫的警告。

而苹果在干什么？坐在一堆未动用的现金上，甚至在增加股票回购。它在 AI 基础设施和用户 token 补贴上几乎没有花钱。这种"什么都没做"，反而给了苹果一种其他公司没有的东西，就是选择权。

AI 商品化：游戏规则正在改变

事实上，我们讨论苹果时最核心的论点就是 AI 的商品化。

"当所有人都在争相训练最好的模型时，模型确实变好了，但其他所有模型最终也会变好。每一次前沿训练上的投入，都在让上一代模型变得更便宜。前沿模型、第二梯队和开源替代品之间的距离正在快速坍缩。"

这个判断在 2026 年初有了充分的实证。Google 的开源模型 Gemma 4 在 MMLU Pro 上拿到 85.2%，在 Arena 排行榜上与 Claude Sonnet 4.5 Thinking 打平，发布第一周就被下载了 200 万次。它可以完全在一台 Mac 上本地运行。国产的大模型 Kimi K2.5 和 GLM 5.1 同样在快速逼近顶级的商业闭源模型。Hacker News 的评论区里，有用户坦言自己在使用 Opus/Sonnet 4 和 4.6 时甚至没注意到区别，直到查看了配置才发现用的居然是老版本。

有些实验室已经看到了这个趋势。其中，Anthropic 的应对策略值得关注。他们正在密集推出绑定自身模型的工具链：面向开发者的 Claude Code、面向团队的 Claude Cowork、用于编排 AI Agent 的 Managed Sessions。逻辑很清楚：如果模型本身守不住护城河，就抢占使用层，让用户的切换变得痛苦。从 Anthropic 的用户和收入增长来看，这个策略正在奏效。但经济账仍然很粗糙。据 adlrocha 引用的一份分析，一个 200 美元 Max 订阅的重度用户实际消耗了价值 27000 美元的算力。AI实验室们正在补贴它们试图追逐的需求。

MindCast AI 在 2026 年 3 月发布的深度分析中，把苹果的 AI 策略概括为"一场单一的赌注"：赌 AI 智能会在集中化之前完成商品化。如果商品化成立，苹果的分发架构将捕获利润，合作伙伴模式持续有效。如果集中化成立，即少数前沿提供商保持持久的能力优势，苹果的议价能力就会被侵蚀。

从目前的趋势看，商品化方向显然占据了上风。

当智能变得廉价，上下文就是稀缺资源

如果智能真的变成了廉价商品，什么才是稀缺的？adlrocha 给出了一个精准的回答：上下文（context）。

一个能推理任何问题但对你一无所知的模型，只是一个通用工具。真正让 AI 在日常生活中变得有用的，是推理能力加上个人上下文：你的消息、日历、代码、工具、健康数据、照片、习惯。

而苹果已经拥有了这些上下文。25 亿台活跃设备，每一台都是用户经年累月填充的个人数据矿藏。Apple Watch 上的健康数据，iPhone 拍的每张照片，备忘录、消息、位置历史、应用行为、邮件，以及设备上各种传感器对周围环境的感知。

更关键的是，苹果有能力把这些数据留在设备上。这正是"Privacy. That's iPhone"这句广告语可能从营销口号变成真正产品差异化的地方。由此引出一个很实际的问题：你愿意把你的医疗记录和 15 年的照片交给 OpenAI 来换取更好的 AI 回答吗？大概率不愿意。但如果是一个完全运行在你设备上、不发送任何网络请求、数据从不离开手机的模型来访问这些数据呢？这是一个完全不同的问题。端侧模型获得了完整上下文，因为它从未离开硬件。苹果在没有人认为隐私重要的时候就构建了这个声誉和架构。

在这个背景下，苹果以 10 亿美元授权 Google Gemini 处理需要云端推理的复杂查询，就显得很合理了。苹果没有自建前沿模型，而是以相对低廉的价格买入了一个。和 OpenAI 每周的算力支出比，这不过是个零头。苹果留在自己手里的是上下文层、端侧技术栈，以及掌控一切的操作系统。

意外的硬件优势

苹果还有一张很多人没注意到的底牌。

Apple Silicon 最初并不是为 AI 设计的。它是为能效、续航、散热性能和苹果坚持了十五年的软硬件协同设计理念而生。但它恰好成了运行本地模型最高效的架构。

