WWDC 2026:苹果要把 AI 从"功能"做成"系统"

2026-06-05 18 预计阅读时间:1 分钟
来源:oschina.net AI 摘要 原文链接

免责声明:本文为 AI 摘要整理,建议结合原文阅读。摘要可能省略上下文、版本差异或边界条件,不作为官方说明。

预计阅读时间:10 分钟

过去一年,AI 行业的叙事几乎被模型竞赛主导——推理能力、上下文长度、Agent 完整度、自动化工作流深度,每一项都在刷榜。但下周的 WWDC,风向可能不一样。人们不再只问"模型强了多少",而是问:苹果怎么把 AI 嵌回具体的产品体验?

这恰恰是苹果最擅长的事。它不比参数量,它比"你用不用得上"。

从功能到系统:苹果的 AI 叙事转向

"AI 功能"和"AI 系统"的区别,简单说就是——

  • 功能:你打开一个入口,调用一个能力,拿到一个结果。比如让 Siri 总结一封邮件。
  • 系统:AI 是底层基础设施,它在你不需要主动触发的时候就已经在工作。跨应用理解你的意图、在合适的时间推送合适的操作、在本地完成推理而不依赖云端。

苹果过去一年在 Apple Intelligence 上的推进,已经能看到这个方向:设备端推理、私有云计算、跨 App 的语义理解。WWDC 2026 很可能不是发布一个"更强的 Siri",而是展示一套更完整的 AI 操作系统层。

苹果的系统级 AI,可能长什么样

根据目前公开信息和行业趋势,几个值得关注的维度:

设备端推理优先

苹果的 Neural Engine 和统一内存架构,让端侧推理不是噱头而是工程现实。3nm 芯片上跑一个 3B 参数的模型,延迟和功耗都在可接受范围。这意味着大量 AI 能力可以不经过网络,直接在用户手上完成。

跨应用意图理解

如果系统层能理解"用户正在写邮件提到下周出差",那么日历、地图、提醒事项可以同时收到这个信号——不需要用户逐个 App 去操作。这比任何单点 AI 功能都更有日常价值。

私有云计算作为补充

端侧搞不定的任务,苹果用 Private Cloud Compute 接力。关键不是"云更强",而是"云也受苹果隐私约束"——可验证的透明日志、不落盘的推理过程。这在行业里几乎没有第二家这么做。

实践:用现有 Apple Intelligence API 构建一个意图驱动的应用

虽然 WWDC 2026 的具体 API 还没公布,但基于苹果已经发布的 App Intents 框架和 Foundation Models API(beta),我们可以这样实践一个"系统级 AI"思路的应用——让 App 不只是被动等待用户点击,而是主动响应系统分发的意图。

以下是一个 Swift 示例,展示如何用 App Intents 把你的应用能力注册到系统层,让 Siri 和 Spotlight 可以直接调用:

import AppIntents

// 1. 定义一个实体类型,让系统理解你的数据
struct TravelPlanEntity: AppEntity {
    var id: String
    var destination: String
    var departureDate: Date
    var notes: String

    static var typeDisplayRepresentation = TypeDisplayRepresentation(name: "出差计划")
    static var defaultQuery = TravelPlanQuery()

    var displayRepresentation: DisplayRepresentation {
        DisplayRepresentation(title: "\(destination) 出差", subtitle: "\(departureDate.formatted(date: .abbreviated, time: .shortened))")
    }
}

// 2. 定义一个 App Intent,让系统可以执行你的功能
struct CreateTravelPlanIntent: AppIntent {
    static var title: LocalizedStringResource = "创建出差计划"
    static var description = IntentDescription("根据邮件或对话中的出差信息,自动创建出差计划")
    static var openAppWhenRun = true

    @Parameter(title: "目的地")
    var destination: String

    @Parameter(title: "出发日期")
    var departureDate: Date

    @Parameter(title: "备注")
    var notes: String?

    func perform() async throws -> some IntentResult & ReturnsItem<TravelPlanEntity> {
        // 实际项目中这里会调用你的数据层
        let plan = TravelPlanEntity(
            id: UUID().uuidString,
            destination: destination,
            departureDate: departureDate,
            notes: notes ?? ""
        )
        // 保存到本地数据库或 CloudKit
        try await TravelPlanStore.shared.save(plan)
        return .result(item: plan)
    }
}

