苹果史上第二大收购案：这一次，瞄准的不是手机
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 👈
爱范儿关注「明日产品」，硬哲学栏目试图剥离技术和参数的外衣，探求产品设计中人性的本源。
每每聊到苹果，我们总会在潜意识里把它描绘成一家纯粹的产品公司。
而现实世界里，如今的苹果远远不止一家产品公司，同时也是一个眼光独到的投资公司——不是投资金融产品，而是投资未来技术。
▲ 图｜TheVerge
就在昨夜，苹果曝出斥巨资收购了一家来自以色列的人机交互技术公司「Q.ai」，后者的主要研发方向为读取面部动作和理解无声交流的相关技术。
尽管目前双方没有公布收购的具体细节，但 Q.ai 此前已经收到了包括凯鹏华盈（Kleiner Perkins）、谷歌风投（GV）、星火资本（Spark Captial）、EXOR 集团等风投巨鳄的支持，外界预估本次收购的金额在 16-20 亿美元左右。
如果估值无误，这将是苹果历史上第二大的收购案例，仅次于 2014 年 30 亿美元收购 Beats，同时也可能是苹果最大的 AI 领域单笔投资。
但是这家 Q.ai 公司究竟何许人也？一个正式上没有任何技术细节的科研公司，苹果为什么愿意花这么多钱去收购它呢？
新面孔，但是老朋友
尽管 Q.ai 的名字里带个 AI，却不是我们常规意义上的「AI 公司」，像 OpenAI 或者 xAI 那样提供模型服务。
Q.ai 的主要技术是基于机器学习算法，分析人们说话时面部肌肉和微表情，来理解无声交流，并将这些信息转化成具体的输入或控制指令。
换句话说，Q.ai 的「产品」实际上是基于 ML 的新型人机交互技术——从路线上讲属于 AI，但并不是时下大火的生成式 AI 领域。
而说到 Q.ai，同时也不得不提到它的主要创始人：Aviad Maizels。
▲ 图｜CTech
你不一定认识这个以色列人，但你大概率用过他的产品。
2005 年，Aviad Maizels 联手几位技术同僚创立了 PrimeSense 公司，主攻 3D 感知与空间交互技术，基于静态结构光原理，开发出了名为「光编码」（Light Coding）的动态结构光技术。
第二年的圣何塞游戏 开发者大会（GDC）上，PrimeSense 展示了它们 3D 感测系统的雏形，被寻求游戏主机突破口的微软一眼相中。
合作的最终产物，就是 Xbox 360 的 Kinect 体感遥控套件，上市两个月售出了 800 万台，几乎反超 Wii 成为了「体感游戏」的代名词：
▲ 图｜CNET
但两家的合作只持续了不长时间。2013 年的 Xbox One 上，微软就放弃了 PrimeSence 的动态结构光方案，将第二代 Kinect 改成了自研的 3D ToF 路线。
这反而给了苹果出手的机会。
同年，苹果确认以约 3.5 亿美元的价格收购 PrimeSense，这在当时是苹果最大的技术性收购之一，仅次于收购指纹技术公司 AuthenTec 和芯片制造商 PA Semi。
而后面的产品自不用说，PrimeSence 的动态结构光技术最终成为了苹果原深感相机（TrueDepth Camera）和 ARKit 的基石，也就是我们现在使用的 Face ID 的根源。
▲ 图｜Apple
而苹果这一次想要从 Aviad Maizels 那里得到的，同样是一套革命性的人机交互方式。
前面提到，Q.ai 的核心技术在于识别用户在无声状态下发出的精准指令。
这和现在 Vision Pro 使用的视觉手势识别交互有着根本性的区别，很容易让我们联想到另一个东西——唇语。
换句话说，在苹果的设想里，未来的穿戴式设备即使听不到语音指令，也可以根据面部动作来接受操作指令或者内容输入——
▲ 图｜OneEarPod
至于苹果为什么要在这个节点投资这项技术，我们可以做一个大胆的推想：
苹果需要为 2027 年产品路线图上的智能眼镜找到一个更合理的交互方式。
毕竟在使用智能眼镜的时候，你肯定不希望满大街的人都听到你对 AI 眼镜说的话或者命令——那画面太诡异了，也不符合苹果一 贯优雅、智能的交互方式。
