苹果回应套壳质疑：AFM 是蒸馏 Gemini，但不是 Gemini

WWDC 主题演讲结束才几个小时，苹果几位 AI 高管就被记者堵在了 Apple Park 的休息区。问题只有一个：你们昨天发布的 Apple Foundation Models（下简称 AFM），到底是不是 Gemini 套了个壳？

这场临时的群访发生在 6 月 8 日深夜——也就是 Cupertino 时间的 WWDC26 当天。Appleinsider 在 6 月 9 日把高管的原话整理成稿，苹果给出的答案毫无意外：不是。但有意思的是，他们承认了之前外界讨论最多的那部分细节——AFM 的训练确实用了 Google Gemini 做蒸馏（distillation）。

这就让事情变得微妙。一个用 Gemini 蒸出来的模型，凭什么说自己不是套壳？

关于「套壳」这件事，苹果第一次说清楚了

时间倒回去年。彭博社、The Information 先后爆料，苹果在自研路线推进缓慢之后，准备掏 15 亿美元一年向 Google 租用一个定制版 Gemini，用来支撑 2026 年那个被反复跳票的「新 Siri」。当时所有人都默认：苹果的 AI 牌面要由 Mountain View 来托底了。

这次 WWDC 的演示效果并不差。新 Siri 终于能跨 App 完成多步任务，能基于屏幕上下文做操作，图像生成的速度也比 Image Playground 那一代快了一截。但「套壳」的传闻没有因为效果好就消散，反而因为效果好被强化了——大家都默认这是 Gemini 在干活。

苹果这次给出的解释，逻辑上其实挺清楚的：Gemini 是教师，AFM 是学生。蒸馏只是训练阶段借用了 Gemini 的输出分布来对齐学生模型，但最终交付给用户的模型，无论是参数、推理代码、还是 serving 基础设施，都跟 Gemini 没关系。用苹果高管的原话说，「用户调用 AFM 时，不会接触谷歌代码，不会接触 Gemini 智能体，更不会直接触达 Google Search」。

这个说法在技术上是站得住的。蒸馏出来的模型架构由学生方决定，参数也是学生方训练的，跟教师模型完全是两套权重。业内类似的做法早就有——比如 DeepSeek-R1 之后，一堆开源小模型用 R1 的轨迹做蒸馏，但没人会说那些小模型是 R1 的套壳。

但「不是套壳」也不等于「完全独立」。一旦 Google 那边收紧 Gemini 的访问权限或者大幅涨价，苹果下一代模型的训练成本立刻起飞——这层依赖关系是结构性的，至少在短期内绕不开。

AFM 家族的 5 个模型，第一次完整露面

这次 WWDC 之前，外界对苹果模型矩阵的理解一直停留在「一个端侧 + 一个云端」的二元结构上，那是 2024 年苹果 Machine Learning Research 博客里披露的版本。今年苹果把家族扩到了 5 个：

• AFM Core：端侧基础模型，负责本地最常见的语言任务，比如系统通知摘要、邮件改写、Spotlight 语义检索这些场景。3B 量级，2-bit 量化后塞进 A 系列和 M 系列的 NPU 里。
• AFM Core Advanced：仍然是端侧，但加入了原生多模态能力，并且采用稀疏架构（应该是某种端侧版 MoE）。承载相对复杂的本地任务，比如视频帧理解、跨 App 的视觉上下文 Reasoning。
• AFM Cloud：通用云端模型，处理本地难以承载的高负载请求。延续了苹果 2025 年那篇论文里的 Parallel-Track MoE 架构思路。
• AFM Cloud Image：专门做图像生成和编辑。Image Playground 和 Genmoji 后续基本由它接管。
• AFM Cloud Pro：面向 Agent 工具调用和重型任务的旗舰版本，也是这次最值得说的一个。

关键是 AFM Cloud Pro 的基础设施细节。苹果承认这个最大的模型不再跑在自家 Apple Silicon 服务器上，而是用 Google Cloud 的服务器 + NVIDIA 的 GPU。但苹果同时强调，这套部署仍然通过了 Private Cloud Compute（PCC）的认证流程。

这是这次发布里信息量最大的一处。要知道 PCC 当年是苹果拿来当 AI 隐私旗帜的核心叙事——所有云端 AI 推理必须跑在苹果定制的 Apple Silicon 服务器上，硬件可远程证明、软件镜像可审计、不留任何用户数据。现在苹果承认，到了 Pro 级别的负载，自家芯片扛不住了，得借 Google 的机房和老黄的 H100/B200。但苹果同时坚持，PCC 的安全模型仍然成立。

怎么成立的？苹果没说细节，但合理的推测是：PCC 的核心机制是「远程可验证的飞地（attestable enclave）」+「无状态计算 + 端到端加密」，理论上只要 attestation 链能延伸到 NVIDIA Confidential Computing 或者 GCP 的 Confidential VM，再叠加苹果的镜像签名，就可以保留同样的安全声明。但这本质上是把信任根从「苹果硬件」扩展成了「苹果硬件 + Google 数据中心物理安全 + NVIDIA 固件」，信任面是变大了的。

