AI 能从画面里读出位置

杀毒软件厂商 McAfee 的研究表明，常见的 AI 视觉模型仅凭照片本身的画面，就能以超过九成的准确率判断拍摄地点，无需任何定位标签或元数据。研究团队用两款公开、免费可得的 AI 视觉模型测试了超过 2.1 万张旅行照片：其中一款（阿里通义千问团队的开源模型 Qwen3 VL 30B）准确识别出 91% 的照片所在城市与国家，另一款（Google DeepMind 的 Gemma3 27B）也达到 87%。

值得注意的是，研究人员是在本地电脑上运行这些模型，而非调用云端服务，这更接近攻击者规模化作案的方式。结论很清楚：计算机并不需要照片带定位标签或嵌入元数据，就能判断拍摄地。

骗子如何借题发挥

设想一个场景：有人在波尔图度假，只在 Instagram 或 Facebook 上发了几张家人照片，背景里只有杜罗河的一小段，看起来在哪拍都行。几天后，一条短信找上门：「我们监测到您在波尔图旅行期间出现可疑交易，请立即验证。」收信人从没在社交平台提过这趟行程，只发了些模糊的照片，本不该起疑。

可这条诈骗短信之所以显得可信，正是因为它说中了你在哪。罪犯并没有提前知道行程，而是用 AI 分析了照片里最不起眼的线索——背景、建筑、招牌、光线——从而锁定了位置。McAfee 欧洲、中东与非洲区负责人 Vonny Gamot 表示，AI 的作用是提供「语境」，让诈骗与威胁显得可信。

照片里若有地标、天际线、招牌或道路标线，AI 判断会格外准确；就连食物摊和店面也能迅速定位。即便只是一张海滩或酒店房间的照片，精度会下降，但国家一级的识别通常仍然可靠——而这已足够骗子所用。在内部测试中，员工用 ChatGPT 辨认一张前景有树的小河照片，被准确指向纽约州的 Hastings-on-Hudson；一张郁金香花丛则被认出是荷兰的库肯霍夫花园（Keukenhof）。

如何防范

骗子拿到位置后，会让钓鱼信息更有说服力：可能冒充银行称你在该地消费异常，或假装是某家酒店来电核对身份，或谎称监测到你在该国登录账户。防范要点很直接：晒图尽量等回家后再发，并把社交账号设为仅熟人可见；对任何带「立即处理」字样的紧急短信保持警惕；收到所谓银行或平台通知时，不要点开附带的链接，而是直接通过官网或银行卡背面的电话联系核实。

来源：The Guardian（2026 年 8 月 16 日）

开源大模型领域出现了一个标志性数字：阿里巴巴的通义千问（Qwen）家族累计全球下载量突破 30 亿次，超越谷歌、Meta 等对手，成为全球下载量最高的开源 AI 模型家族。这一数据来自 Hugging Face 于 2026 年 8 月 14 日发布的一份「开源模型现状」报告，以及阿里巴巴同月 15 日的官方披露。

在 Hugging Face 平台内部，2026 年 Qwen 的下载量约为 20.45 亿次，而谷歌约为 4.18 亿次、Meta 约为 2.27 亿次——这一统计只覆盖 Hugging Face Hub，还不含中国的 ModelScope 等平台，因此低于 Qwen 跨平台累计的 30 亿次。

生态比单点性能更关键

截至披露时，阿里巴巴已开源超过 460 个 Qwen 模型，衍生出 30 万余个下游模型。仅在 Hugging Face 上，开发者就基于 Qwen 创建了 151,448 个衍生模型，是 Meta 衍生数的 2.6 倍、Llama 家族相关仓库数的 4.7 倍；同期的谷歌模型衍生数为 82,506 个。

开源权重模型可以被下载、微调并用作新 AI 产品的积木，因此下载量与衍生模型数，成为衡量开发者「用脚投票」的指标，也折射出中美开源 AI 竞赛的此消彼长。报告还指出，2026 年中国头部实验室发布的最大开源模型，参数规模普遍高于美国同行：中方月度上限在 7540 亿到 2.78 万亿之间，而美方大多数月份的最大开源模型低于 1300 亿参数。同时，中国开发者普遍采用宽松许可证——在报告追踪的 178 个参数量超 200 亿的中国模型中，59% 使用 Apache 2.0、22% 使用 MIT，没有任何一个限制仅限非商业使用。