关键在于统一内存（unified memory）。传统架构中，CPU 和 GPU 是独立芯片，拥有独立的内存池。数据在两者之间来回传输既慢又耗电。Nvidia 的 GPU 在矩阵运算上极快，但它坐在 PCIe 总线的另一端，喂数据给它是一个持续的瓶颈。

苹果的 M 系列和 A 系列芯片把 CPU、GPU 和 Neural Engine 放在同一块芯片上，共享一个高带宽内存池。没有总线穿越，没有传输开销，没有在 CPU 和 GPU 之间切换的延迟。对于视频剪辑或编译代码来说，这是一个不错的效率提升。但对于本地大语言模型推理来说，这几乎是完美的适配。

我们如此评价有其根本原因：当前 LLM 推理的瓶颈不是计算，而是内存带宽。卡脖子的不是矩阵乘法的速度，而是模型权重从内存流向计算单元的速度，以及 KV cache 的存储容量。苹果的统一内存池让每个计算单元都能同时直接高带宽访问同一块内存，这恰好是推理最需要的操作。

这就是为什么苹果硬件上能跑出令人惊讶的成绩。这里有一个案例：有人在 M3 Max Mac 上运行了 Qwen 397B，一个 209GB 尺寸的模型，仅使用 5.5GB 活跃内存就达到了大约每秒 5.7 个 token。权重存储在 SSD 上，以约 17.5 GB/s 的速度按需流入。这之所以可行，是因为 Qwen 是一个混合专家架构（MoE），每个 token 只激活一小部分专家层，所以你实际上只需要 209GB 中的一小部分驻留在内存中。苹果实现的 SSD 吞吐量来自它为 iPhone 响应速度构建的存储架构，跟 AI 毫无关系。一个近 4000 亿参数的模型，在一台消费级笔记本上，用 5.5GB 内存就跑了起来。

更有趣的是由此可能产生的平台效应。想想 App Store，苹果没有自己开发那些应用，它构建了一个应用运行得最好的平台，然后生态系统自然跟进了。开发者选择 iOS 不是因为苹果请求他们，而是因为用户在那里、工具好用、硬件一致。现在同样的事情可能在本地推理领域发生。MLX 已经是苹果端侧 AI 生态的事实标准框架。Gemma、Qwen、Mistral，所有主流模型架构都有 MLX 的支持。苹果不需要赢得模型竞赛，只需要成为模型运行的首选平台。

财务现实：数字讲述的另一个故事

如果苹果真的是一个"输家"，它的财务报表完全不支持这个说法。

截至 2026 年 4 月 13 日，苹果股价报 259.20 美元，市值约 3.81 万亿美元，过去 52 周涨幅 28.23%，略高于标普 500 同期的 27.60%。2026 财年第一季度（截至 2025 年 12 月），苹果实现收入 1438 亿美元，创历史新高，同比增长 15.7%。Services 业务毛利率保持在 70% 以上。

过去 12 个月，苹果的总收入为 4356 亿美元，净利润 1178 亿美元，利润率 27%。经营性现金流 1355 亿美元，自由现金流 1063 亿美元。股本回报率达到 152%。

华尔街日报 2026 年 3 月的报道揭示了一个耐人寻味的细节：苹果今年仅靠 App Store 上 ChatGPT 订阅的佣金抽成，AI 相关收入就有望突破 10 亿美元。苹果还没有自己的旗舰 AI 产品，却已经在从别人的 AI 产品上大赚特赚了。这大概是对"AI 输家"这个标签最有力的反驳。

这里出现了一个值得深思的悖论。被称为"AI 输家"的苹果坐拥近 670 亿美元现金，年净利润超千亿。而"AI 赢家"OpenAI 以 3000 亿美元估值融资，季度亏损 115 亿美元，可能在 18-24 个月内面临破产风险。如果 AI 泡沫真的破裂，受冲击最小的恰恰可能是那个"什么都没做"的公司。

真正的风险

对于苹果的乐观判断，还需要重视几个真实存在的风险。

商品化赌注可能落空。苹果的整个 AI 策略建立在一个前提之上：智能会变得廉价且普遍可得。如果这个假设是错的，如果少数前沿提供商始终保持显著的能力优势，苹果就会陷入 MindCast AI 所说的"依赖锁定"的困境。10 亿美元的 Gemini 合作可以是一笔精明的采购，也可以是丧失自主能力的第一步。MindCast AI 将苹果当前状态定义为"漂移稳定"，表面指标良好，但内部轨迹在恶化。

