去年 WWDC 上，被苹果过度宣传又放了鸽子的苹果智能 (Apple Intelligence)，余味尚存。
就在2025 年 6 月 10 日凌晨，WWDC25 的主演讲（录播）也刚刚结束，与 AI 有关的部分仍然令人时不时感叹：「就这」。
今年苹果在 AI 上宣布的诸多所谓新功能，例如实时翻译、快捷指令等，并无太多革命性；至于视觉智能 (visual intelligence)，不仅功能落后 Google Lens 六七年，交互体验上也远未达到一众 Android 友商的内置 AI/Agent 产品在 2025 上半年水平。
但看完全场我可以断言的是：唯有一条关于苹果智能的消息，将带来深远的影响——无论对于普通用户，还是开发者而言。
它就是「基础模型框架」(Foundation Models Framwork)，苹果为开发者提供的端侧 AI 模型接入框架。使用它，苹果开发者将可以轻松地为自己的 app 接入端侧大语言模型，且无需支付 token 成本。
这意味着开发者能够无负担为用户提供基于 LLM 的能力和服务，进行纯端侧的推理，无需担心调用云端 LLM API 产生的 token 费用，自然也不必将成本转嫁给用户。
开发者能够更体面地维持自己选择的收费模式，用户也因此获益。
苹果智能，纯端侧
去年 WWDC，苹果宣布了以「苹果智能」为名的一系列 AI 产品、功能和可以提供给开发者的技术能力。我们已知这些发布的东西里面大部分都跳票了，甚至完全就是「雾件」(vaporware，指宣布了但严重跳票的软件）。
这的确影响了外界对苹果在 AI 上到底有几成功力的判断。
但苹果仍然坐拥全球智能手机第一出货量。即便在超大参数量的云端 LLM 上动作迟缓，这家公司对于人们如何使用 AI，以及开发者如何在项目中应用 AI 技术，仍然有着巨大的话语权——这是客观的、毫无疑问的。
而在今年 WWDC25 上，我看到了苹果正在行使这种话语权。它告诉开发者：
你想给用户提供 AI 能力？没问题，你可以完全在设备本地用苹果提供的端侧模型进行 LLM 推理，不需要联网，既保护了用户隐私，也不产生云端费用。
「基础模型框架」就是苹果交到开发者手上的利器。
基础模型是苹果智能的核心，去年仅用于苹果自家产品和功能使用；而从今天开始，苹果把基础模型开放给开发者，任何第三方应用都可以直接利用这些端侧的基础模型，来实现基于 AI 的功能，为用户带来崭新的体验。
比如现场展示的「Kahoot!」，一个教育类产品，可以用端侧模型生成针对用户定制化的一套题目；
又或者Alltrails，一款海外徒步玩家必备的产品，即使在深山险境完全无网的情景下，也能为用户提供必要的协助。
那么，具体都有哪些基础模型？
- 去年 WWDC 上苹果发布的一款具有 30 亿参数量的端侧语言模型，以及其后续更新版
- 面向端侧/苹果定制的 ChatGPT 模型。
——已知的至少有这两大类（具体的模型型号未知，苹果目前还没有具体对非开发者提供更具体信息）。目前「基础模型框架」原生支持 Swift（其它语言情况未知），开发者只需要几行代码就可以接入，支持内容生成、工具调用等多种 LLM 能力。
但现如今开发者手上的选择太多了：DeepSeek、Claude、O 系列、Gemini……以及它们的各种官方型号和面向具体场景的再训练版，凭什么跟苹果的基础模型玩呢？
苹果给出的价值主张非常直接。
简单来说，使用这些 LLM 是有直接经济成本的，用户量和活跃度/粘性越大，调用云端 API、生成 token 的成本越高。
面对这种成本，明星创业公司可以通过风投融资，大厂可以使用现金储备来补贴，结果是现如今的用户早已习惯免费的 LLM 产品了。
但对于中小开发者，特别是独立开发者，这就成了一个非常实际的问题了：想象一下用户刚刚下载你的 app，想要浅尝你的 AI 功能，一上来就看到「本月还有 3 次免费生成额度」……而如果你的竞争对手里正好有大厂，你怎么和它们竞争？
现在苹果带着「基础模型框架」来到你面前，免费开放端侧模型给你，让你调用 iPhone/iPad/Mac 的本地算力，快速、高效、且隐私地进行 LLM 推理，解决用户的需求。
你不再为了支付云端 API 费用而资金链紧张；不再为了负担 token 成本而在定价策略上「动作变形」，可以坚定且体面地选择你喜欢的、让用户也感到舒服的商业模式——如果你是个中小或独立开发者，这是不是听起来还挺美好的？
这是一种开发者和用户双赢的局面——当然，加上苹果，那就是三赢。
「虽迟但到」，AI 版
知名开发者、苹果分析师 John Gruber 前几天写了一篇很有意思的博客文章。
他指出苹果总是在一些关键产品/技术上晚于竞争对手，这也是大家都知道的事情；但你必须承认，在公司存续的历史上，苹果确实也没错过哪次重大的、范式级的科技革命。
