在国贸写字楼的电梯里，我拆开iPhone 19 Pro Max，信号只剩一格。让Siri整理邮件并生成日程，70B模型在M5芯片上跑完全本地，首字出现在屏幕上：1.2秒。数据全程不离开AISZ（Apple Intelligence Secure Zone），隐私拉满——这是Apple Intelligence 2.0的核心承诺。
但如果你以为从此可以扔掉云，那就错了。我让它连续写10分钟职场攻略，第7分钟机身烫手，第10分钟SoC触达65℃温控红线，延迟从1.2秒跳到5秒。苹果选择的不是持久，而是爆发后立刻降温。三星S26 Ultra靠更大VC均热板能撑20分钟，首字虽慢0.6秒但稳得多。发布会上那句“整篇生成”其实是每分钟休息一下的委婉说法。
M5芯片跑得动，但散不掉热
M5的NPU有16核，统一内存带宽192GB/s。70B模型动态量化到4bit后占用约35GB——恰好塞进48GB统一内存。首字快是因为模型常驻NPU的SRAM缓存，但持续推理让SoC积热，温控强制降频。这和我们在《苹果M4 Ultra芯片实测：端侧运行300B参数模型真的可行吗》（内链：apple-m4-ultra）中看到的瓶颈一致：手机散热面积就这么多，被动10分钟是极限。
跨App Agent：离线时眼睛一闭一睁，可能算错
Apple Intelligence 2.0的亮点是系统级Agent——可以从邮件提取时间、在日历创建事件、再回邮件确认。实测发现，每切换一个App，模型重新加载上下文，延迟增加300-500ms。离线且无云端后备时，复杂任务（如“总结今早会议发给老板并附意见”）的准确率从84%掉到71%，这在《电梯断网，iPhone 19的AI在本地做了什么？》（内链：apple-intelligence-20）中有详细记录。更糟的是，降频后模型精度丢失，我让它对比两份合同，它直接输出“无重大差异”——实际有三个数字不同。
动态量化：用精度换时长
苹果用动态量化解决发热：前5分钟4bit，之后自动降到3bit，续航多30%，但逻辑推理错误率从5%涨到12%。轻任务（邮件摘要）走低功耗核心，重任务（多步推理）才调用NPU全速，但一旦过热全盘降级。这与《M5芯片跑128B模型：实测结果和未来展望》（内链：m5芯片跑128b）描述的分层调度一致：内存带宽是硬瓶颈。如果不想手机变暖手宝，就得接受模型偶尔犯错。Siri会提示“当前操作可能不准确”，但多数用户不会留意。
端侧AI的终局：端云协同，而非替代云
欧盟AI法案Q3执法大限将至（《欧盟AI法案Q3执法风暴：违规SaaS企业的真实整改路径》，内链：eu-ai-act），隐私合规压力让苹果死守数据不出端。但从M5散热看，纯端侧天花板明显。iOS 26.4测试版（据国行iPhone Apple Intelligence实测）已开始将高负载任务自动请求云端，用户无感知。苹果强调本地优先云为辅，但未来iPhone 20（若跳过19）必然转向端云协同，敏感数据本地处理，复杂计算交给PCC（私有云计算）做隐私桥接。
一句话判断：轻量任务（摘要、翻译）用iPhone 19的本地70B体验绝佳，但要想让Agent持续工作、批处理文档或高精度推理，备好散热背夹，或者等端云协同成熟。苹果选择跑得快但跑不久——这是当前端侧AI必须做的交易。