Google 和 Samsung 发布 Apple 做不到的 AI 功能

Apple Intelligence 的困境：承诺与现实的落差

2024 年的 WWDC 上，Apple 以一贯的自信姿态向全球发布了 Apple Intelligence——一套深度整合于 iOS 18、iPadOS 18 和 macOS Sequoia 的 AI 能力体系。Cook 和团队描绘了一幅动人的图景：写作润色、图像生成、优先级收件箱、更聪明的 Siri……然而，到了 2026 年初，现实却给出了另一番答案。

Apple Intelligence 的核心功能——尤其是进阶版 Siri（能理解上下文、跨 App 操作）——迟迟未能兑现。部分功能延期数月，部分直接从路线图上悄然消失。彭博社记者 Mark Gurman 多次爆料，Apple 内部在 AI 方向上存在严重的协调问题，Siri 团队的重组更是拖慢了整体节奏。

与此同时，Android 阵营没有等待。

Google × Samsung：AI 手机体验的全面提速

Galaxy AI 的真实落地

Samsung 在 2024 年 Galaxy S24 系列上正式推出「Galaxy AI」品牌，到 Galaxy S25 系列时已演进为第二代。与 Apple 讲故事不同，Samsung 的策略是「先落地，再迭代」。

实时通话翻译（Live Translate） 是目前最受用户好评的功能之一。通话双方可以用各自的母语说话，手机实时完成翻译并播报——不需要网络，不需要第三方 App，完全在设备端运行。这项功能在多语言环境下（尤其是旅行、商务场景）极具实用价值。苹果在 iOS 18 中虽然加入了「翻译」App 的优化，但实时通话翻译依然缺席。

Circle to Search（画圈搜索） 由 Google 和 Samsung 联合开发，用户只需在屏幕任意位置画圈，即可对选中内容发起 Google 搜索或 Lens 识别。无需截图、无需切换 App，这个交互范式已经成为 Android AI 手机的标志性体验。Apple 的「视觉智能」（Visual Intelligence）是对标功能，但覆盖场景和流畅度仍有差距。

AI 相机优化 方面，Samsung 与 Google 共享了 Gemini 模型的端侧能力。Galaxy S25 Ultra 的夜景拍摄、运动抓拍、以及「最佳人脸」自动合成功能，均依赖实时 AI 推理完成。Google Pixel 9 系列更是将计算摄影推向新高度——Magic Eraser、Best Take、Add Me 等功能早于 Apple 的同类能力实现量产。

Gemini 端侧推理：Android AI 的底层引擎

这一切的技术基础，是 Google 对 **Gemini Nano** 的大规模端侧部署。Gemini Nano 是 Gemini 模型家族中专为移动设备优化的版本，通过量化和蒸馏技术将模型压缩至可在旗舰芯片上本地运行的规模。

离线能力是端侧 AI 的核心价值所在。当 Apple Intelligence 大量依赖云端服务器（Private Cloud Compute）处理复杂请求时，Gemini Nano 支持的功能可以在完全断网的状态下运行。这对于隐私敏感用户、网络不稳定场景，以及需要极低延迟的实时交互，都具有决定性优势。

Galaxy S25 系列搭载的骁龙 8 Elite 芯片内置了专用 NPU，专为 Gemini Nano 推理优化。Google Pixel 9 系列的 Tensor G4 芯片同样如此。端侧 AI 的性能已经足以支撑摘要生成、内容改写、图像识别、实时翻译等主流场景，而无需将数据发送至云端。

跨设备协作：Android 生态的隐形优势

无缝的多设备 AI 体验

Google 在 2025 年推出的 **Cross-device AI Collaboration** 框架，让 Android 手机、Chromebook、Android 平板之间的 AI 功能可以协同工作。

典型场景：用户在手机上拍摄的文件，可以直接在 Chromebook 上通过 AI 提取关键信息并整理成摘要；手机上接收的长篇邮件，Gemini 可以在 Android 平板的大屏幕上展开对话式处理。Google Workspace（Docs、Sheets、Gmail）与 Gemini 的深度整合，形成了从手机到桌面的完整 AI 工作流。

