WWDC26 最失望发布：苹果 AI 到底行不行
说起来，WWDC26 开了三个多小时，我只记住了两件事：一是一个叫 Apple Intelligence 的东西被吹成了改变世界的下一代人机交互，二是隔壁桌的开发者当场掏出一台 Mac Studio M2 Ultra，在本地跑起了 Kimi K2.6——那个70B参数的国产大模型，显存占用稳稳压在192GB统一内存里，延迟不到一秒。我在朋友圈发了一条”苹果发布会 vs 我工位”，三分钟收获两百个赞。这个对比，大概就是我对 WWDC26 全部期待的真实写照：期待有多大，失望就有多彻底。
苹果的 AI 叙事：领先了，但领先的是什么？
库克在 keynote 里花了整整四十分钟讲 Apple Intelligence。翻译、图片生成、邮件摘要、Siri 重生——每一项拿出来都是成熟的 AI 功能，每一项都没有任何一项是真正由苹果自研模型驱动的。苹果的策略很清楚：接入 OpenAI 的 GPT-4o 做复杂推理，用自己的端侧模型做轻量任务，再用 A18 Pro 的神经网络引擎做设备端加速。这个架构本身是合理的，但它的问题是——这和”苹果重新定义 AI”没有任何关系。
WWDC26 发布的 Apple Intelligence，本质上是一个极其精密的 AI 调度层。苹果做的是：判断用户的任务该交给谁处理，端侧还是云端，哪个模型供应商，然后以最低延迟把结果返回给用户。这个调度能力确实是护城河，但问题在于，它不是用户能感知到的 AI 能力，它是底层基础设施。用户真正想知道的只有一件事：苹果的 AI 能帮我做什么别人做不到的事？WWDC26 给出的答案是：帮你的邮件排序，帮你修一张照片，帮你写一段简短的回复。
本地大模型正在颠覆”云端 AI 霸权”
真正让我感到兴奋的不是 WWDC26，而是同一天发生的另一件事：月之暗面发布了 Kimi K2.6，一个可以在 Mac Studio 本地运行的70B量化模型。192GB统一内存，800GB/s带宽，一台不到二十厘米见方的小盒子，跑出了每秒十几 token 的生成速度。以前这种量级的模型需要双路至强加四张 A100，现在躺在桌上安静得像一台 NAS。
这个对比，才是真正值得认真讨论的 AI 发展方向。苹果在讲”我们接入了 OpenAI”，同时有人在做”让每个开发者都能在自己的机器上跑70B模型”。这不是技术代差，这是路线之争。苹果选的是生态整合路线，靠的是 Apple Intelligence 把各种 AI 能力打包进 iPhone 和 Mac；另一条路线是算力民主化，让模型去中心化，让 AI 推理变成一种基础设施而不是云端服务。
Mac Studio + Kimi K2.6 这个组合的真正意义在于，它证明了端侧大模型推理已经进入了”可接受性能”的范畴。首 token 延迟0.8秒，每秒十几 token 的生成速度，这意味着什么？意味着你可以在完全不依赖网络、不上传任何数据的前提下，在本地跑一个具备完整知识库问答能力的模型。对于企业内网、对于医疗数据处理、对于任何有合规要求的场景，这都比调用云端 API 更有说服力。
苹果的封闭生态是 AI 创新的天花板
WWDC26 另一个让我感到失望的地方，是苹果对开发者接入 AI 能力的严格限制。Apple Intelligence 只允许通过苹果官方接口调用，第三方开发者没有直接接入苹果自研模型的通道。这和 iOS 生态 App Store 的审核逻辑一脉相承：苹果控制一切，开发者只能在苹果画好的框里做事。
这个策略在移动互联网时代是成立的，因为那时候 App 的能力边界是清晰的。但在 AI 时代，这个策略会抑制创新。真正的 AI 创新需要开放模型接入、允许本地推理、支持自定义推理管道。苹果的封闭策略会让 iOS 生态成为一个”AI 功能丰富但 AI 创新贫瘠”的平台——消费者用到的 AI 功能很多，但开发者能做的 AI 探索很少。
反观 Mac 平台，因为边界相对模糊，反而成了苹果体系内 AI 创新的主战场。Homebrew 上有 llama.cpp，有 vLLM，有 MLX 框架，开发者可以在 Mac Studio 上自由地跑各种开源模型。这不是苹果主动推动的，这是 macOS 的开放性留给开发者的空间。WWDC26 对 Mac AI 能力的描述几乎可以忽略不计，但它实际上是目前最容易本地跑大模型的消费级硬件平台，这个事实被苹果自己的发布会严重低估了。
我的站队：苹果 AI 行不行？——目前不行
如果要我现在给 WWDC26 的苹果 AI 能力打分，我会打 6 分。及格，但仅限于”没有翻车”的及格。
扣掉的四分在哪里？第一，没有自研基础模型的突破性进展，全靠合作方的模型能力；第二，Apple Intelligence 的核心功能在 Android 阵营早有对标，Pixel 8 的 Magic Eraser、Galaxy S24 的 Circle to Search，做的都是同一类事；第三，Siri 的”重生”讲了好几年，真正落地的功能依然停留在语音助手时代的能力边界内；第四，AI 调度层再好，也解决不了模型本身能力不足的问题，苹果没有回答”我们的模型比 GPT-4o 强在哪里”。
但我承认苹果有一个不可忽视的优势：生态整合。Apple Intelligence 的价值不在于任何单一功能，而在于它把所有这些 AI 能力无缝嵌入到了 iPhone、iPad、Mac、Apple Watch 的每一个交互触点。一个能在相册里帮你修照片、在邮件里帮你写草稿、在 Siri 里帮你规划行程的 AI，单独拎出来哪个都不稀奇，但当它们全部在你的设备上无缝协同工作，这个体验是其他任何一个竞品目前做不到的。
2026 年了，AI 竞争的本质变了
WWDC26 让我最深刻的感受，不是苹果 AI 行不行，而是 AI 竞争的本质已经发生了转移。以前评价一个 AI 系统的强弱，看的是模型参数量、benchmark 分数、API 调用量。现在看的是：能不能本地化部署，能不能在隐私敏感场景使用，能不能和用户的日常工具链深度整合。
Kimi K2.6 + Mac Studio 解决的是第一个问题。Apple Intelligence 解决的是第三个问题。两条路线，两种价值观，没有对错之分。但问题在于，苹果把自己的第三条路描述成了第一条路，用”革命性”这个词形容了一个”集成优化”层面的发布，这才是我认为 WWDC26 最令人失望的地方。
所以回到最初的问题：苹果 AI 到底行不行？我的答案是：对于普通用户来说，行，因为苹果有世界上最好的 AI 产品集成能力；对于开发者来说，目前不行，因为苹果没有给开发者足够的空间去探索 AI 的边界；对于整个 AI 行业来说，苹果这次发布更像是一次战略防御，而不是战略进攻。
WWDC26 是一很好的商业发布会，但不是一个好的技术发布会。如果你是苹果股东，你看完应该很满意。如果你是 AI 开发者，你看完大概会默默打开 Mac Studio，继续本地跑你的开源模型。