端侧模型的看点：稀疏架构 + Apple Silicon 定制

相比云端的妥协，端侧这一侧苹果反而更舍得下功夫。

AFM Core Advanced 是这次端侧的重头戏。「稀疏架构」这个词苹果说得很轻，但实际意义不小——这意味着端侧也开始用某种形式的 MoE 或条件计算。在 16GB 内存的 iPhone 17 Pro 上跑 MoE，工程上是一个相当挑战的事，因为 MoE 的传统问题就是显存占用高、专家路由开销大。苹果能塞进去，多半是用了类似 MoE-only-in-FFN + 共享 attention 的结构，配合自家 ANE 的稀疏调度指令做了硬件协同。

苹果机器学习团队 2025 年那篇 update 里就提过一个细节：端侧模型用了 KV-cache sharing + 2-bit QAT（量化感知训练）。2-bit 在端侧 LLM 里已经是激进选择，传统做法都是 4-bit 起步。苹果敢上 2-bit，前提是有 ANE 的硬件支持和大量定制 kernel 兜底——这是 Google、Microsoft 在 Pixel、Surface 上很难复刻的护城河。

AFM Core 和 Advanced 的分工也很有意思。Core 跑高频低延迟任务，Advanced 在用户主动触发复杂请求时才唤起。这意味着 iOS 27 里很可能存在一个动态调度层，根据任务复杂度在两个端侧模型之间路由，必要时再 fallback 到 AFM Cloud。这套三级调度跟 Gemini Nano/Flash/Pro 的路由逻辑挺像，但苹果可以做得更激进，因为它对 OS、硬件、电源管理有完全控制权。

给开发者的实际影响

对第三方开发者来说，AFM 体系最重要的入口仍然是去年 WWDC25 上推出的 Foundation Models 框架。这个框架今年应该会同步升级，新增对 Cloud 模型的访问能力，以及更完善的 tool calling 支持。

从 WWDC25 已经公开的接口看，开发者调用本地模型的方式大致是这样的：

import FoundationModels

@Generable
struct Itinerary {
    @Guide(description: "目的地城市")
    let city: String
    let days: [DayPlan]
}

let session = LanguageModelSession()
let response = try await session.respond(
    to: "为我规划一次约书亚树国家公园 3 天行程",
    generating: Itinerary.self
)

苹果押注的方向很明确：结构化生成 + 工具调用 + 本地隐私。@Generable 宏直接把 Swift struct 当成输出 schema，模型负责填空；Tool 协议让模型调用外部数据源。这套东西的设计哲学跟 OpenAI 的 Structured Outputs、Anthropic 的 Tool Use 是同一拨思路，只是苹果借助 Swift 的类型系统和宏，做得更原生。

AFM Cloud Pro 是否会向第三方开发者开放，目前苹果没明确说。从过往策略看，第三方很可能只能用端侧模型，Cloud 系列继续保留给系统 App 和 Apple Intelligence 自身。这跟苹果一贯「先保自己用爽再说」的节奏是一致的。

这件事说明了什么

苹果这次的姿态值得玩味。一年前 Tim Cook 和 Craig Federighi 在 WWDC24 上说 Apple Intelligence 时还信誓旦旦「全部跑在 Apple Silicon 上」，一年后悄悄给最重的模型上了 Google Cloud + NVIDIA。这是承认了一个事实：在 frontier model 的训练和推理上，苹果短期内追不上头部玩家。

但苹果选择的应对方式也很苹果——把别人的能力吸收成自己的模型，再用自己的产品体验和隐私故事把它包起来。蒸馏 Gemini、租 Google Cloud、用 NVIDIA GPU，这些都是手段；交付到用户面前的，依然是带苹果商标的 AFM、带苹果框架的 SDK、带苹果 PCC 标签的隐私承诺。

这种「能力外购，体验自营」的策略，跟微软在 Copilot 上跟 OpenAI 的关系有点像，但又不完全一样。微软是直接把 GPT-4 包成产品卖；苹果是把别人模型的知识蒸进自家小模型，再大规模分发到 20 亿台设备上。前者是租赁，后者更像是「合法的技术转移」。

至于「套壳」这个词到底贴不贴切，技术上苹果赢了——蒸馏出来的模型确实不是套壳。但产品叙事上苹果输了一半——它的最强模型仍然跑在 Google 的机器上，最强能力的源头仍然指向 Gemini。

值得一提的是，对国内开发者而言，AFM 的能力短期内只能通过苹果设备本身体验到。如果想在自己的产品里横向对比 Gemini、Claude、GPT 等多家闭源模型的实际效果，OpenAI Hub 这类聚合平台仍然是更现实的方案，一个 Key 同时调通主流模型，省去逐家申请、海外支付、网络绕路的麻烦。

WWDC 接下来几天还有十几场 session 会深入讲 AFM 的训练数据、安全对齐和框架细节。等那些细节出来，我们再回头看苹果今天这套澄清是不是经得起推敲。

参考来源

• IT之家：苹果回应「套壳 Gemini」猜测：iOS 27 版 Siri AI AFM 自研打造 — Appleinsider 报道 WWDC 主题演讲后苹果高管群访的中文整理稿，包含 5 个 AFM 模型的完整命名和分工说明。