Apple 的 AI 战略：隐私承诺是成是败的关键

背景

在昨日举行的 WWDC 主题演讲中，AI 无疑是绝对的主角。正如外界预期，Apple 试图将其在 AI 领域的“迟到”转化为一种销售话术：它并未急于推出产品，而是选择“慢工出细活”。在这里，“做对事情”的核心定义是“比任何人都更注重隐私”。

这是一个极具吸引力的叙事角度，但其成败将完全取决于这一隐私承诺能否在技术落地和实际运营中经受住考验。尽管 Apple 在 AI 技术的最新性和强大程度上可能并非行业第一，但它正致力于成为最注重隐私的 AI 提供商。

核心内容

Apple 新推出的 Apple Intelligence 功能及更新后的 Siri AI 旨在跨设备协同工作，涵盖 iPhone、iPad、Mac、Apple Watch 以及 Vision Pro。新的 Siri AI 应用提供了类似 ChatGPT 的聊天机器人体验，并引入了新的 AI 驱动相机与照片编辑功能，以及初步的“智能体（Agentic）”体验，允许 Siri AI 与用户设备上的其他应用和软件进行交互。

无论用户通过何种设备访问这些新功能，Apple 声称其处理架构基本一致：尽可能在设备端（On-device）处理查询，而在无法本地处理时，则通过其安全的 Private Cloud Compute（私有云计算）系统进行。Apple 强调，用户数据不会被存储，仅用于执行请求，且 Apple 或任何第三方均无法访问。新的 Siri AI 应用中的对话日志仅保存在设备端，并存储于用户端到端加密的 iCloud 账户中。

然而，这一架构本身并非全新概念——Private Cloud Compute 早在 2024 年 Apple Intelligence 首次发布时便已宣布。两年过去，情况发生了两个显著变化：

首先，尽管有昨日的发布，Apple 在 AI 领域确实落后于几乎所有竞争对手。这使得其隐私卖点成为差异化竞争的关键。

其次，正是由于这种落后，Apple 现在不得不与 Google 和 Nvidia 合作来运行其 AI 业务。

供应链与合作伙伴的变更

Apple 的新云 AI 模型并非完全自主研发，而是基于 Google 的 Gemini。同时，Private Cloud Compute 的范围已超出 Apple 自有数据中心，转而运行在 Google Cloud 系统上，使用 Nvidia GPU、Intel CPU 以及 Google Titan 芯片。

这是一个明显的转变。在 Private Cloud Compute 首次宣布时，Apple 强调其专为 Apple Silicon 构建，拥有硬化的供应链，包括在服务器上架前进行的广泛安全扫描和验证检查。如今，Apple 无法控制 Google、Intel 和 Nvidia 的供应链。取而代之的是，Apple 维护着一个“密码学可验证、仅追加的账本”，记录所有用于 Private Cloud Compute 的 Google Cloud 硬件，并“保留对软件的完全控制权”。

Apple 声称 resulting 系统具有与以前相同的“非凡安全和隐私特性”，但怀疑论者指出，更长的供应链引入了此前不存在的潜在漏洞。

行业对比：Apple 与竞争对手的数据策略

尽管存在供应链担忧，Apple 仍可理直气壮地声称，其 AI 方法优先考虑了其他 AI 巨头所缺乏的隐私保护。在主题演讲中，软件工程高级副总裁 Craig Federighi 表示：“有些人似乎在盲目推进，为了 AI 而 AI，似乎并不清楚它最终是为了服务我们这些人。”他补充说，Apple Intelligence 的设计“在每个步骤中都考虑了隐私”。

事实上，Apple 的隐私解决方案并非完全独特，但仍是行业内最全面的。去年，Google 宣布了 Private AI Compute，当时被描述为与 Private Cloud Compute “几乎相同”（连名字都相似），运行在由 Google 自研 TPU 支持的“无缝 Google 堆栈”上。

