6月中旬，苹果公司召开全球开发者大会（WWDC24），曾被认作大模型落后者的苹果公司首次官宣拥抱AI，凭借软硬一体和生态场景能力展现了终端厂商在大模型落地阶段的后发优势，推动市值一度反超微软，重回全球第一。大会呈现出以下趋势：大模型基础设施化，AI能力更加普惠、易用；安全问题无法绕开，端云协同、多级保护成为先行策略；终端厂商话语权极强，深刻影响生态格局；核心硬件加速升级，带动全产业链焕新。
大会趋势及影响
随着技术演进和硬件性能提升，大模型进入加速商用阶段。苹果作为头部终端厂商在WWDC大会上宣布发力生成式人工智能，凸显以下几点趋势：
1.大模型基础设施化，AI能力更加普惠、易用。
一是大模型与操作系统深度融合，提供系统级AI能力。此前，谷歌将大模型Gemini与安卓系统进行部分整合，借助底层数据互通特性打破应用间数据墙，实现跨设备、跨应用联动，提升应用AI能力。苹果自研Apple Intelligence，通过“终端压缩模型+云端大模型+第三方大模型”的体系架构，实现大模型与操作系统深度融合，发挥芯片、模型、终端、操作系统一体化优势，推动AI能力底层化、基础化。 二是大模型成为可直接调用的基础能力，推动AI原生应用加速繁荣。Apple Intelligence不但提供了如图像识别、文本生成等多种轻量化、预训练模型，还提供了相应的平台和工具，方便开发者无需了解底层技术细节，即可将AI功能、Siri个人助理功能集成到自己的应用。当前我国终端企业在大模型终端部署方面已有探索，如小米系统内嵌MiLM、VIVO系统内嵌Jovi，但由于生态碎片化、缺少统一的标准规范，开发者面临要根据不同操作系统和端侧大模型进行开发适配的困境。
2.安全问题无法绕开，端云协同、多级保护成为先行策略。
端云协同已成为大模型终端部署的主流模式，苹果多重思路应对隐私安全问题。一是隐私相关性将成为端、云功能分类部署的重要依据。在本地算力、资源能力有限的情况下，苹果强化端侧处理能力，优先将涉及隐私的查找索引、邮件总结、事项安排等任务放入端侧，将非个性化任务经用户许可后放入云侧处理。二是自研产品体系全面保障云侧安全。苹果打造集自研芯片、专用服务器、私密云计算（Private Cloud Compute）服务于一体的解决方案进行云端数据处理，并接受第三方专家的审查。安全隐私已成为制约大模型终端普及的关键。我国企业目前存在防御机制薄弱、大模型数据收集和隐私保护机制缺失等问题，以及模型参数或训练数据被窃取、模型输出结果被操纵等风险，制约我国终端市场商用进度和长远发展。
3.终端厂商话语权极强，深刻影响生态格局。
一是终端将成AI能力分发关键枢纽。未来终端将在自有模型基础上有选择地整合第三方模型进行补充，统一进行AI能力分发。如苹果展现的功能主要基于性能领先的自研模型构建，仅部分场景通过用户许可的方式调用ChatGPT服务，后续还将接入Gemini等其他大模型服务。二是AI Agent将成为应用服务的超级入口。Apple Intelligence已具备AI Agent雏形，以面向用户的对话交互方式集成各类应用，掌握数据、流量分发及价值分配话语权。据Forrester预测，2027年超70%的智能手机应用将集成至系统通用功能。三是应用生态复杂度将大大提升。未来应用将由分散、独立的点状生态进化为网状生态，对跨应用的数据确权、能力调度、流程协调、价值分配、用户管理等提出极高要求，加大终端厂商的生态协调难度。苹果已初步实现跨部分应用的AI协同，并面向开发者更新App Intents以规范应用开发及AI能力调度，为后续生态协同奠定基础。当前我国终端企业软硬协同综合实力较弱，资源投入重复、“模型内卷”严重，与领先大模型的深度合作较少，如OPPO虽然引入谷歌 Gemini大模型工具，但自有模型与第三方模型之间的协同模式尚在探索。
