Apple 为什么越来越依赖 Gemini？2026 年 Apple AI 战略到底发生了什么变化？

2026 年真正落地的两件事

先把「已经写进官方页面的事实」和「媒体估算」分开。1 月 12 日的联署声明只有两段。第一段是合作范围：多年合作，下一代 Apple Foundation Models 基于 Gemini 模型与云技术，将为未来 Apple Intelligence 提供能力，包括更个性化的 Siri。第二段是选型理由和边界：经过审慎评估，Apple 认为 Google 的 AI 技术是 Apple Foundation Models「最有能力的基础」；同时强调 Apple Intelligence 继续跑在设备与 Private Cloud Compute 上。声明没有写每年多少钱、参数量多少、会不会替换现有 Writing Tools，也没有说用户会直接面对 Gemini 品牌。

6 月 8 日，Apple Security Research 发表 Expanding Private Cloud Compute。文章写得很硬：PCC 首次扩到第三方数据中心；与 Google、NVIDIA 合作，在 Google Cloud 的 NVIDIA GPU 上跑新的 Apple Intelligence 工作负载；覆盖从设备端到云端的模型族；对最吃算力的任务——包括 agentic tool-use 与复杂推理——走 PCC on Google Cloud。核心 PCC 要求没改：无状态计算、可强制保证、运行时无特权访问、不可定向攻击、可验证透明。新的是实现层：NVIDIA Confidential Computing、带 TDX 的 Intel CPU、Google Titan 芯片，外加一份可密码学验证、只追加的 Google Cloud 硬件账本。Apple 明确：无论基础设施托管在哪，PCC 软件仍由 Apple 完全控制，设备只信任经 Apple 密码学批准的 PCC 软件。

把时间线连起来：2024 年 PCC 只跑在 Apple silicon 上，用来补设备端模型够不到的推理；2025 年 Apple Intelligence 上线，云端模型大约是千亿级、自研味道更重，Siri 深度个性化一再延期；2026 年 1 月，下一代 AFM 的「基础」改挂 Gemini；2026 年 6 月，最重的那档云端模型被放到 Google Cloud 的 GPU 上，但仍套着 PCC 的外壳。战略变化不是「突然喜欢上 Google」，而是承认：在 20 亿级活跃设备上同时提供个性化 Siri 和 agent 级工具调用，自研云端模型加自有机房，短期接不住。

为什么越来越依赖 Gemini

Apple 不是没有模型。Foundation Models 框架已经让 App 在设备上跑 LanguageModelSession，用 @Generable 约束结构化输出，用 Tool 做工具调用——这些在 2025 年 WWDC 就摆上桌了。缺的是「能撑住系统级 Siri 的前沿云端模型」和「能撑住峰值推理的机房」。2025 年把 ChatGPT 嵌进 Siri，是用户可见的外挂：复杂问题可以扔给 OpenAI，但那是另一扇门，不是 Apple Foundation Models 自己的底座。2026 年的 Gemini 合作层级完全不同：它进入 AFM 的训练与基础，而不是再开一扇「问问 ChatGPT」。

为什么是 Google 而不是继续加码 OpenAI？公开文本里 Apple 只说「最有能力的基础」。结合产品边界，更说得通的解释有三条。第一，Google 接受「隐进基础设施」：用户看到的是 Siri 和 Apple Intelligence，不是 Gemini 品牌，更不是 Google Assistant。Federighi 后来强调「我们使用的 Google Assistant 分量是零」。第二，Google 同时能提供模型技术和云技术——声明原文把 models and cloud technology 写在同一句，6 月 PCC 扩容把这句兑现了。第三，合作被写成多年、且外界普遍按非排他理解：Apple 仍可自研推理芯片、继续收购补齐，不把命运锁死在一家。媒体报道的「每年约 10 亿美元、定制约 1.2 万亿参数 Gemini」两边都未确认，当作量级参考即可，不要写进你的架构决策。

还有一条很少被标题写进去的动机：时间。个性化 Siri 原计划更早，却撞上自研模型能力与机房性能的双重缺口。后续报道提到，工程师曾尝试在现有 M 系列服务器上跑 Gemini 级负载，性能不够，才把最重的一档放到 Google Cloud 的 NVIDIA GPU。Apple 同时在推自研服务器芯片 Baltra（与 Broadcom），面向推理而非训练，量产时间表多次被外界后移。读法很简单：Gemini 是桥，不是终点；桥的另一头是自己的推理硅片和机房。在桥还没走完之前，依赖会看起来「越来越深」——因为最难的查询都走 Cloud Pro。

三层推理栈怎么读

不要把「Apple 用了 Gemini」理解成单一运行时。2026 年夏天，对外能对齐的分层大致是这样：轻量任务继续在设备上，用 Apple Intelligence 的 on-device 模型，不必出网；中等云端任务走 PCC on Apple silicon，例如通用 AFM 3 Cloud 与图像侧 ADM 3 Cloud；最重的 agent 工具调用和复杂推理，走 AFM 3 Cloud Pro，跑在扩展后的 PCC on Google Cloud。三层对用户都叫 Apple Intelligence，对开发者都可能打到你的 App Intents 或你自己的 HTTP API。变的是「谁在云端想参数」，不是「参数该长什么样」。