关键区别在于应用场景：

• Apple：将其私有云计算用于所有无法在设备端运行的 AI 查询。
• Google：对其使用 Private AI Compute 的时机不够明确。Google 表示其用于 Pixel 手机上的 Magic Cue 和 AI 驱动的 Recorder 应用，但未说明是否用于所有从 Google 手机发出的 Gemini 查询，也未说明在其他平台上使用 Gemini 时是否有同等保护。

数据收集的现状

• Google：默认情况下，Gemini 会收集大量数据，包括提交的提示词、共享的文件、语音对话录音，以及 Gemini 创建的内容、执行的任务以及用户使用的应用、浏览器和设备信息。Gemini 的聊天历史默认存储 18 个月后删除，用户可将其缩短至最少 72 小时。
• OpenAI：收集用户上传至 ChatGPT 的提示词和内容，以及各种位置和设备信息。聊天内容默认作为训练数据，但用户可禁用此选项。
• Anthropic：使用 Claude 时收集类似数据，但会删除语音提示的录音，仅保留转录文本。Claude 默认使用用户数据进行模型训练，并声称数据将以“去标识化”形式保留长达五年。

相比之下，Apple Intelligence 的隐私政策（最近一次更新于 2025 年，即最新公告之前）指出，Apple 仅收集关于 Private Cloud Compute 请求的“有限信息”，如大小和完成时间，但不收集关于请求内容或其结果的任何信息。Apple 表示，它不使用私人数据或用户交互来训练其基础模型。

当然，Apple 在此方面拥有优势：它不需要收集用户数据来训练模型，因为 Google 已经利用其用户数据完成了这一工作。Apple 与 Google 的合作可能会引发关于其如何维护用户隐私的担忧，但这可能正是它能够在不牺牲隐私的情况下提供功能性 AI 的原因。

关键要点

• 差异化战略：Apple 承认其在 AI 最新技术和性能上落后于竞争对手，因此将“隐私”作为核心差异化卖点，试图将“迟到”转化为“谨慎”和“安全”的品牌形象。
• 混合处理架构：Apple Intelligence 采用“设备端优先 + 私有云计算补充”的架构。所有可能的处理都在本地完成，无法本地处理的部分通过 Private Cloud Compute 进行，且承诺数据不存储、不用于训练、Apple 不可见。
• 供应链妥协：由于自研能力不足，Apple 的云端 AI 依赖 Google 的 Gemini 模型，并运行在 Google Cloud 的基础设施上（使用 Nvidia、Intel 和 Google 芯片）。这打破了此前完全依赖 Apple Silicon 和自有数据中心的承诺，引入了第三方供应链的安全风险。
• 数据收集对比：
  • Apple：仅收集请求元数据（大小、耗时），不收集内容，不用于模型训练。
  • Google/OpenAI/Anthropic：默认收集提示词、内容、设备信息等，并通常默认将用户数据用于模型训练（尽管部分允许关闭）。
• 依赖合作伙伴：Apple 的隐私优势部分得益于其合作伙伴 Google 已经完成了大规模数据收集以训练基础模型。Apple 无需重复这一过程，从而在数据收集量上保持极低水平。

意义与影响

Apple 的 AI 策略在短期内可能面临信任挑战，因为其与 Google 和 Nvidia 的合作削弱了其“完全可控”的隐私叙事。更长的供应链意味着更多的潜在攻击面，这与 Apple 长期以来强调的硬件级安全控制相悖。

然而，从长期来看，Apple 的“有限数据收集”默认策略在当前的 AI 行业环境中显得尤为突出。在 Google、OpenAI 和 Anthropic 等巨头普遍依赖用户数据进行模型训练的背景下，Apple 提供了一套无需牺牲隐私即可使用先进 AI 功能的替代方案。

对于许多重视隐私的 Apple 用户而言，这种权衡可能是值得的。即使 Private Cloud Compute 的安全性不如以往完美，Apple 承诺收集的数据量远少于任何 AI 竞争对手。这可能促使部分用户愿意等待数月甚至数年，以换取 Apple Intelligence 的最终成熟，从而在功能性与隐私保护之间找到独特的平衡点。