执行延迟在消耗耐心。苹果"慢工出细活"的前提是市场会等它。但 AI 领域的用户习惯正在被快速重塑。当消费者已经习惯了 ChatGPT 的语音交互、Gemini 的多模态搜索、Copilot 的办公自动化，他们对 Siri 的耐心是有限度的。每一次延期都在消耗苹果积累了数十年的品牌信任。CNBC 在 2025 年底的分析标题一语中的："Apple punted on AI this year. Next year will be critical."，苹果今年在 AI 上踢了一脚空气，明年至关重要。

文化惯性可能是最大的障碍。苹果的企业文化以控制、完美主义和品牌一致性为核心。这种文化在硬件时代是巨大的优势，但 AI 产品天然带有不确定性和"接近但不完美"的特征，这与苹果追求像素级完美的产品哲学存在根本冲突。adlrocha 本人对此也不确定，他坦言："我真的不知道接下来几年会怎么发展。AI 实验室们也没有停下来，而苹果的 AI 过往记录，说实话并不完美。"

苹果的故事，给我们什么启发

这不只关乎一家市值 4 万亿美元公司的命运。苹果的案例揭示了技术浪潮中几个反复出现、反复被忽视的规律。

技术先发优势被严重高估了。每一轮技术变革中，最早冲进去的人往往不是最后站着的人。互联网时代，最早做搜索引擎的不是 Google，最早做社交网络的不是 Facebook，最早做电商的不是 Amazon。OpenAI 先发制人地定义了大模型的公众认知，但它现在面临的是巨额运营亏损和可能在两年内破产的风险。先跑起来的代价，是在没有验证商业模式的情况下就押上了全部筹码。苹果的做法恰恰相反，等到路径变得更清晰再动手，这不是胆怯，是对不确定性的尊重。

与此相关的是基础能力的持久价值。苹果的芯片、操作系统和生态系统花了十五年构建，当初并不是为 AI 准备的。但当 AI 浪潮到来时，统一内存架构让本地推理成为可能，隐私架构让个人上下文可以安全地被利用，设备安装基数让分发成本几乎为零。这些基础能力自然而然地转化成了优势。真正可持续的竞争优势很少来自追逐当下的热点，而是来自可以被不同浪潮复用的底层积累。对个人也是如此。与其把所有精力投入学习这一代 AI 工具的具体操作，不如在更底层的能力上下功夫：对技术架构的理解、对产品需求的判断力、对系统设计的品味。工具会迭代，底层能力从来不会过时。

在狂热中保持财务纪律，往往比追逐风口更明智。当行业共识是"不惜代价抢占 AI 高地"的时候，不参与这场军备竞赛需要极大的定力。苹果坐拥 670 亿美元现金，几乎没有在 AI 基础设施上花钱，却保持着 27% 的利润率和超千亿的自由现金流。这意味着在任何时候，苹果都可以选择加大投入、收购它需要的技术或团队。保持选择权比冲动更显珍贵。

平台永远比单个产品走得更远。苹果没有自建 AI 模型，但它可能成为 AI 模型运行的最佳平台。这和 App Store 的逻辑一模一样：你不需要自己做最好的应用，你只需要做那个所有最好的应用都想上架的平台。对于开发者和创业者来说，与其在模型层面和巨头们正面竞争，不如思考自己能否成为某个垂直领域的"连接层"。AI 在商品化，但把智能连接到具体场景的能力并没有商品化。

这些启示并不意味着所有人都应该模仿苹果。苹果的"等待"之所以可行，是因为它已经拥有 25 亿台设备、无可匹敌的品牌和充裕的现金储备。对于一家初创公司来说，等待可能意味着被遗忘。但苹果至少证明了，在人人都在抢跑的时候，敢于不跑也可以是一种竞争力。

结语

回到文章最初的那个问题：苹果到底是不是 AI 时代的输家？

答案取决于你如何定义这场比赛。如果比赛是"谁先训练出最强的模型"，苹果确实输了，而且输得彻底。但如果比赛是"谁能在终端用户的日常生活中提供最好的 AI 体验"，这场比赛才刚刚开始。

用 adlrocha 在他的文章中的话来总结："很难想象一个世界，在这个世界里，25 亿台设备、承载你全部个人上下文、在专门设计的芯片上本地运行具备能力的模型、需要时有 Gemini 随叫随到、只产生可变推理成本而非昂贵的资本支出，在一个 AI 无处不在的未来，这很难说是一个糟糕的位置。"

不管这是战略还是运气，嘲笑苹果的人可能需要重新想想了。