为什么它能走出去

Qwen 的崛起并非只靠性能与低价。阿里通过云业务，把 Qwen 分发到东南亚、非洲等市场的企业客户，触达许多对手没有的渠道。报告称，Qwen 已成为开发者决定微调与部署模型时「默认工作流」的一部分。面对这一态势，Meta、英伟达等美国公司近几周也相继发布新的开源模型，争夺开发者。

对中文世界而言，一个由中国公司主导、又能被全球开发者广泛采用的开源模型家族，意味着本地应用与二次开发有了更稳固的底座。

来源：China Daily / 彭博社（据 Hugging Face 2026 年 8 月开源模型报告）

「这组合实在太怪」

英格兰诺森伯兰郡 Barter Books 的合伙老板 Stuart Manley 说，订单大约从三个月前开始出现，反常之处在于它们不像普通订单那样按主题归类。一笔近期订单里同时出现了爱沙尼亚语译本的《使命之歌》、某个特定版本的女作家安妮·勃朗特作品《艾格妮丝·格雷》，以及 1983 年 10 月的《战舰》月刊。他说自己已经向三名买家卖出「成百上千」本随机书籍，总额约合 4000 英镑。

爱尔兰克莱尔郡的 MW Books 老板 Jim Shaughnessy 也表示，自 5 月以来店里不断收到量大且杂乱的订单，「推测是由机器驱动，几乎没有主题逻辑」。英国巴斯 BookLovers 的老板 David Gower-Spence 则在 5 到 7 月间收到约 200 本书的集中订单。有书商发现，不同买家下的随机订单竟被送到同一个地址——伦敦希思罗机场附近的一组货运仓库。

一本书为何值得被「买断」

这股订单潮让人联想到大模型的「数据饥渴」。今年《华盛顿邮报》披露，开发 Claude 聊天机器人的头部 AI 公司 Anthropic 曾花费数千万美元收购书籍、裁掉书脊以便扫描内容，随后送去回收。Anthropic 回应称，其训练数据来自公开网络、商业采购数据集与自产数据，采购书籍是行业通行做法，且从未购买或销毁珍稀古籍。

技术媒体 404 Media 上月报道，一个图书数据库曾向书商暗示「世界上最好的 AI 训练数据就摆在书架上」，并称 2022 年以前出版的书籍是理想材料，因为它们的文本尚未被聊天机器人生成的内容「污染」。对 AI 公司而言，那些早于 ChatGPT 走红、又未上网的二手书，恰好是难得的干净语料。在书商论坛里，有人感慨这些书「注定要进 AI 训练，封面被撕掉，最终化作纸浆」。澳大利亚书商近期也报告了类似的异常订单。

来源：The Guardian

风险指标往上走

报告最值得注意的变化，是对齐失控概率的重新评估。Anthropic 将高风险情景下模型「偏离人类意图、自行其是」的预估概率，从「极低」上调到了「低」，理由是近期接连发生的多起网络安全事件。公司同时观察到，模型在自动化研发方面的能力正呈现加速趋势——这既能推动技术突破，一旦落入别有用心者手中，也存在被严重滥用的隐患。

更强的模型先「捂着」

报告披露了一款尚未发布的内部模型，代号为「Model 2」。它在多项内部任务上的表现被认为已经超过了当前顶尖模型 Mythos，但 Anthropic 明确表示，目前没有任何将其对外发布的计划。

按照公司的说法，在标准研发流程中，团队会内部训练并评估许多探索性质的模型版本，「Model 2」只是其中之一。它与 Mythos 5 一起，已被公司广泛用于内部的编程、智能体操作与数据生成等场景。不过报告也指出，这次性能跃升的幅度，尚不及今年上半年从 Opus 4.6 到 Mythos 那次跨越。

