就在刚刚，Siri借谷歌的1.2万亿参数Gemini「重生」了！
在今夜的苹果WWDC 2026上，Siri彻底迎来新生。结合设备端小模型，苹果打造了混合智能架构，让Siri在各个APP之间无缝穿梭。从此，全球25亿台苹果设备，将被注入真正的上下文理解能力。而且，这也是库克最后一次对我们说「早安」。
据说，在退役前库克深度介入，疯狂打磨Siri的各种细节。今天，库克交卷了。令人惊喜的是，苹果把Siri AI部署到了整个生态中，根据每个平台进行了定制。iPhone、Mac、iPad、Apple Watch和Vision Pro中，都可以使用Siri AI了。
这一次，苹果凭借卖向全球的25亿设备，凭借自己对消费者意图的了解，走出了一条世界上绝无仅有的路。可以说，从今天开始，苹果终于成为一家真正的AI公司！
苹果AI全新架构与谷歌深度合作
此前，苹果就被曝出干了一件震动硅谷的大事——秘密联手宿敌谷歌，直接引入了Gemini和强大的云端算力支撑。今天的WWDC上，它的神秘面纱彻底被揭开。
首先，苹果为Apple Intelligence打造了全新架构。它的核心是苹果基础模型，由端侧模型、私有云计算、系统调度器等共同组成。
这次，苹果跟谷歌展开深度合作，充分利用Gemini模型背后的技术，打造了全新一代的Apple Intelligence基础模型。针对高频、低延迟、日常隐私敏感的任务，端侧模型能够直接在设备上直接运行，快速给出响应。而针对复杂的推理和大规模任务，系统则会转向私有云计算，确保算力充足。
并且，为了充分发挥苹果芯片的潜能，苹果还在端侧设备上更进一步，设计了两种端侧模型。标准端侧模型满足绝大多数日常基础智能任务；高级端侧模型（第二代高效端侧模型）专为配备高性能苹果芯片的系统而优化。其中，高级端侧模型不仅能够高效理解文本与图像，语音理解和生成也很强大。它实现了极高准确度的系统解听写，更强的自然语言理解能力，甚至人声也能传递更细腻的情感。
此外，新架构中还引入了系统调度器，成为整个系统的指挥官。它的工作流，有以下三个核心：
- Spotlight语义索引：全新的语义索引，能真正理解内容背后的含义。多年前的照片，前几天随手的笔记，都能通过语义关联快速检索。
- 应用动作箱：调度器可以「工具箱」中抽取合适工具，来完成复杂的请求，比如读取特定邮件、编辑一组照片，用户无需在不同应用之间手动切换。
- 屏幕感知：实时感知当前屏幕上正在显示什么、用户在做什么，在恰当的时刻提供帮助。
Siri AI：重构语音助理与跨平台交互
今天，Siri AI上线了！基于强大的 Apple Intelligence 底层，苹果把Siri AI全新升级了。
这一次，Siri AI彻底摆脱了「人工智障」的称号，它能理解情境，深层交互，还能自主行动，真正成为了你的AI助理！而且，它还能跨平台应用。
场景一：查询音乐会并自动创建提醒。以前，要去听某个歌手的演唱会，我们要分别打开浏览器搜索日程、打开买票应用、手动记下日程。现在，你可以直接和Siri AI对话，它会用世界知识来回答。比如，旧金山那场Suki Waterhouse的演出是什么时候？怎么买票？
你可以命令它：抢票开始时提醒我报名。甚至，只要你下指令，它还能播放这位歌手的新单曲。整个过程中，Siri AI的对话极度自然，毫不割裂。
场景二：屏幕感知与信息检索。接下来，是Siri对屏幕内容的感知。比如，你想问一位朋友的新地址。你可以给Siri相册中的海岸照片，问它这是哪里？Siri展现出强大的能力，识别出了照片的地标！「这里是美丽的圣克鲁斯海岸，具体位置是 Natural Bridges State Beach。」
