美媒：苹果搁置争议大模型项目，聚焦内部AI研发策略
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
苹果的AI路线为何不同
北京时间12月31日，据科技博客9to5mac报道，苹果公司的AI策略始终备受质疑，尤其是在今年早些时候推迟了多项Siri重磅升级之后。然而，一份最新报告或许能从某个层面解释，为何苹果的AI路径与竞争对手存在如此显著的差异。
OpenAI、谷歌和Meta等硅谷巨头已投入数千亿美元建设数据中心、购买芯片和进行大语言模型训练。相比之下，苹果在AI投入上则显得更为审慎。这种策略导致业界批评苹果在AI领域已然落后，尤其当Siri的表现明显逊色于那些更先进、更强大、更可靠的对话系统时。
科技媒体The Information近期曝光了苹果对于大语言模型的真实态度。报道称，苹果内部仍保留着一支研发自有模型的团队，以备未来之需。但一些公司高管认为，大语言模型在未来几年将走向商品化、大众化，现阶段投入巨资自建模型并非明智之举。
与苹果这一立场相呼应的是，苹果据称将采用谷歌的Gemini大模型，来支持2026年的Siri重大升级。个性化Siri是苹果在2026年最重要的AI动作，预计在明年春季推出。
如果苹果管理层确实认为大型语言模型将会成为商品，那么苹果在AI领域的成功，将不再主要取决于定制化的新模型，而更多取决于它对AI运行所依赖的硬件、软件和服务体系的掌控能力。因此，iPhone将成为一项关键优势。
目前，市场风向也开始变得对苹果有利。投资者开始质疑OpenAI等公司的大规模支出能否在短期内获得相应的营收回报。在这种背景下，苹果选择限制针对AI的资本开支，使其仍持有超过1300亿美元的现金和有价证券。这意味着，如果未来AI创业公司估值回落，苹果将拥有通过收购或合作入局布局的主动权。
更多一手新闻，欢迎下载凤凰新闻客户端订阅科技。想看深度报道，请微信搜索“科技”。
相关攻略
Mac系统预装不常用字体会拖慢应用并占用空间。安全清理方法包括：在字体册中禁用系统字体、手动移除非核心字体、清除重复或损坏字体、通过终端重置字体服务并重建索引，以及使用智能集合批量管理。这些操作可释放空间且不影响系统稳定性。
Flutter在macOS上开发时，构建缓存积累会导致构建变慢、占用磁盘空间或引发编译错误。清理方法包括：使用flutterclean命令；手动删除build和 dart_tool目录；清理系统临时目录中的flutter_tools缓存；使用脚本递归删除build文件夹；以及清除Xcode的DerivedData目录以释放iOS构建相关空间。
在Mac上合并多个视频片段，无需依赖复杂的专业剪辑软件，通过系统自带工具或轻量级方案即可快速实现无缝拼接。无论是追求无损画质、离线操作，还是临时应急处理，以下五种方法都能高效满足你的需求，操作简单易上手。 一、使用QuickTime Player拖放拼接 最便捷的方式是利用macOS预装的Quick
Figma桌面版卸载重装后插件异常，源于插件缓存、数据库及沙盒环境残留。需依次清理Plugins缓存目录、重置PluginData db与plist配置文件、删除沙盒内插件运行环境，并执行--reset-plugins命令强制刷新注册表，以彻底解决插件加载失败与界面错乱问题。
苹果iPadPro4升级至iOS17 1后，续航能力最高可提升14%。升级需借助“iOS修复大师”工具，步骤包括下载软件、备份数据、连接设备进入DFU模式、下载固件并完成刷机。整个过程需保持连接稳定，升级后可体验系统优化。
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个