而 Q.ai 的路径可以完美解决这个问题，让你在下达指令的同时不需要发出声音，只需要做个口型。隐私且优雅，也符合我们对超级 AI 眼镜的想象：
▲ 图｜Marvel Cinematic Universe Wiki
另一种更加大胆的猜测，则是苹果可能会在 Q.ai 识别原理的基础上，开发传说中的屏下 Face ID 技术。
通过将原理改成高精度的肌肉识别，以及瞬时肌肉运动，可以让 Face ID 实现与结构光近似的安全性，并且进一步减少零件，达到屏下隐藏的效果。
▲ 图｜9to5Mac
二次收购，可能早有预谋
虽然 Aviad Maizels 在 2013 年 PrimeSence 被苹果收购之后留在苹果任职，但并没有停下他的脚步。
除了继续研究人机交互技术之外，Aviad Maizels 在 2016 年还和创立 PrimeSence 的两个同事联合成立了 Bionaut Labs 公司，旨在研究能够跨越血脑屏障的精密医疗机器人。
▲ Bionaut Labs 展示他们的微型手术机器人｜Daily Sabah
而在 2024 年，已经成为苹果硬件与技术部门高级总监的 Aviad Maizels 宣布离职，成立了前面提到的 Q.ai 公司，继续研究机器学习和人机交互。
当然，后面的故事我们都知道了——保持低调的 Q.ai 一直研究到 2026 年，被苹果收购，Aviad Maizels 再次回到了苹果。
▲ 在魏茨曼科学研究所（Weizmann Institute of Science）学习时的 Aviad Maizels｜WeizmannCompass
但如果连起来看，Aviad Maizels 这一波「离职创业」到「二次收购」的历程，其实可能是精心策划过的——
这倒不是什么阴谋论，而是常见的商业举动。
2024 年的苹果正处在「大的要来了」的节点上，同时给未来的 Apple Intelligence 和 Vision Pro 做准备，内部研究方向和组织架构处在持续的变动中。
在混乱背景下，把不那么紧急的技术路线从总公司里分离出去，让研发不受管理决策的影响，同时作为一个外部的「战略储备」，这就是典型的业务分拆（corporate spin-off）战略。
▲ 图｜MacRumors
类似的事情在苹果历史上亦有记载，就是 Mac 与 NeXT 的故事——
虽然乔布斯当年被排挤出公司并非自愿，但乔布斯本人和 NeXT 刚好躲过了时任苹果 CEO 吉尔·阿梅里奥的混乱期。
而 NeXT 坚持的 Unix 路线最终借着 1996 年的收购成功夺舍 Mac 系统，成为了后来 macOS 与 iOS 的基础。
这么来看，Aviad Maizels 与他领导的「无声通信」、「微表情识别」技术栈，可能就是苹果前两年分拆的技术储备。
为什么苹果需要新交互
总之，Q.ai 无论是 Aviad Maizels 自己的创业举动，还是苹果为了保证研究不受影响而进行的「分兵」，都已经不重要了。
现在更值得关注的，是 Q.ai 的技术回到苹果之后，会产生什么样的影响。
苹果刚刚公布了一份堪称成立以来最强劲的财报，整个 2026 财年收入 1437.56 亿美元，毛利率达到了惊人的 48%，净利润 420.97 亿美元：
▲ 图｜App Economy Insights
然而即使在如此强劲的刺激下，苹果的股价却反应平平，当日收盘涨幅仅为 0.72%，基本与正常波动无异。
这种业绩不错但股价平淡的现象，不仅仅是苹果缺少了现在股市急需的 AI 叙事，同时也是因为苹果的财报结构有一了些失衡的迹象：
1438 亿美元的收入中，iPhone 贡献了 852.7 亿美元，总收入占比接近 60%，相比去年增长了 23%。
尽管数字很强势，市场的眼光却正在看向更远的地方。原因很简单：在经历过 2025 下半年近乎疯狂的闪存涨价之后，市场意识到了智能手机业务的脆弱。
换句话说，iPhone 作为长久以来拉动苹果收入的主要马车，现在有点「独木难支」了。
▲ 图｜Tom's Guide
在这种背景下，苹果急需新形态的产品来实现破局。
而苹果看好的技术路线无疑就是 Vision Pro 与近似的智能眼镜类穿戴产品，想要做好智能眼镜，最大的阻碍就是交互方式。
