Apple Foundation Models 不是 Gemini 包裝
Apple 在 WWDC 2026 說明，新 Foundation Models 由 Apple 程式碼與架構主導，Google 只參與訓練協助，正式上線的模型仍是 Apple 軟體。
Apple 的新 Foundation Models 由 Apple 程式碼與架構主導，Google 只參與訓練協助，正式上線的模型仍是 Apple 軟體。
說真的，這件事比傳聞冷靜很多。Apple 在 WWDC 2026 把話講白了，不是 Gemini 外掛，也不是把 Google 模型包一層皮就上架。
它公開了 4 組模型家族，還有 Apple Intelligence、Private Cloud Compute 這條雲端路徑。重點很簡單：訓練可以借力，產品體驗一定要自己掌控。
| 模型 | 執行位置 | 用途 |
|---|---|---|
| AFM Core | 裝置端 | 本地任務的基礎模型 |
| AFM Core Advanced | 裝置端 | 多模態、稀疏架構模型 |
| AFM Cloud | Private Cloud Compute | 處理裝置端吃不下的請求 |
| AFM Cloud Image | Private Cloud Compute | 影像生成與編修 |
| AFM Cloud Pro | Private Cloud Compute 與 Google 雲端伺服器、NVIDIA GPU | 代理任務與最重工作 |
Apple 這次講得很直白
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Apple 這次的說法，其實是在拆掉一個很大的誤會。外界原本以為，它可能把 Gemini 直接包進 Siri AI 或 Apple Intelligence。
但 Apple 的說法不是這樣。它說模型是為 Apple Silicon 客製，訓練時用了專有資料，最後部署的是 Apple 自己的軟體堆疊。
這差很多。前者像是租別人的引擎來開車，後者比較像自己做引擎，但會參考別人的賽道資料。
Apple 也把系統拆得很清楚。小任務留在裝置端，重任務送到 Private Cloud Compute，最吃資源的工作再走另一條雲端路徑。
- AFM Core 和 AFM Core Advanced 跑在裝置端。
- AFM Cloud 和 AFM Cloud Image 跑在 Private Cloud Compute。
- AFM Cloud Pro 會用 Google 雲端伺服器與 NVIDIA GPU。
- Apple 強調使用者接觸到的仍是 Apple 軟體。
為什麼大家會把它聽成 Gemini
原因其實不難懂。Apple 之前提過 Google 相關技術，這種說法很容易讓人腦補成「Apple 直接投降了」。
但從它現在的描述看來，Google 的角色比較像訓練協助。真正跑在使用者面前的模型、伺服器管理、產品介面，還是 Apple 自己握著。
這種切法很 Apple。它很少把核心體驗交給別人，尤其是 AI 這種會碰到隱私、延遲、成本的東西。
“We use none of the models that Google deploys to their customers, nor do we use the infrastructure and means by which they deploy models to their customers.” — Apple executive during WWDC 2026 discussion, as quoted in AppleInsider
這句話很重。意思很清楚：Apple 要的是技術支援，不是把產品靈魂交出去。
對開發者來說，這也代表一件事。Apple 的 AI API 和模型策略，會繼續跟 Google、OpenAI、Anthropic 走不同路線。
Apple 其實是在補 2024 之後的洞
Apple Intelligence 一開始就讓很多人失望。功能延後、節奏不穩，大家自然會懷疑它是不是跟不上其他 LLM 產品。
所以這次只要一提到 Google，外界就會立刻放大解讀。這不是沒原因，是 Apple 自己前一輪 AI 交作業沒交漂亮。
但從架構看，Apple 這次明顯更務實。把推論留在裝置端，可以少碰使用者資料；把大任務放進 Private Cloud Compute，可以保住隱私敘事；再把最重的工作丟給雲端，成本也比較好控。
- 裝置端推論，資料外流風險更低。
- Private Cloud Compute 讓 Apple 有中間層。
- Cloud Pro 提供更高算力。
- Distillation 讓 Apple 吸收模型知識，不必直接上架原模型。
這套做法跟其他 AI 廠商差在哪
如果拿 OpenAI、Anthropic、Google DeepMind 來看，Apple 的路線很不一樣。別人多半先做一個很強的通用模型，再想辦法塞進產品。
Apple 則是反過來。它先定義裝置端、雲端、隱私、延遲，再回頭設計模型。這種做法很慢，但比較符合它的硬體生態。
講白了，Apple 不想做成一個純 API 公司。它要的是模型、晶片、系統、雲端一起配合，讓 AI 看起來像原生功能，而不是外掛服務。
這裡可以直接列一下差異。
- OpenAI 偏向模型能力優先。
- Anthropic 偏向安全與代理工作流。
- Google DeepMind 偏向大規模研究與產品整合。
- Apple 偏向裝置端體驗與控制權。
這對 Siri 和 Apple Intelligence 代表什麼
最直接的答案是，Siri 終於有機會換一顆比較像樣的腦袋。Apple 把新 Foundation Models 接到 Siri AI 和 Apple Intelligence，上面那層體驗才是大家真正會碰到的東西。
如果它做得好，使用者感受到的會是更快的回應、更穩的上下文理解，還有更少的雲端等待時間。這些都很無聊，但很重要。
如果它做不好，那就還是老問題。演示很漂亮，實際使用卻卡卡的，然後大家又開始拿 iPhone 跟 Android 陣營比 AI。
Apple 現在的優勢，是它有完整硬體鏈。A 系列與 M 系列晶片、作業系統、雲端層都在自己手上，這讓它可以玩出別家很難複製的本地推論策略。
但弱點也很明顯。它不能只靠品牌撐場面。模型品質、回應速度、工具調用能力，還有多輪對話穩定性，最後都要拿真機驗證。
這場爭議其實在講 AI 控制權
這次事件不是單純的技術八卦。它在講一個更大的問題：AI 到底是誰在控制。
如果一家公司把模型、資料、伺服器、介面全交給別人，那它很快就會變成轉接頭。短期省事，長期很難守住產品差異。
Apple 顯然不想走那條路。它可以借 Google 的訓練方法，也可以用外部雲端資源，但它要保留最後的決定權。
我覺得這才是重點。不是 Apple 有沒有用 Google，而是 Apple 有沒有讓 Google 進到使用者看得到的那一層。
目前答案看起來是沒有。接下來就看它能不能把這套架構真的跑順，別再讓 Siri 變成笑話。
如果 Apple 真的能把裝置端模型、Private Cloud Compute、Cloud Pro 串成穩定體驗，那它在 2026 之後的 AI 競爭裡，會很難再被說成只會慢半拍。反過來說，只要使用者一測就破功，這套說法也撐不久。