这张表对排障很有用。用户抱怨「Siri 这次居然会改日历又会查库存」，多半是 Cloud Pro 那一档被点亮了，工具调用链变长，JSON 参数字段变多。用户抱怨「没网就不能用」，那是 on-device 降级，不是 Gemini 挂了。你不需要知道请求落在哪台 GPU 上，但你需要假设：云端模型更敢调工具、更敢填可选字段，于是 extra keys、类型漂移、枚举写飞会比 2025 年更常见。本地 Schema 校验不是过时工序，而是被放大的那一层。

依赖不等于交出体验

「依赖 Gemini」在中文互联网很容易被读成「Apple 把灵魂卖了」。官方文本不支持这种读法。联署声明把体验锁在 Apple Intelligence；PCC 文章把控制锁在 Apple 签名的软件；WWDC 后的口径把 Google Assistant 使用量锁在零。Google 得到的是分发与授权收入，以及一次对 Gemini「能当别人家底座」的背书。Apple 得到的是时间：用别人已经训好的前沿模型，填上自己 2025–2026 交不出的 Siri，同时继续讲隐私。

真正换手的是三样东西：下一代 AFM 的教师信号 / 基础权重从哪来；最重推理的机房在哪；峰值算力向 NVIDIA GPU 租借到什么程度。没换手的是：系统 Agent 怎么选 App（仍是 App Intents）、App 内模型怎么调工具（仍是 Foundation Models 的 Tool）、你的后端怎么收 HTTP JSON、用户在设置里看到的品牌。把这四层缠在一起，就会做出错误的迁移：有人开始在 iOS 里直接调 Gemini API「对齐官方」，有人反过来删掉 App Intents「反正都是 Google 了」。两条都是把基础设施合作误读成产品替换。

隐私叙事也没有被官方放弃，只是实现更绕。PCC 从「只信任自家硅片」扩成「信任一套可验证的第三方机密计算流水线」。这会引来安全社区的追问，Apple 的回应是公开二进制、研究模式节点、赏金计划，以及夏季预览期逐步补齐完整保护。对产品经理，这意味着：你可以继续对外说「默认不在服务器留用户数据」，但要能讲清「无状态 + 证明 + 短生命周期」；对工程师，意味着日志里不该出现可回放的用户原文，工具返回值也要按最小必要字段裁剪。

对开发者：JSON 契约没换东家

回到你能控制的契约。系统级 Apple Intelligence 打到你的 App，走的仍是 App Intents：类型化的参数，而不是你去解析一段 Gemini 自由文本。App 内 on-device 模型走 Foundation Models：Arguments 用 @Generable 生成，call(arguments:) 里你再决定是否拼 JSON 打 HTTP。这两条链在 2026 年都还在。Gemini 合作改变的是系统云端模型有多敢编排多步工具，不是把你的参数表改成另一种协议。

另一条容易混的线：你自己的后端直接调 Gemini API。那是 Google 的开发者产品，有 response_format / JSON Schema 约束，和 Apple Intelligence 不是同一条请求。站内 Gemini API JSON 输出 把这条链写过了。不要把「Apple 用 Gemini 技术训 AFM」理解成「iPhone 上的 Siri 请求会变成你熟悉的 generateContent JSON」。对用户设备来说，出网的是 PCC 封装；对你的服务器来说，只有当你主动去调 Gemini 时，才会看到 Google 的字段名。

实践上，建议把示例载荷按「意图层」存，而不是按「模型商标」存。下面这段 JSON 只描述：谁发起、调了哪个工具、参数是什么。runtime.pccTier 可以记日志，但不要让它进入业务校验——Cloud Pro 和 on-device 必须接受同一份 arguments Schema，否则一次降级就会把订单查挂。

{
  "source": "apple-intelligence",
  "intent": "findOrders",
  "arguments": {
    "email": "ada@example.com",
    "status": "paid",
    "limit": 5
  },
  "runtime": {
    "onDevice": false,
    "pccTier": "cloud-pro"
  }
}

拿到真实流量后，把成功样本和失败样本丢进 JSONVue：格式化看字段，JSON Schema 卡类型与枚举，Diff 对比「设备端兜底」和「Cloud Pro 全量」两份输出少了哪些键。2026 年 Apple 更依赖 Gemini，并不减免这一步；相反，云端模型越强，越会多填字段、多调工具，本地校验的价值越大。延伸阅读：Apple AI Agent 如何连接 App 与 API，以及 AI Structured Output。

常见问题 FAQ

总结与下一步

2026 年 Apple AI 战略的变化可以压成一句话：模型层愿意借 Gemini，推理层愿意租 Google Cloud 的 GPU，产品层和证明层仍要写 Apple。依赖变深，是因为个性化 Siri 和 agent 工具调用把自研云端栈的缺口暴露出来；这不是把助手品牌交出去。

下一步很具体：把 App Intents 参数和 HTTP 工具载荷写成同一份 Schema，用 JSONVue 校验成功/失败样本，并假设 Cloud Pro 会多调一次工具、多填两个可选字段。模型商标会变，JSON 形状不该跟着变。