北京时间6月10日凌晨，WWDC 2026开幕。苹果对Apple Intelligence做了新一轮升级，外界最容易注意到的是Siri接入Google Gemini之后，复杂推理能力被补上了一块。
但这件事也带来了另一层讨论。钛媒体文章提到，苹果自研端侧大模型在复杂推理上未能完全达标，Siri AI的核心推理能力依托谷歌Gemini运行，苹果每年为此支付约10亿美元。发布会当天，苹果股价下跌1.88%。
如果只看“苹果是不是依赖谷歌”，这个故事很容易变成AI主权的争论。对开发者和企业IT负责人来说，更值得看的其实是苹果怎么分配任务：哪些留在设备端，哪些交给云端，哪些再引入外部大模型。
国信证券在2024年7月19日发布的《AI端侧应用系列报告（三）》里，把苹果的AI调用方式概括为三层：本地小模型、苹果私有云大模型，以及外部的GPT-4o。报告的核心判断是，这种设备端与云端结合的部署方式，可以在用户隐私、效率和体验之间做平衡。
到WWDC 2026，这套思路没有被推翻，只是外部模型的角色更显眼了。
数据先在手机上过一遍
苹果官方支持文档在介绍Apple Intelligence与隐私时，重点仍然放在“尽可能在设备端处理”。这不是一句口号。端侧AI真正有价值的地方，是让一部分原本要上传到云端的数据，先在iPhone或iPad上完成识别、摘要、分类和结构化。
企业场景里，这一点很实际。
比如销售人员处理CRM记录，麻烦的往往不是打开系统，而是从邮件、聊天记录、会议纪要里提取客户名、需求、预算、时间节点等字段。过去的常见做法，是把原始文本发到云端模型，再由模型清洗、打标、回填。
如果端侧模型能在设备上先完成初步抽取，上传到后端的就不一定是完整聊天记录，而可能只是经过整理的键值对。数据主体留在用户设备里，后端拿到的是更窄的一层结果。
这就是端侧AI对隐私计算的直接影响：它没有让云端消失，但减少了敏感数据必须离开设备的次数。
Gemini补的是复杂推理，不是所有任务
中信证券6月10日研报认为，Apple Intelligence升级落地，意味着苹果AI战略进入兑现阶段，端侧AI及硬件创新有望重回市场焦点。
这句话放在开发语境里，可以拆得更细一点：端侧模型负责高频、轻量、强隐私的任务；云端模型负责低频、复杂、需要更强推理能力的任务。
苹果官方架构已经把这条边界画得比较清楚。设备端承载轻量任务，复杂推理交由云端完成。钛媒体文章也提到，Apple Foundation架构中，设备端承载轻量任务，复杂推理交由谷歌云端完成。
所以，Siri接入Gemini并不等于苹果放弃端侧。更准确地说，苹果把端侧从“什么都要本地完成”的叙事里拉了出来，放到一个混合系统里：本地先判断，本地能做就本地做；本地不确定，再交给更大的模型。
这对企业应用反而更可用。很多业务并不需要每一次请求都调用最强模型。发票分类、客服摘要、表单预填、会议纪要初筛，这些任务的关键不是炫技，而是稳定、低延迟、少传敏感数据。
NPU不是魔法，开发者要算账
端侧AI离不开NPU，但NPU也不是万能答案。
当前稿件里的测试数据提到，在测试版环境中，iPhone 17 Pro运行本地化3B参数语言模型做意图识别，平均首字延迟约150毫秒，功耗增加控制在2%以内；同样请求发往云端Gemini服务器，网络波动下延迟通常在800到1200毫秒之间。
这组数据如果放在工程决策里，结论很直接：端侧适合做第一跳。它快，且不用先把原始数据送出去。云端模型推理能力更强，但延迟、网络状态、数据传输都要被纳入成本。
问题也在这里。端侧模型一旦并发变高，NPU、内存和散热都会变成约束。当前稿件提到，当并发请求超过每秒5次时，iPhone 17 Pro的NPU温度会上升并触发降频，推理速度下降约30%。
这意味着，开发者不能把云端模型简单蒸馏后塞进手机就结束。模型大小、量化方式、算子适配、内存释放，都要重新设计。尤其在移动端，用户同时还在拍照、导航、刷视频、接电话，AI应用不能默认自己独占算力。
更现实的做法，是把端侧能力当成一个有限但稳定的入口：先做意图识别、字段抽取、摘要压缩、敏感信息过滤；再把少数复杂请求交给云端。
隐私计算的成本被改写了
企业过去谈隐私计算，很容易走向两种重方案：一是全链路审计，二是私有化部署大模型。两者都能解决一部分问题，但成本高，落地慢，中小企业尤其难承受。
苹果这套端云混合架构提供了另一条路。它不要求企业一开始就自建大模型集群，而是把设备端变成第一道处理层。
在金融、医疗、跨境电商等场景里，这个变化尤其重要。不是所有数据都应该进入云端，也不是所有请求都值得动用大模型。端侧可以先完成脱敏、分类和风险标记，再决定是否继续上传。
这样做的好处不是“绝对安全”。任何系统都不该这么承诺。它的价值在于缩小暴露面：原始数据少流动一次，链路上需要解释、审计和担责的节点就少一个。
开发者该怎么落地
对正在做AI应用的团队来说，Apple Intelligence 2.6带来的启发可以很具体。
第一，把端侧任务切小。不要一上来就让本地模型完成长链路推理。意图识别、短文本摘要、字段抽取、敏感信息识别，更适合放在设备端。
第二，建立混合路由。端侧模型有把握时直接返回；置信度不足，再调用云端模型。当前稿件中提到的做法是设置本地置信度阈值，低于90%时再发起云端Gemini查询。这个思路比“所有请求都上云”更省，也更容易解释数据流向。
第三，别忽视系统资源。Core ML、Metal Performance Shaders、后台任务调度、动态卸载，都不是锦上添花。移动端AI应用要长期运行，内存溢出、发热降频、UI阻塞都会直接影响体验。
苹果端侧AI的重点，不是把云端替掉。它真正改变的是边界：哪些数据必须离开设备，哪些计算可以留在本地，哪些复杂任务才值得交给云端。
这条边界越清楚，企业做AI应用时越容易把性能、隐私和合规放在同一张工程表里计算。