同行也在踩刹车

放缓脚步的不止 Anthropic 一家。主要竞争对手 OpenAI 近期也因为无法完全排除潜在的严重网络安全隐患，放慢了下一代模型 Astra 的发布节奏。人工智能分析师 ChrisGPT 对此评论称，在行业领头者普遍选择给前沿探索降速的阶段，如果唯独 Anthropic 不承诺在内部暂停研发，反而最有可能率先抵达通用人工智能（AGI）。

连自己都看不太清

报告里更微妙的信号，是 Anthropic 似乎在承认：摸清自家模型的能力上限与潜在风险，正变得越来越难。对于「Model 2」，团队坦言这次风险评估的信心已不如以往，因为他们最具体、基于任务的评估方法，已经无法准确捕捉模型能力真实的增长。

换言之，模型越强，评估它就越吃力。当能力增长超出既定测试所能衡量的范围，所谓的「风险可控」究竟还剩几分把握，连开发者自己也难以给出确定答案。

来源：Axios

数据：冲击比想象温和

斯坦福大学经济政策研究所（SIEPR）的一项分析显示，自 2022 年 ChatGPT 发布以来，受 AI 影响最大的 20% 劳动者，失业率仅上升 0.77 个百分点，反而低于受 AI 影响最小群体的 0.85 个百分点。应届生失业率一度达到 5.6%，高于 4.2% 的全国均值，但远程办公退潮与疫情期过度招聘的回落同样难辞其咎。

「在那些我们预期最先受到冲击的职业里，就业趋势基本稳定。」报告合著者、斯坦福研究员 Erika McEntarfer 表示，「计算机革命用了几十年才彻底改变劳动力市场，眼下的情况与之惊人相似。」

真正发生的是「改变」而非「消失」

招聘端的信号更清晰。ZipRecruiter 最新雇主调查显示，74% 的雇主将 AI 技能视为显著优势或硬性要求，13% 的公司在全公司范围强制要求；半数受访雇主期望候选人在入职第一天就已是熟练或进阶的 AI 使用者。

「最清晰的趋势线是门槛在升高，而不是岗位在收缩。」ZipRecruiter 劳工经济学家 Nicole Bachaud 说。纽约大学斯特恩商学院的 Robert Seamans 将 AI 的影响分为三类——被淘汰、被创造、被改变，其中「被改变」这一类远远最大。斯坦福教授 Nicholas Bloom 则用「湍流」形容当下：AI 一边摧毁一些岗位，一边催生出部署、销售、维护与开发 AI 系统的工作。

灵活用工可能扩张

风险也并非不存在。麻省理工学院荣誉退休教授 Paul Osterman 在新书《Disposable Workers》中指出，约 35% 的美国劳动力已被视为容易替代，AI 只会加剧这一趋势，更多企业会转向合同工与自由职业。在他看来，高技能劳动者的对策是提升技能与外部人脉，而底层劳动者更需要公共政策托底。

来源：The Guardian / Varsha Bansal（2026-08-12）

但《财富》杂志科技记者 Emily Forlini 在「Eye on AI」通讯中指出，报告第 35 页的一张小表格，讲了一个不太一样的故事。

第 35 页的反差

研究人员发现，员工人均营收与员工使用 AI 的强度（以发送消息量和消耗 token 数衡量）之间，不存在统计上显著的相关性。报告原文写道：「在纳入其他控制变量后，员工人均营收与员工人均输出 token、活跃用户消息数没有有意义的关联。」

换句话说，报告确实显示高营收公司往往更早采用 AI，但这更像「赚钱的公司更有钱先上 AI」，而不是「因为用了 AI 才更赚钱」——因果方向并不能由这份数据确立。

高管用得最少

报告第 29 页的图表还藏着一个细节：高管层级每周发送的消息量反而最少，资深员工的使用强度普遍偏低。OpenAI 首席财务官 Sarah Friar 随即在 LinkedIn 上发文称：「对领导者来说，这提醒我们竞争优势来自离工作最近的人。」言下之意，真正产生价值的可能是一线员工，而非决策层。