如果基于 Q.ai 的技术理念，新的 Vision Pro 或者苹果眼镜可以在完全无声的情况下实现表情交互和输入的话——
它对于可穿戴设备的意义将不亚于当年 iPhone 上面的电容屏。
▲ 图｜CNET
无论苹果收购 Q.ai 打的什么算盘，这大概率都是个长线投资。
换句话说，苹果的长远战略与重视人机交互的逻辑没有改变，我们不一定马上就能看到和收购 Q.ai 直接关联的新产品或者功能。
今年苹果最需要做的，还是赶紧把成品 Apple Intelligence 端上来。
相关攻略
5月11日世界密码日之际，微软在其官方博客发布了一项重要声明，预示着依赖传统密码进行身份验证的时代可能即将落幕。这家科技巨头明确指出，面对日益复杂的网络威胁环境，特别是由人工智能驱动的钓鱼攻击和凭证泄露事件层出不穷，传统密码已成为当前在线安全体系中最薄弱的环节。 为此，微软正全力推动用户转向更为安全
微软Xbox新任CEO公布全方位改革方案，旨在重塑品牌、升级硬件并优化服务。改革包括加快主机更新频率、统一品牌标识、重新评估独占策略，并计划推出兼容主机与PC的次世代主机。同时，公司调整人事架构，精简AI功能，并推出多项提升玩家体验的细节功能，聚焦于硬件与生态优化。
Windows11测试版引入的“低延迟配置文件”功能引发争议，该功能通过临时提升CPU频率来加速高优先级任务响应。微软副总裁ScottHanselman回应称，此举并非“作弊式优化”，而是macOS、Linux等所有现代操作系统普遍采用的技术手段，目的是降低交互延迟。他指出，用户感知到的系统流畅
关于Vera Rubin平台设计变更的传闻，近日有了明确进展。据业内人士透露，英伟达已与ODM合作伙伴敲定了最终的量产方案，此前讨论的设计问题已在发货前悉数解决。这意味着，新一代AI平台的发布计划正严格按既定时间表稳步推进。 根据这份时间表，Vera Rubin平台将于今年6月进入试生产阶段。而从7
微软正秘密开发代号“绿叶计划”的智能省电方案，专为Windows11掌机设计。该项目并非硬件更新，而是通过XboxGDK为游戏开发者提供“PowerOptimized”等功耗优化标签，实现场景化节能。系统能智能识别菜单、大厅等低负载场景，自动调节分辨率与帧率以延长续航。未来支持该功能的游戏或将
热门专题
热门推荐
当RPA机器人面临复杂决策场景时，企业通常可以采取以下几种经过验证的有效策略来应对，确保自动化流程的顺畅与准确。 借助人工智能技术 一种广泛应用的解决方案是将RPA与人工智能技术深度融合，特别是机器学习与自然语言处理。通过集成AI的预测分析与模式识别能力，RPA能够处理非结构化数据并应对模糊的业务情
当智能制造与人工智能技术深度融合，这不仅是两种前沿科技的简单叠加，更是一场旨在重塑全球制造业竞争格局的系统性变革。其核心目标在于，通过深度嵌入人工智能等前沿技术，全面提升制造业的智能化水平、生产效率与国际竞争力。那么，如何有效推进这场深度融合？以下六大关键策略构成了清晰的行动路线图。 1 加强关键
对于已经部署了RPA的企业而言，项目上线远不是终点。要让自动化投资持续产生价值，对机器人性能进行持续优化是关键。这就像保养一台精密的机器，定期维护和调校，才能确保其长期高效、稳定地运行。 那么，具体可以从哪些方面着手呢？以下是一些经过验证的优化方向。 一、并行处理与任务分解 首先，看看任务执行本身。
面对海量数据源的高效抓取需求，分布式数据采集架构已成为业界公认的核心解决方案。该架构通过精巧的设计，协调多个采集节点并行工作，并将数据汇聚至中央处理单元，最终实现数据的集中分析与深度洞察。这套系统看似复杂，但其核心原理可拆解为几个关键组件的协同运作。 一、系统核心组成 一套典型的分布式数据采集系统，
Gate io平台活动页面多样，新手易混淆注册奖励、邀请与正常开户页。本文梳理三者核心区别：注册奖励页通常含专属链接与限时福利；邀请页强调社交分享与返利机制；正常开户页则提供基础功能与安全验证。清晰辨识有助于用户高效参与活动，避免错过权益或操作失误，提升在Web3领域的入门体验。