Apple 的 Gemini 血統，還是 Apple 的 AI

Apple Intelligence 的底層模型起點來自 Gemini，但 Apple 用自己的資料、權重與安全規則重做，現在已經不是單純套殼。

這次 WWDC26 的 AI 內容，講白了就是一團很現實的基礎建設。部分在裝置上跑，部分在雲端跑，還有一個模型掛在 Google Cloud 上。Apple 不是在賣單一大模型，而是在賣一套分層系統。

最有意思的地方，是 Apple 一邊承認模型起點跟 Google 有關，一邊又強調它已經重做過。這種說法很 Apple。聽起來很繞，但也很符合它一貫的路線：控制整個堆疊，能自己來就自己來。

Apple 的 AI 架構，本來就不是單一路線

Apple 這套做法，不是把所有工作都丟給一個巨型 LLM。它把任務拆開，能在手機上做的就留在本機，重一點的再送去雲端。這樣做的好處很直接，延遲低，也比較好守住隱私。

問題也很直接。只要有一個環節依賴外部雲端，整個故事就不會那麼乾淨。尤其當那個雲端還是 Macworld 點名的 Google 伺服器時，外界當然會想問：這到底算不算 Apple 自己的 AI？

目前公開資訊顯示，第三代 Apple Foundation Models 一共 5 個。Apple Intelligence 的本機模型有 AFM 3 Core 和 AFM 3 Core Advanced。雲端模型則有 AFM 3 Cloud、ADM 3 Cloud、AFM 3 Cloud Pro。

• AFM 3 Core：處理 Siri 改進。
• AFM 3 Core Advanced：加強語音表現與聽寫。
• AFM 3 Cloud：負責一般伺服端推理。
• ADM 3 Cloud：負責影像生成與編修。
• AFM 3 Cloud Pro：跑在 Google Cloud 上。

這種切法很務實。Apple 沒有假裝 iPhone 是資料中心。它直接承認，重任務就該交給雲端。這比硬拗一個模型包辦全部，誠實多了。

Apple 說它重做了模型，不是貼牌

真正的爭議點，不是模型來源，而是模型最後長成什麼樣。Macworld 的 Jason Cross 指出，Apple 是先從 Gemini 的基礎模型出發，再針對 Apple Silicon、模型尺寸和產品需求重建。

他還提到，Apple 重新訓練時用了自己的資料、權重和 guardrails。這句話很重要。因為在 AI 世界裡，起點很少是終點。模型經過重訓、微調、對齊之後，行為可以差很多。

換句話說，這不是「Google 的 AI 穿上 Apple 外套」那麼簡單。比較像是 Apple 拿到一個可用的骨架，然後自己重新長肉、上色、加安全帶。最後長出來的東西，可能跟原版差很多。

“It seems like Apple started with Gemini’s foundation models, optimized and rebuilt them for Apple Silicon and the model sizes it needs, and retrained them with its own data, weights, and guardrails.” — Jason Cross, Macworld

這段引述很直白。也很符合目前 AI 產業的現實。很多公司都不是從零開始。差別在於，你是直接拿來用，還是把它拆開重做。

Apple 明顯想把自己放在後者。它要的是主控權，不是名義上的純血。這也是為什麼它會一直強調裝置端優先、雲端補強，因為那才像它熟悉的產品哲學。

數字一攤開，這套系統就沒那麼神秘

如果只看行銷文案，你會以為 Apple Intelligence 是一個完整封閉的 AI 世界。可是一看數字，事情就沒那麼浪漫了。它其實是一套混合架構，而且混得很明白。

5 個模型裡，有 2 個跑在本機，3 個跑在雲端。這表示 Apple 不是把所有 AI 工作都壓在單一模型上，而是把不同任務分給不同層。這種設計對效能和成本都比較友善。

但代價也有。只要有 1 個模型在 Google Cloud 上，外界就會繼續追問供應鏈和控制權。尤其在 AI 這種敏感領域，大家對「資料到底去了哪裡」特別在意。

• 5：第三代 Apple Foundation Models 總數。
• 2：本機模型數量。
• 3：雲端模型數量。
• 1：跑在 Google Cloud 的模型數量。
• 2026：WWDC26 公開這套架構的年份。

這些數字也說明一件事。Apple 不是在追求單一大一統模型，而是在做模組化。對開發者來說，這通常代表更清楚的邊界，也代表更複雜的整合方式。

說真的，這種設計比較像 Apple 一貫的工程風格。它不愛把所有東西混成一鍋。它愛分層，愛控制，愛把每一段流程都塞進自己的規格裡。

跟 OpenAI、Google、Anthropic 比，Apple 走的是另一條路

OpenAI、Anthropic、Google DeepMind 這些玩家，很多都在拚單一模型能力。誰的 benchmark 高，誰的 API 好用，誰就能搶到更多開發者。

Apple 不太玩這套。它比較像是在做產品系統，而不是只做模型。對它來說，重點不是你問了多少 Token，也不是模型參數有多大，而是回應夠不夠快，資料有沒有留在裝置上。

這也解釋了為什麼 Apple 會接受某種程度的外部依賴。只要最終體驗夠穩，Apple 就不太在乎外界怎麼看它的模型血統。它在意的是，使用者感受起來是不是像 Apple 的東西。

• OpenAI 強在通用對話與 API 生態。
• Google DeepMind 強在基礎研究與雲端整合。
• Anthropic 強在安全與企業採用。
• Apple 強在裝置整合與端側體驗。

這種差異很重要。因為 AI 產業已經不是只比模型分數。現在比的是整套交付能力。誰能把模型塞進產品，還不把體驗搞爛，誰就比較有機會。

我覺得 Apple 這步很實際。它沒有硬拚「我自己從零訓練一切」。它選的是更像工程團隊的答案：能借就借，但最後一定要變成自己的。

Apple 的老問題，還是信任

對一般使用者來說，這件事最後只會變成一個問題：你信不信 Apple。你信它能把資料管好，信它能把模型改到像自己的東西，信它不會把雲端依賴包裝成純本機。

這也是 Apple 一直以來最擅長的敘事。它不是說自己什麼都最強，而是說自己比較能把風險關在門內。這套話術在隱私時代特別有用，因為大家真的很怕資料亂飛。

但 AI 不像手機晶片。晶片是你看得到的硬體，AI 是一堆看不見的流程。模型怎麼訓練、資料怎麼過濾、guardrails 怎麼設，外界很難驗證。這就讓「Apple 說它重做了」變成一種信任題，而不是純技術題。

產業脈絡也很清楚。現在幾乎每家大公司都在找混合解法。全本機太重，全雲端又太吃成本。Apple 只是把這件事做得更像產品，而不是像研究報告。

接下來比較值得看的是，Apple 會不會把這套架構繼續往更多裝置延伸。iPhone、iPad、Mac 之間如果能共享同一套分層邏輯，那它的 AI 故事就會更完整。反過來說，只要體驗還是碎的，外界就會一直盯著那個 Google Cloud 的影子。

Apple 最後要證明的，不是血統，是體驗

這件事的結論其實很簡單。Apple 的 AI 起點可能來自 Gemini，但它現在想賣的是自己的版本。那個版本有自己的資料、自己的權重、自己的 guardrails，也有自己的裝置端與雲端分工。

所以真正該問的，不是它是不是「Google 的 AI」。真正該問的是，這套混合架構能不能穩定跑在 Apple 的產品上，還能不能讓使用者感覺不到後端有多複雜。

如果 Apple 做得到，大家很快就不會再糾結血統。因為在 AI 產品世界裡，最後留下來的通常不是最會講故事的那家，而是最能把體驗做順的那家。