企业采用的起伏

报告里的增长曲线也并非一路向上。输出 token 的图表显示，2025 年 10 月到 12 月，企业端总使用量几乎完全停滞，那段时间的黑线接近水平；而同期，Anthropic 的 Claude Code 正在企业里迅速普及。直到 2026 年 1 月，曲线才重新拉起，进入指数增长区间。

就在这份报告发布当天，OpenAI 宣布任命新的首席营收官 Dali Rajic，接替任职不到一年的 Denise Dresser。新官的重点被明确为「加速客户采用」和「帮助企业衡量影响」——这两项目标本身，也侧面说明客户尚未清晰看到可量化的回报。

一份报告的独立性质疑

这份 69 页报告共有五位作者，其中两位是学者：哥伦比亚商学院的 David Holtz 与宾夕法尼亚大学沃顿商学院的 Prasanna Tambe。但脚注注明，二人是「以 OpenAI 付费承包商身份参与贡献」。学界作者通常意味着更高的公信力，这一安排让独立性打上问号。

结论留给数据本身

需要澄清的是，报告并没有断言 AI 没有价值。「没有统计显著相关」不等于「没有影响」，它只说明在报告覆盖的数据范围内，找不到两者之间的稳定关联。究竟是口径问题，还是 AI 的价值还没传导到人均营收指标上，报告没有给出进一步解释。

对企业决策者而言，这份报告真正的看点是那个反差本身：营销语言与数据细节之间，存在一道值得留意的空隙。衡量 AI 的影响，最终恐怕还是要靠自己的第一手经验，而不是别人的宣传。

来源：Fortune

过去三年，人工智能投资的主线简单粗暴：谁卖算力，谁就是赢家。英伟达的 GPU、云厂商的数据中心、内存芯片厂，几乎吃下了资本市场对 AI 的全部想象。但进入 2026 年，这条逻辑正在松动。雅虎财经援引 Axios 对市场风格的观察指出，AI 交易的下一阶段，赢家可能长得和英伟达、美光完全不同——它们不一定是造铲子的人，而是真正把铲子用起来、跑出回报的企业。

第一阶段的逻辑：卖基础设施就能涨

AI 热潮从 2022 年算起，第一阶段奖励的是「基建层」。英伟达把芯片卖给全行业，数据中心疯狂扩建，内存供不应求，相关公司的股价跟着订单走。这一时期投资者的判断标准很朴素：谁在搭建 AI 的物理底座，谁就值钱。

问题在于，这种「卖铲子就能赢」的共识正在被重新审视。Futurum 首席市场策略师沙伊·博洛尔（Shay Boloor）对 Axios 的表述很直白：现在游戏进入了「ROI（投资回报）说了算」的阶段。当潮水退去、估值被反复拷问，光是「AI 基建的一环」已经不够，市场开始追问——谁能把 AI 变得更高效、更 responsive、更个性化。

这意味着资金偏好可能转移：推理和内存相关公司更有机会获得青睐，而传统基建名字对投资者的吸引力可能减弱。一个被点名的「输家」方向是散热厂商——英伟达首席执行官黄仁勋在消费电子展上宣布了一款不需要散热的新芯片，直接压制了给服务器供风扇和液冷的公司。

旅游业的活样本：Airbnb、Booking、Expedia 的回报答卷

文章用一个行业把抽象逻辑讲得很实：旅游业。2026 年 5 月中旬以来，旅游股从低点普遍起飞，先是航空公司领跑；但到了 8 月，领导权换了人——爱彼迎（Airbnb）、缤客（Booking Holdings）、亿客行（Expedia）持续爬升，而酒店走平、航空和邮轮回吐了部分涨幅。这三家预订平台自 5 月 19 日起中位数涨幅接近 40%，酒店则大致持平。

