M6跳代M7，芯片才是蘋果AI戰略真正的主角

蘋果一直被詬病行動遲緩，耽誤了AI。但是，當模型越來燒錢，也越來越同質化和商品化時，蘋果的克制也許最適合它。先做好芯片，一切都會有的。

蘋果正在讓Apple Silicon成為覆蓋端側計算與云端協同的AI計算平臺。這或許也是即將接任CEO的約翰·特努斯（John Ternus）推動的戰略方向之一。他長期負責硬件工程和Apple Silicon。

蘋果正在加速Apple Silicon迭代節奏。目前Mac產品線即將進入M6時代，但與此前幾乎都在基礎版芯片后逐步推出Pro、Max和Ultra不同，蘋果在M6完成流片后很快啟動了M7流片工序，直接跳過了M6后續高端版本。市場預計M7基礎版將于2027年上半年發布，較M1以來多數代際的傳統迭代周期大幅縮短；隨后推出Pro、Max，并于2028年推出Ultra；M8基礎版預計也將在2028年問世。

Apple Silicon不再只是為普通的消費電子產品而設計，它越來越圍繞個人AI計算平臺而優化。去年亮相的M5芯片，被認為是蘋果首款全面圍繞AI性能設計的芯片；M6將進一步升級內存架構和神經網絡引擎；而M7的提前啟動，則對應著蘋果對于下一代Apple Intelligence能力的期待。

盡管Apple Intelligence的布局相對晚于部分競爭對手，但它正在反過來定義Apple Silicon。今年，WWDC發布的蘋果基礎模型（AFM）已悄然迭代至第三代，保持著一年一代的更新速度。要發揮芯模協同的優勢，芯片的迭代節奏也要跟上。但在當時發布的五款模型中，盡管前四款均針對Apple Silicon深度優化，但面向云端的大模型AFM 3 Cloud Pro，意味著最完整的個人AI體驗，卻是針對英偉達GPU優化的。

Apple Silicon會是Apple Intelligence長期演進的核心平臺。隨著蘋果通過隱私云（PCC）提供云端AI能力，它也需要構建自主可控的AI計算基礎設施。彭博社透露，M7 Ultra最高支持1.5TB統一內存，AI計算能力接近英偉達Blackwell架構芯片，不僅服務于Mac產品線，也將成為蘋果下一代AI服務器的重要基礎。

蘋果自研芯片已經有16年的歷史。自2010年推出A4芯片以來，蘋果逐步完成了從移動設備到個人電腦的芯片自研。這種軟硬件高度整合的能力，以及對供應鏈的控制能力，成為蘋果區別于安卓生態的重要優勢。2017年發布的A11芯片，首次集成神經網絡引擎（Neural Engine），成為蘋果將專用AI計算單元引入消費級設備的重要節點。

事實上，蘋果的神經網絡引擎最初并不是為生成式AI設計，而是源于蘋果對完全自動駕駛的本地AI能力的探索。已經夭折的“泰坦項目”，對本地感知和決策能力的需求，以當時的技術條件和工程復雜度，遠超消費電子公司的能力邊界，也為蘋果今天的Apple Silicon與Apple Intelligence留下了技術遺產。

而今天AI的發展方向，重新放大了這些能力的價值。隨著AI逐漸走向個人智能體，計算需求正在發生變化。大量任務并不一定需要調用云端最強模型，而需要低延遲、低成本、持續在線，并且能夠理解用戶個人狀態的本地智能。

個人AI計算平臺重新定義AI與用戶之間的關系。智能手機、PC等設備天然具備成為AI入口的條件。攝像頭、麥克風和各種傳感器，讓設備能夠持續感知用戶和物理世界；本地推理則能夠降低延遲，同時減少個人數據向外流動。

微軟CEO薩提亞·納德拉近期也指出，如果所有智能都集中在少數模型提供商手中，企業不僅需要持續支付調用成本，也可能面臨數據和知識向外流動的風險。盡管他的本意在于強調“信任邊界”問題，但蘋果的端側AI與隱私云計算，恰好就已經在那個進化方向上。

對于消費者而言，個人AI計算平臺也改變了AI服務的成本結構。云端AI依賴持續調用，隨著智能體系統普及，token消耗量不斷增長，單位任務成本正在成為新的競爭變量。進入夏季以來，一些企業和開發者紛紛轉用中國開源模型，OpenAI、SpaceXAI與Meta也趁勢挑起了價格戰。而端側設備則可以通過一次硬件采購，將本地算力成本在設備生命周期內攤銷，支撐大量高頻AI任務。