你告诉它，我朋友最近搬到这附近了，Jeff的新家在哪儿？要知道，Jeff只发了一条信息，但Siri在后台通过语义抖音，快速找到了这条信息，找到了地址。接下来你可以命令Siri，「帮我导航到海岸边的这个拱门地标，中途在Jeff家停一下。」它调用了地图，一键生成了路线。多个复杂的跨应用操作，Siri一气呵成。
场景三：零手操照片分类。假设你刚从度假地回来，相册里积累了上百张照片，想要找出特定的照片分享给家人，直接找Siri就可以了。「帮我找出上周末在沙斯塔山拍的照片」，Siri会瞬时检索相册，展示出符合时间与地理位置的大量图片。再下命令，「只把里面有 Bryce、Madison 和 Quinn 的照片挑选出来，加到我们共享的家庭相册里」。
这时，Siri会自动人脸识别，找到照片，直接后台推送到共享相册。这个过程中，完全不用打开相册。
听觉体验与生产力场景的全面进化
这次Siri AI的升级不仅在大脑上，也在声音和耳朵上。因为端侧语言和语音模型的融合，新版Siri的发音情绪起伏极为丰富，非常像真人。你还可以微调它的发音风格、语调、语速，独家定制自己喜欢的声音。它的听写能力也大幅提升，无论是在嘈杂地铁上给朋友发短信，还是用日记长篇口述，它都能实现高精度的拼写、标点符号及大小写判定，几乎不用二次修改。
iOS端的Siri AI，具备极强的多轮对话和情境整合能力。比如可以问它：世界杯开幕的赛程是什么样的？它会给出赛程列表。用户看到巴西对摩洛哥的比赛，决定举办一次观赛派对，让Siri介绍两国的特色菜肴。Siri结合世界知识，给出了经典菜品，还附带了食物照片。用户问：我女儿想贡献个倡议，她最近提到的甜点是什么？Siri在后台搜索了手机短信和聊天记录，找到了答案——椰子饼干。最终，Siri把这些元素整合到一起，自动整理好一切信息，拟好派对邀请，用户只要点击发送，就能通知到所有好友了。
在 Mac 平台上，通过将 Siri AI 内置在 Spotlight 搜索中，让我们的日常效率大大提升。现在，我们想为学校或社区建立一个创客空间。首先，可以在Spotlight 中直接输入：「如何在棚屋里建造创客空间」？搜索框会自动识别，转为 Siri 交互，在侧边对话框给出方案。我们有三份不同厂商的报价单，可以直接让Siri来对比。它立刻生成对比表格，清晰列出各方面优劣。儿子提过学校原先的方案有电路故障，问Siri：「Luke 提到过一个电学问题，哪一个能解决？」（就算拼错单词，它都能自动容错）。Siri AI 随即在后台搜索邮件和短信，找到儿子发过的故障描述，给出明确的选购建议。最后，它给厂商写好了邮件，自动抓取了厂商联系人名字和具体选购理由。
而且，Siri在整个产品中都是通用的。你可以把它在iPhone上打开，在iPad上继续中断的工作，在Mac上还继续可用。更是神奇的是，在Vision Pro上，你不需要说嘿siri，只要看着Siri，就可以开始说话。
视觉智能：实时理解物理世界
多模态的终极奥义，是让AI实时理解外部物理世界，和屏幕上的画面。Siri AI这一次带来的视觉智能，将这一愿景落地了！首先，在iPhone上，视觉智能被整合进原生相机APP中，成为全新的「Siri Mode」。在iPhone相机里，按下快门就能让它「看你所看」——对着一盘菜能给营养分析，对着账单能帮你AA分账。Mac、iPad上，Siri也都能用快捷键或截图唤起。比如，在iPad上，想要查看日程安排，打开可视化界面，一次性将多个事件添加到日历。
来源：36氪热榜｜原文链接