更关键的是，这几家公司开始把 AI 的回报「说出了数字」，而不只是秀 Demo。爱彼迎方面，由其 AI 助手接手、从源头发起的客服问题，近 45% 在没有人工介入的情况下就解决了；每个订单的客服成本较上年同期下降约 16%，AI 被认为是改善的推动因素之一。爱彼迎首席执行官布莱恩·切斯基（Brian Chesky）对雅虎财经称，AI 是「发生在爱彼迎身上最好的事」。

缤客呈现出类似的回报曲线：每个订单的客服成本以两位数速率下降，管理层表示其 AI 投入已经产生正回报。不过，来自 AI 聊天机器人的推荐在总间夜数中仍只是极小一部分——也就是说，早期的回报主要发生在企业内部（客服、搜索、个性化、生产力），而不是靠外部流量。

连锁酒店的逆袭窗口：Choice 与 Wyndham

有意思的是，真正「剧情张力」更大的，是还没涨起来的那两家。精选酒店（Choice Hotels）和温德姆（Wyndham）也开始汇报硬邦邦的 AI 收益：精选酒店一款 AI 销售工具把团体预订的转化提升了 360 个基点（3.6 个百分点），一个 AI 客服试点把运营求助请求砍掉了约 40%；温德姆的 AI 礼宾把参与酒店的直接贡献提升了 500 多个基点，自主预订的平均每日房价比电话订房高出约 15%。

但这两家自 5 月 19 日以来股价是跌的， Forward 市盈率都在 15 倍左右，营业利润率高于 25%，过去三个月分析师盈利预期下调了约 7%。文章的点评正在于此：AI 的收益已经出现，可华尔街的预期和股价都还没转身——这种「预期与基本面错配」反而构成了观察窗口。

航空业也在用 AI，但低利润率和燃油、人力等巨大变量说明，技术好不等于投资好。结论很克制：投资者要找的，是真正把 AI 用成利润的公司。

分析师的判断：应用层才是主战场

美国银行的全球策略师哈伊姆·以色列（Haim Israel）在一次媒体电话会上提醒，市场犯了一个错误——把 ChatGPT 或 Gemini 当成「AI 的全部」。他的比喻是：说 AI 就是 ChatGPT，等于说互联网革命就是为了做个 Spotify。AI 的价值在各行各业的应用里，投资者也可以把沃尔玛这类用 AI 降本的老经济股票纳入视野。

摩根大通在 2026 年展望里写到，AI 正在拉动创纪录的资本开支、大宗商品需求和多元创新生态，标普 500 有望在 2026 年突破 8000 点；但驱动涨幅的赢家可能换面孔，因为 AI 建设和它的瓶颈都在变。博洛尔则把终局一句话点透：「AI 的归宿是智能体（agents）。」要做到那一步，需要真正能当同事的模型——记住你的偏好、沿途存下数据。

启示：从「建 AI」到「用 AI」

这套分析对市场的启示很清晰：AI 的上半场，钱流向做模型、卖芯片、盖机房；下半场，钱会慢慢流向把 AI 用到极致的传统行业与公司。对关注 AI 落地的观察者来说，真正的信号不在哪家又发了新模型，而在哪家企业的客服成本、转化率和运营效率被 AI 实打实改写了。

需要提醒的是，原文讨论的是美国市场的股价表现，属于产业与投资趋势观察，不构成对任何个股的买卖建议。但对「AI 能否从演示走向利润」这一普遍命题，旅游业的数字已经给出了一组可验证的样本。

来源：Yahoo Finance / Axios（作者 Jared Blikre，2026 年 8 月）

苹果正在与多家新闻出版商洽谈内容授权协议，计划让升级后的 Siri AI 能够获取实时新闻资讯。据《华尔街日报》报道，苹果提出的付费模式打破了行业惯例——不是一次性买断，而是按实际使用量向出版商付款。

按使用量付费：新模式

目前 OpenAI、Meta、微软等科技公司与新闻机构的合作大多采用固定授权费模式：支付一笔费用换取大范围的内容访问权。苹果的方案则不同：

– 多年期协议：与每家出版商签订长期合同 – 按次结算：每当 Siri 调用某家出版商的内容来回答用户问题时，该出版商获得报酬 – 九位数预算：苹果为此项目准备了上亿美元级别的资金池（具体在 1 亿至 9.99 亿美元之间） – 可能不含训练权：协议范围或仅限于 Siri 实时检索，不涉及模型训练

