WWDC 2026的主题演讲刚结束，开发者们讨论最热烈的不再是Siri的声音有多自然，而是一组数字：iOS 20中超过80%的AI推理任务默认在本地NPU完成，只有少数需要最新知识的查询才走云端代理。这直接回应了Apple Intelligence上线半年来的核心矛盾——用户既想要复杂AI能力，又不想让隐私数据出设备。苹果用“本地优先”的默认策略，把选择权从工程师转移到了运行时。
但“能跑”和“跑得好”之间隔着散热和功耗。去年的iPhone 17 Pro跑70B模型，10分钟机身就飙到65℃然后降频，体验还不如云端慢速代理。苹果工程师用三个“野路子”把这个窟窿堵上了：动态精度切换——95%的层用低位宽计算，精度损失控制在0.5%以内，功耗直降25%；iOS 20的新智能内存交换——把不活跃的权重页换到高速SSD，节省20%内存带宽；还有用1x1卷积替换Transformer中的部分全连接层，再多省8%。在《把卷积层塞进iOS 20：端侧70B模型省电30%的三个野路子》中我们实测过，三个技巧叠加让70B模型推理功耗降低30%，首字响应压在0.9秒内，已经接近A100的云端体验。
这种优化全是系统级能力。Core ML运行时会根据每层梯度的敏感度自动切换精度，开发者不用手动调参。Xcode 15的内置调试器可以直接跑ONNX转换后的模型，性能分析面板标出每条流水线的功耗和延迟。过去开发者要么租云端GPU，要么放弃AI功能；现在多了第三条路：本地免费跑，数据不出设备。
但端侧不能包办一切。苹果的端云分工在iOS 20中变得更精细了：隐私敏感的（照片分析、人脸识别、语音转写）和延迟敏感的（实时翻译、键盘预测）完全留在本地；知识密集型的（最新新闻查询、长文档总结）才走阿里云代理集群。这个比例还在变化，因为本地模型上下文窗口已经扩到128K，很多总结现在可以本地完成。正如我在《Apple Intelligence 半年记》中说的，这种混合架构是务实选择，但iOS 20的激进在于把“本地优先”变成了默认策略。
对英伟达来说，这条消息不算利好，但也不至于伤筋动骨。Blackwell Ultra刚在2026年Computex上发布，FP8算力20 PFLOPS，交付却要等到2027年Q1（参考《英伟达Blackwell Ultra发布：数据中心算力焦虑缓解了吗？》）。云厂商还在抢卡，苹果的云端代理业务依然采购英伟达GPU（供应链消息称2026年订单未减）。但隐忧在于“边际推理成本”——当每部iPhone都能独立处理绝大多数推理请求时，增量需求就不再同步转化为云端GPU租赁。华为、高通也在加速端侧NPU，高通骁龙8 Gen 4的NPU算力已达45 TOPS，但系统集成度远不如苹果。
更直接的威胁来自开发者生态。Core ML在iOS 20中开放了本地微调接口（仅限苹果芯片），开发者可以在手机上用少量用户数据对基础模型做LoRA适配，数据完全不出设备。之前要微调模型必须租GPU、传数据、等队列；现在本地几秒搞定。这直接抢了云端MLaaS的生意。苹果深圳实验室近期大量招聘低功耗视觉算法和NPU优化工程师（苹果深圳实验室招聘信号），端侧AI正从“跑模型”转向“看世界”——本地模型不再是静态下载，而是持续在线学习。
安卓阵营面临更大压力：同一款应用在iPhone上免费跑本地，在安卓上要付费调用云API。这种体验落差会倒逼安卓厂商加速端侧投入，进一步减少对云端GPU的总需求。英伟达的钱包暂时安全——Blackwell Ultra订单仍在增长，2027年后数据中心依然需要大量算力——但消费级AI推理的那块蛋糕，正被每台手机的神经元引擎切走。五年后回头看，2026年的iOS 20可能就是一个分水岭：AI算力不再只向数据中心集中，而是分散到数十亿台终端芯片上。对于发者来说，现在是时候研究Core ML和本地微调了——用户越来越不信任数据上传。