隨著基礎模型能力快速演進，越來越多產業參與者開始意識到，AI時代的競爭并不一定會長期集中在模型本身。端側計算平臺的競爭，正在重新回到產業中心。OpenAI也正在布局AI原生設備。天風證券分析師郭明錤評價這種“誘惑”稱，AI手機最大的價值，在于它能夠持續感知用戶狀態，是實時智能體最關鍵的輸入系統之一。

但是，個人AI計算平臺，無論是完全端側，還是與隱私云計算共同構建云端協同，都意味著深度地重新設計整個計算架構。Apple Silicon高級產品經理Doug Brooks在WWDC前接受采訪稱，蘋果的芯片設計者知道自己需要在芯片里針對何種工作負載、工作流去優化，而且，蘋果也不會去做那種算力“相對富余”卻在浪費著等內存帶寬的系統。

蘋果對統一AI平臺的理解相當前衛，在行業內率先采用了“統一內存架構”。蘋果將CPU、GPU、神經網絡引擎等核心計算單元全部位于同一片上，與封裝內/片外的內存統一連接，確保它們能夠共享并調用這個龐大的內存池。

統一內存架構，本質上是在減少計算單元之間的數據摩擦。這與今天AI基礎設施正在探索的方向高度一致：當模型規模不斷擴大，計算瓶頸正在從“有沒有算力”轉向“如何高效組織算力”。

過去的計算主要圍繞CPU和獨立GPU展開。CPU擁有系統內存，GPU擁有獨立顯存，二者之間的數據交換會帶來額外延遲和能耗。但AI推理需要頻繁訪問模型參數、上下文信息和中間計算結果，數據搬運正在成為新的瓶頸。不少嘗試本地AI的個人開發者也意識到，一臺售價599美元的Mac Mini，其推理速度比一臺售價1500美元、配備獨立顯卡的Windows電腦更快。

盡管如此，對于蘋果而言，統一內存容量已經成為Apple Intelligence體驗的重要限制。當前更強大的本地模型只能運行在少數高內存設備上，正說明能夠承載更大規模端側模型的硬件平臺，正在成為下一代AI體驗的基礎。這也倒逼蘋果這次不得不加速Apple Silicon的迭代。

Apple Silicon堅持多年的低功耗路線，也正在獲得新的意義。ARM架構帶來的優勢，不只是延長設備續航，更是在有限功耗下完成更多有效計算。20年前，蘋果創始人史蒂夫·喬布斯就因為性能功耗比，從PowerPC架構轉向了x86架構，后來又以相同的原因轉向了ARM架構。而在AI時代，功耗正在成為所有計算平臺共同面對的問題。

某種意義上，蘋果過去十多年堅持的方向，正在成為AI計算的新趨勢。這也是蘋果與英偉達正在產生交匯的地方。

英偉達代表的是AI基礎設施路線，通過GPU、CUDA、網絡和數據中心，為全球AI模型訓練和推理提供底層算力；蘋果代表的是個人計算路線，通過芯片、操作系統和設備生態，重新定義用戶與計算機的交互方式。但隨著AI進入新的階段，兩家公司正在走向彼此靠近的方向。

今天，蘋果學習英偉達的芯片迭代速度，也在嘗試把個人設備中的芯片理念擴展到更大的計算體系。M7 Ultra進入AI服務器領域，意味著Apple Silicon的邊界正在從消費電子設備向云端計算延伸。

Geekbench CPU多核測試

（說明：盡管英偉達已經進入個人AI計算領域，但僅就處理器多核性能領域而言，它的RTX Spark（N1X）仍與蘋果M系列存在約兩年的差距）。

就在年初，英偉達決定把數據中心級AI能力帶向個人設備。它最新面向個人AI計算的RTX Spark超級芯片，基于Grace Blackwell架構，將CPU與GPU整合在同一系統中，并采用128GB統一系統內存，讓GPU能夠直接訪問共享內存空間。

這進一步提振了市場對個人AI計算平臺的關注，也意味著蘋果長期堅持的技術路線，正在從一家消費電子公司的內部選擇，變成整個AI產業正在探索的新方向。

而在云端，包括中國在內的其他AI基礎設施廠商，也在各自探索“統一內存語義”等新范式。

蘋果沒有選擇重注模型競爭，而是試圖把AI競爭重新拉回自己最擅長的領域。模型越來越商品化，而計算平臺反而越來越稀缺；模型缺乏用戶粘性，但平臺不會輕易更換。而這也可能成為特努斯時代蘋果最重要的戰略選擇。