这种「按使用量付费」的结构意味着出版商的收入将直接与其内容的被引用频率挂钩。对于流量日益被 AI 摘要侵蚀的新闻出版业而言，这是一种全新的变现思路。

为什么苹果需要这笔交易

Siri AI 是苹果今年秋季随 iOS 27、iPadOS 27 和 macOS 27 一起推出的重大更新。新版 Siri 从底层重建，具备网页检索能力，可以结合屏幕上下文和个人信息回答各类问题。

但苹果在此前有过教训。2024 年底，Apple Intelligence 的通知摘要功能因生成虚假新闻标题而引发争议，苹果随后关闭了该功能数月进行改进后才重新上线。这一事件凸显了准确新闻来源的重要性——如果 Siri 要成为用户信赖的日常信息助手，它必须能访问经过验证的权威内容。

此外，AI 行业正面临越来越多的版权诉讼。OpenAI、Anthropic 等公司因未经授权使用受版权保护的内容而被多家媒体起诉。苹果选择主动谈判付费授权，既是为了规避法律风险，也是为了确保 Siri AI 的信息质量。

与 Apple News+ 的区别

苹果并非首次与出版商合作。自 2019 年推出 Apple News+ 以来，苹果一直与报刊杂志保持商业关系，订阅费（目前 12.99 美元/月）的约 50% 分成给参与出版商。

但此次 Siri AI 的合作与之有本质区别：News+ 是面向读者的订阅服务，而 Siri 授权是面向系统的数据管道。前者让用户阅读完整文章，后者让 AI 提取并转述关键信息。

部分出版商曾对 News+ 的分成比例表示不满并终止合作。新的按使用量模式能否获得更广泛的接受度，仍有待观察。

行业影响

布鲁金斯学会 2026 年 6 月发布的研究显示，AI 内容授权市场正在分化为两条路径：一是与大型出版商的直接协议，二是通过中间平台提供的按使用量付费模式。研究还发现，拥有直接授权协议的出版商最初从 AI 界面获得了点击优势，但到 2025 年第四季度这一溢价已基本消失，AI 点击率下降了约六倍。

苹果的按使用量方案若成功落地，可能为整个行业树立新标准。OpenAI、Anthropic 等竞争对手未来或许也需要跟进类似模式，才能持续获取高质量的实时新闻数据。

截至目前，苹果未公布参与谈判的具体出版商名单，也未披露最终定价细节。Siri AI 的正式版本预计将在今年 9 月随新款 iPhone 一同发布。

来源：《华尔街日报》（via MacRumors / PCMag / TechRepublic）

法国人工智能公司 Mistral 于 7 月发布 OCR 4.1 公开预览版，把文档识别从单纯的「文字提取」推进到「结构化理解」。新模型最大的变化，是能够输出段落级的边界框（Bounding Box）、结构化区块标签，以及区块级的置信度评分，让企业在把纸质或扫描文档喂给检索增强生成（RAG）系统之前，先对提取质量做更细的把控。

不只是识别文字

传统 OCR 只关心「图里是什么字」，而 OCR 4.1 试图理解文档的结构。它借助计算机视觉处理复杂排版、手写体以及数学公式，把图像和 PDF 中的文本、公式与表格布局，以较高的精度转换为结构化的 Markdown 格式。对于 RAG 管线而言，这意味着预处理步骤可以被压缩成一次 API 调用。

Mistral 在官方文档中介绍，OCR 4.1 的 API 新增了「block」级别的置信度粒度选项：除了原有的「page」（页面级）与「word」（词级）之外，开发者现在可以拿到页面级与区块级两套评分，从而判断某一段落、某张表格的提取是否可靠，再决定是自动入库还是转人工复核。