4.核心硬件加速升级，带动全产业链焕新。
一是核心元器件及计算架构将先于模型算法迭代。自2020年推出首款自研M系列芯片以来，苹果一直超前布局，将AI算力和功耗作为芯片升级重点，为今日Apple Intelligence大规模商用铺平道路。此前，微软发布Copilot+PC，在原有处理器的基础上新增一个NPU（AI加速器），处理速度超过40TOPS（每秒万亿次运算），有力支撑各项多模态新功能。预计未来手机、PC等终端芯片的升级策略将更加激进，以确保支持不断更新的大模型。二是存储、散热等其他零部件也将迎来新一轮升级。一方面终端交互能力需适应多模态大模型的发展，如麦克风、红外镜头、距离传感器等零部件升级。另一方面存储、传输互联、散热等零配件性能需得到提升，如苹果发明新型闪存利用技术，实现在内存有限设备上部署大模型的突破；通过使用石墨散热材料、铜材质等实现散热性能提高20%。当前我国手机芯片面临较大挑战，一方面国产芯片工艺落后、智算性能距离业界领先水平存在差距，短时间内难以攻克。另一方面外购芯片面临受制于人和难定制的问题。此外，不同厂商、不同型号芯片不兼容将阻碍大模型发展，差距可能被进一步拉大。
启示建议
1.提升大模型终端落地场景开放能力水平。
一是借鉴苹果Apple Intelligence经验，研发可运行于多终端、不同参数规模的大模型轻量化版本。二是差异化布局多元场景服务。聚焦网络安全、智慧工厂、智能家居、智慧医疗等细分领域，差异化开发针对性产品服务，挖掘多元场景下的用户数据价值，打造高质量数据集。
2.加强安全保障与隐私保护。
一是加快构建大带宽、低延时的智能网络，利用网络安全大模型提升网络感知、风险预判、辅助决策能力，保障端云侧大模型安全运行。二是联合生态伙伴制定大模型开发、应用、数据管理等方面的标准规定，建立大模型安全隐私事件报告制度及安全防范机制。三是加强隐私增强、安全防护、模型压缩、数据脱敏等关键安全技术研发。
3.铸造良好产业生态提升竞争合力。
一是与国内外大模型企业探索各种形式的深度合作，协同孵化具有生态竞争力的系统级AI，打造面向云端部署“端模合作”生态。二是推动基础架构、算法模型开源开放，与生态伙伴共同推动建立统一、兼容的端侧大模型标准和规范，促进运营商大模型与不同厂商在操作系统、大模型算法层的兼容和互操作，解决生态碎片化问题。
4.加速硬件升级促进终端焕新。
全面支持手机、PC等终端AI化升级。助力新能源汽车、智能手机、智能家居等消费终端以旧换新。通过投资、联合研发等形式前瞻探索以可穿戴智能设备为代表的新型AI终端。
本文作者
傅悦
战略发展研究所
助理分析师
硕士，就职于中国电信研究院，长期从事数字产业相关研究，近年来专注集成电路、车联网等专业领域。
姜璐
战略发展研究所
一级分析师
就职于中国电信研究院，长期从事云网融合、数字经济等相关研究，近年来专注集成电路、操作系统等专业领域。
毛彤
战略发展研究所
副主任分析师
中国电信研究院战略发展研究所，高级工程师。专业方向为移动通信网络和物联网，长期从事5G、物联网、AI等信息通信产业战略和技术研究，参与国家网信办、国资委相关产业研究与政策制定。
苏欣
战略发展研究所
一级分析师
就职于中国电信研究院，从事于智能网联车、机器人及无人经济等方面研究。
朱婉菁
战略发展研究所
助理分析师
就职于中国电信研究院，从事数字产业相关研究，近期来专注AI、工业互联网领域。
赵晔蕾
战略发展研究所
二级分析师
硕士，主要从事工业互联网、大数据产业发展趋势研究，长期专注产业数字化研究。