// 3. 定义快捷动作,让 Siri / Spotlight 可以直接触发
struct TravelPlanShortcuts: AppShortcutsProvider {
    static var appShortcuts: [AppShortcut] {
        AppShortcut(
            intent: CreateTravelPlanIntent(),
            phrases: [
                "用\(.applicationName)创建出差计划去\(\.$destination)",
                "帮我安排去\(\.$destination)的出差"
            ],
            shortTitle: "创建出差计划",
            systemImageName: "airplane"
        )
    }
}

运行前需要做的调整:

  • 在 Xcode 项目中启用 App Intents capability。
  • TravelPlanStore 需你自己实现,可以用 SwiftData 或 Core Data。
  • TravelPlanQuery 需实现 EntityQuery 协议,提供实体查询能力。
  • 短语中的 \(.applicationName) 需在 Info.plist 配置 app name。

这个例子的核心思路是:不是用户打开你的 App 去点按钮,而是系统理解了用户意图后,自动把任务分发到你的 App。 这就是"AI 系统"和"AI 功能"的区别。

如果 WWDC 2026 进一步开放 Foundation Models API(让开发者直接调用设备端模型做语义提取),上面的流程可以更前置——先让模型从邮件/对话中提取 destinationdepartureDate,再自动触发 Intent,全程不需要用户手动输入。

端侧模型的调用方式(当前 beta API)

苹果在 iOS 18.2 已经开放了 Foundation Models API 的 beta 版,开发者可以直接在设备端调用语言模型。以下是一个最小可运行示例:

import FoundationModels

@MainActor
func summarizeEmail(content: String) async throws -> String {
    // 创建一个系统指令,约束模型输出格式
    let instructions = Instructions(
        "你是一个邮件摘要助手。用中文输出,不超过三句话,只提取关键行动项。"
    )

    // 调用设备端模型
    let session = LanguageModelSession(instructions: instructions)
    let response = try await session.respond(to: "总结以下邮件内容:\n\(content)")

    return response.content
}

注意事项:

  • 此 API 目前仅在美国区 English 设备上可用(beta),WWDC 2026 很可能扩展语言和地区支持。
  • 模型推理完全在设备端完成,不发送任何数据到云端。
  • LanguageModelSession 支持多轮对话和结构化输出(StructuredOutput),可以配合 App Intents 做更复杂的意图提取。

期待与边界

苹果的系统级 AI 路径有几个明确的边界,开发者需要提前认知:

维度 苹果的优势 苹果的边界
端侧推理 芯片架构天然适配,隐私叙事强 模型规模受限,复杂推理仍需云端
跨 App 意图 系统层有权限打通所有 App 数据 第三方 App 能拿到多少信号,取决于 API 开放程度
开发者生态 App Intents + Foundation Models 已有基础 API 覆盖面、地区支持、调试工具都还早期
生态竞争 用户体验壁垒高,用户迁移成本大 速度慢于 Android 侧的激进迭代

给开发者的建议:

  1. 现在就开始用 App Intents。不管 WWDC 发布什么新 API,App Intents 是系统分发意图的基础设施,先把你的核心功能注册上去。
  2. 关注 Foundation Models API 的地区扩展。如果你做的是中文场景的应用,WWDC 2026 的关键信号是这个 API 是否支持中文。
  3. 设计"意图优先"的交互。不要假设用户会手动打开你的 App,而是假设系统会在某个场景下把用户意图推给你。你的 App 需要能在无 UI 的情况下完成核心任务。
  4. 端侧 + 云端混合架构。苹果的 Private Cloud Compute 是补充而非替代。你的应用应该设计成:简单任务端侧完成,复杂任务可选云端,但用户始终知道数据去了哪里。

WWDC 2026 的关键看点,不是苹果的模型参数有多大,而是它把 AI 嵌进系统的深度有多深。对于开发者来说,这意味着一个新的入口逻辑——用户不再找 App,系统替用户找 App。提前适配这个逻辑,比等 API 文档更重要。


相关推荐