对手与定位

在企业文档智能领域，Mistral 的对手包括亚马逊的 Textract 与谷歌云的 Document AI。前者能提取文本、手写、表格与表单，后者则将 OCR 与版式分析、分类、结构化提取结合。相比这些背靠大型云生态的平台，Mistral 选择了一条更聚焦的路线：用一个连接自有模型、Studio 工具链与企业 AI 栈的专用文档模型切入。

不过价格引发了讨论。OCR 4.1 定价约为每千页 3.5 欧元（约合 4.38 美元），有开发者指出这比部分竞品贵出近一倍。但在处理历史文献、复杂版式时的稳定性，以及在合规与数据主权方面支持开放权重、可本地私有化部署的特性，让它成为文档 AI 赛道一个值得关注的变量。

为什么重要

文档摄取是智能体（agent）落地企业场景的关键入口。一个模型即便推理能力很强，只要把表格压平错了、把页脚误认成正文，或者把低置信度的数字直接写进检索索引，最终输出仍可能出错。OCR 4.1 把改进点放在「喂给搜索、智能体与自动化决策的那条文档管道」内部，用段落级输出与置信度评分，给开发者更细的检视、路由与索引能力。在头部大模型比拼通用能力的当下，押注细分工具模型，也是欧洲 AI 避开正面战场的一种务实选择。

来源：Mistral 官方文档与多家科技媒体综合整理

据路透社 8 月 14 日报道，三位知情人士透露，苹果公司已经专门为中国市场训练了一款大语言模型。这一模型由苹果与阿里巴巴集团合作开发，并在阿里巴巴的支持下完成训练。这是苹果首次披露为中国市场单独训练自有模型的计划，也标志着其在华人工智能策略的一次重大转向。

从「借力第三方」到「自研加合作」

此前，由于 Anthropic 的 Claude、OpenAI 的 ChatGPT 等美国模型无法在中国大陆使用，苹果主要依赖本土合作伙伴的模型来驱动设备端的生成式人工智能功能。此次调整意味着苹果不再把模型能力完全交给合作伙伴，而是在阿里巴巴的支持下训练了一套属于自己的模型。

知情人士表示，在 iOS 系统完成后续更新后，苹果的 AI 工具套件「Apple Intelligence（苹果智能）」预计将在未来几个月内正式登陆中国市场。届时，阿里巴巴的通义千问（Qwen）模型将被整合进在中国发售的兼容 iPhone、iPad、Mac 以及 Vision Pro 等设备的「Apple Intelligence」中，百度等技术也会融入其中。

监管破冰与「双轨制」策略

这一进展建立在漫长的监管审批基础之上。今年 7 月 15 日，中国国家互联网信息办公室正式备案了「Apple 智能」等 7 款手机端侧生成式人工智能服务，为「Apple Intelligence」首次登陆中国版 iPhone 扫清了道路。按照报道的说法，这套专为中国训练的模型，可能使苹果成为首家获得中国政府批准、在华提供自有专有 AI 模型的外国公司。

这种「自研模型加本土合作伙伴」的双轨方案，被视为外国企业在中国推进人工智能的一种独特路径，既有助于应对复杂的监管障碍，也能在一定程度上缓解数据安全与合规层面的顾虑。上周，苹果曾发布一份中文指南，说明中国大陆的 Mac 用户如何将通义千问连接到 Siri 与书写工具功能，随后在未作解释的情况下删除了该指南。

华为等本土对手的压力

苹果此举也反映出其在中国这一最重要的海外市场中面临的竞争压力。华为等中国本土厂商已在 AI 手机领域抢占先机，陆续推出内置 AI 功能的机型。报道指出，缺少「Apple Intelligence」被认为影响了苹果在中国市场的竞争力。通过训练专为中国市场定制的大模型，苹果希望让「Apple Intelligence」在中国不只是海外版本的简单移植，而是建立一套独立搭建、更贴合中文语境与本地用户习惯的技术体系。

受 7 月获批备案消息影响，阿里巴巴在美上市股票盘前一度上涨约 4%。截至目前，苹果与阿里巴巴均未对这一报道作出正式回应，最终的产品形态与技术细节仍有待官方确认。

来源：路透社（经 cnBeta、IT之家等转述）