会议主要讨论的核心内容 苹果在 AI 方面的整体进展和计划 [1][2] - 苹果在 AI 领域取得显著进展,主要集中在自研 AI 和第三方合作两个方面 - 苹果在文本生成、图片生成、屏幕感知等方面投入大量资源,开发了一套离线 AI 框架 - 苹果推出了意图框架,包含自学习引擎,可以实时学习用户行为,提供个性化服务 - 意图框架还支持第三方开发者接入,实现跨平台的智能服务 苹果如何利用意图框架提升用户体验 [1][2] - 意图框架通过自学习引擎实时分析用户行为,根据时间和空间提供个性化服务 - 意图框架允许第三方开发者将应用内功能封装成原子化能力,结合苹果底层引擎提供智能服务 苹果在 AI 助手方面的最新进展和未来规划 [2] - 实现了屏幕感知技术,能够识别界面元素并理解其功能 - 未来计划推出记忆体系和自动驾驶辅助功能,让 AI 助手更个性化和自主 苹果在 AI 领域的原则和策略 [2] - 聚焦系统本身应做的事情,优化用户体验,形成规范化模板供第三方接入 - 提高用户效率,通过人机交互实现任务链路最短 - 在特定场景下授权 AI 进行操作,提高效率 苹果如何平衡云计算与端计算 [2] - 日常行为场景下优先聚焦端计算,通过自研大模型提升体验 - 对于知识搜索等脱离手机核心场景的需求,则更多通过与第三方合作 苹果如何定义不同规模的大模型应用场景 [2] - 小型大模型(5,000 亿参数以下)由苹果自主研发,用于解决日常使用问题 - 大型大模型(超过 5,000 亿参数)由苹果与专业团队如 OpenAI 合作 苹果与第三方大模型厂商的合作模式 [2] - 涉及费用,第三方需支付一定费用以确保数据接口在苹果设备上的最佳兼容性 - 苹果会将第三方接口进行黑盒化封装,确保用户数据不会被泄露 苹果如何处理用户数据隐私 [2] - 不会将用户数据共享给第三方,在训练时仅使用明确同意分享的数据 - 用户生成的新数据归属于用户,由苹果负责保护,不会用于商业目的 AI 手机功能对硬件的要求 [3][4] - 需要强大的芯片算力和带宽,以支持大模型的实时计算和生成 - 需要大容量内存以支持大模型的运行 - 需要低功耗设计以保证电池续航 大模型计算为何依赖单核而非多核 [3] - 大模型计算逻辑类似人脑思考,是一个连续的过程,无法简单分解为并行任务 苹果芯片在 AI 应用中的优势 [3] - 单核性能极强,是竞争对手 3 倍 - 采用定制化架构,精确满足自身产品需求 NPU 和 GPU 在大模型应用中的作用 [3] - NPU 适合本地小规模神经网络推理,但对于大规模训练及生成任务依然依赖 CPU 或 GPU 苹果与安卓设备在内存方面的差异 [3] - 苹果设备内存使用更加高效,3B 大模型计算能力可媲美竞争对手 7B 级别 - 安卓设备需要更高内存规格以支持大模型运行 苹果在低功耗器件上的技术优势 [3][4] - 通过离线识别用户面部信息等功能,实现低功耗交互 - 结合定位信息提供更精准的 AI 服务,不会导致设备发热或快速掉电 苹果硬件成本增加对售价的影响 [4] - 硬件成本增加不到 1,000 元,但高端机型售价可能上涨至 15,000 元以上 - 苹果暂无将 AI 能力单独收费的计划,仍将通过硬件销售附加价值来盈利 安卓厂商在 AI 领域的表现 [4] - 安卓厂商如 vivo 较早布局大模型,但受限于 GPU 供应等因素 - 各家安卓厂商都投入大量资源用于大模型及 AI 产品设计 苹果在 AI 领域的优势 [4] - 在硬件、软件和操作系统方面具有显著优势,能给出明确且正确的发展方向 - 与第三方合作更加顺畅,能快速构建完善的 AI 生态框架 手机市场出货量及格局预测 [4] - 整体销量不会有显著变化,各品牌主要通过提升产品质量和速度来竞争 - 高端机型占比可能会进一步提升,但不会大幅改变整体格局 AI 技术对手机行业盈利模式的影响 [4] - 主要增强各家竞争力,对份额及盈利模式没有本质改变 - 高端机型占比提升可能带来更高利润 软件适配需要的新能力 [4] - 需要系统内核调校能力,如内存切片优化、功耗管理等,以支持 AI 技术