比如苹果的 Safari 浏览器，以及浏览器内核 WebKit，推出时间是 2003 年初，比曾经轰动世界，甚至敢叫嚣让微软生意做不下去的网景浏览器足足晚了 8 年，甚至比 「.com 泡沫」破裂都晚了 3 年——但晚来总比不来好，更别提在 Safari 之前 Mac 平台上没有一个好用的浏览器。
如果套用这个逻辑，被迫卷入 AI 时代的苹果，需要一套在今天能够和 Safari/WebKit 地位对等的新产品技术组合。
好消息是：正如本文开头提到，iPhone 的出货量和市占率优势实在太大了。无论外界怎样嘲讽苹果在 AI 时代落后，也都无法否认一个现实：
在可预见的相当长一段时间里，苹果仍然有足够的话语权，能够定义用户怎样（在 iPhone/iPad/mac/Vision 产品上）使用 AI，而不是让 AI 来定义自己的产品应该长什么样。
你能够看到 OpenAI 收购了前苹果设计领袖 Jony Ive 的公司，试图开发一款「完全 AI 原生」的新形态设备；但你也会看到 OpenAI 和苹果达成协议，成为苹果生态里唯一的「全球只是合作伙伴」——也即唯一的外部基础模型供应商。
苹果认为自己落后 OpenAI 了吗？没有。不然苹果应该给 OpenAI 交钱。正相反，根据 The Information 报道，OpenAI 会像老前辈 Google 作为 iOS 默认搜索引擎那样，为了能够进入苹果生态成为默认基础模型，而给苹果交「过路费」。
如果 ChatGPT 用户订阅月费是 20 美元的话，苹果抽成有可能高达30%。而且这笔收入几乎等于纯利润。
你看，苹果向 OpenAI 收钱，然后变相补贴开发者以及终端用户——是不是还挺意外的？
2009 年第一财季的苹果财报会上，当时因为乔布斯病重而第二次担任苹果代理 CEO 的库克，说过几段话，后来被称为「库克信条」。其中有一段是这么说的：
我们相信，我们需要拥有和控制我们所生产产品背后的主要技术，并且只参与我们能够做出重大贡献的市场。
再结合 John Gruber 的分析，我把这个思路收敛到一句话：
苹果应该造出一款设备，一种运行 AI 产品/服务/LLM 的载体，然后用这个设备/载体去定义人们怎样使用 AI，而不是让 AI 反过来定义自己该如何开发产品。
在 WWDC25 之后，外界在观察和评论苹果 AI 工作的时候，或许可以采用这种新视角。
苹果智能，微更新
最后我们来看一下 WWDC25 的其他 AI 新发布内容。
实时翻译
苹果终于在 iOS/iPadOS/macOS 内集成了一套达到了业界（两三年前）基准水平的实时翻译功能。
目前实时翻译支持信息、电话和 FaceTime 三个应用。所有翻译可以完全在端侧完成。
- 在发信息的时候，用户可以用自己的语言输入，在 UI 上实时看到翻译后的外语文本流式输出，然后手动点击发送；同理，对方发来的信息，在用户本地的 UI 上也可以自动翻译。
- 在电话中，先说出原文，然后双方都能听到翻译后的语音
- FaceTime 场景下，一方说话，另一方能够看到翻译后的字幕
Genmoji 和 Image Playground
Genmoji：用户现在可以用 LLM 提示命令的方式，来生成带有更多新元素的 Genmoji 头像。比如：把树懒和灯泡合在一起
在 Image Playground 里，用户可以调用 ChatGPT 的多模态模型生成不同风格或者随机风格的照片——你可以理解为这是一个苹果官方的 OpenAI 4o 套壳。
视觉智能 Visual Intelligence
视觉智能之前已经支持摄像头拍照搜索。在今年 WWDC 上又获得了一个令人无语的更新：支持截图搜索/后续交互了。
比如截图中的物品可以直接调用任意 App Store 应用进行搜索，或者对截图中的日期时间地点进行读取，将其添加到日历项、备忘录等。
（现在视觉智能终于追上了 Google 图片搜索以及 Lens 在 6、7 年前已经实现的功能。）
但主要无语的地方在于交互方式太过于古老：截图，而不是像 2025 上半年的 Android 手机那样，不用截图就能直接对用户屏幕上的内容进行读取和做出反应，甚至具备 agent 能力可以直接代替用户操控屏幕。
当然我的理解是苹果这么做可能有两方面原因：1）能力确实不如 Google/Android 厂商；2）出于隐私方面顾虑，需要用户手动截图、点击视觉智能识别按钮.
快捷方式
快捷方式 (Shortcuts) 支持苹果智能了，开发者可以对自己的 app 进行一些修改和适配，让用户可以快速生成针对 app 的快捷方式。我不知道多少人会用快捷方式，全世界应该有几十个吧。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