相比之下，Apple 的设备生态同样紧密，但 Apple Intelligence 目前在 iPhone、iPad、Mac 之间的跨设备 AI 协作仍处于初级阶段，Siri 的跨设备上下文感知能力远未达到 Gemini 的水平。

开放生态的速度优势

Android 的开放性在 AI 时代展现出新的竞争力。三方开发者可以直接调用 Gemini API，将 AI 能力嵌入自己的应用。Google 的 **AICore** 系统服务作为统一入口，让第三方 App 无需重复集成模型，直接复用 Gemini Nano 的能力。

这意味着 Android 生态中的 AI 功能创新，不再只依赖 Google 和 Samsung 自己推动，而是由数百万开发者共同加速。Apple 的 Core ML 和 Create ML 框架虽然成熟，但 Apple Intelligence 的 API 开放程度依然受限，第三方 App 深度集成的空间有限。

Apple 为何落后？深层原因分析

隐私架构的代价

Apple 的隐私优先战略在 AI 时代带来了真实的技术负担。Private Cloud Compute 虽然在理论上保证了云端处理的安全性，但其架构复杂度远高于普通云 AI 服务。每一项需要云端能力的 AI 功能，都必须通过严格的隐私审查和安全验证，这天然拖慢了功能迭代速度。

Google 和 Samsung 同样关注隐私（Gemini Nano 的端侧方案本身就是隐私友好的），但他们在工程上选择了「先落地端侧，再扩展云端」的路径，而非像 Apple 那样构建一套全新的隐私云计算体系。

软件工程的组织问题

Gurman 的报道揭示了 Apple AI 团队深层的组织挑战。Siri 团队与 Apple Intelligence 团队在技术栈上的分歧，导致功能开发陷入重复建设和协调摩擦。相比之下，Google DeepMind 与 Google 产品团队在 Gemini 上的协作更为顺畅，Samsung 作为硬件合作伙伴的执行效率也更高。

硬件迭代节奏

Apple Silicon（A 系列芯片）的 NPU 性能并不弱，M4 芯片的 Neural Engine 在基准测试上甚至领先骁龙 8 Elite。但芯片性能不是问题所在——问题在于 Apple 没有充分利用这些硬件能力，快速落地端侧 AI 功能。Google 和 Samsung 反而先一步将端侧 AI 从「演示」变成了「日常」。

市场反应与行业影响

用户选择的悄然转变

2025 年多项市场调研显示，在「AI 功能」这一维度上，Android 旗舰的用户满意度首次超越 iPhone。这在历史上极为罕见——过去十年，iPhone 几乎在所有用户体验维度都领先 Android。

高端 Android 手机市场份额在亚洲市场（尤其是东南亚、韩国、日本）出现明显提升，部分分析师将其直接归因于 Galaxy AI 功能的实际可用性。

对 AI 芯片生态的影响

Google 和 Samsung 的成功，正在推动整个 Android 生态加速跟进。小米、OPPO、vivo 纷纷宣布自研端侧 AI 能力，联发科也在 Dimensity 系列中强化 AI NPU 规格。端侧 AI 正在从旗舰特权变成中端标配。

Apple 的压力正在传导至资本市场。多家投行在 2026 年初下调了 iPhone 出货量预期，部分原因正是「AI 功能差异化不足」。这对于一家靠硬件溢价支撑利润的公司而言，是不容忽视的警报。

未来走向：这场 AI 手机之争远未结束

Apple 的反击路径

Apple 绝非没有牌可打。与 OpenAI 的深度合作已经让 ChatGPT 整合进 Siri，这是 Google Assistant 和 Bixby 目前无法提供的体验。Apple 的用户数据护城河（iMessage、健康数据、支付数据）如果能被合理利用于个性化 AI，将形成独特优势。

2026 年的 WWDC 将是关键节点。外界普遍期待 Apple 展示真正意义上的「下一代 Siri」——能够跨 App 执行复杂任务、理解长上下文、具备个人助理级别的主动性。如果苹果能兑现这一承诺，AI 手机的格局将再次改写。

「AI 功能」正在重新定义旗舰门槛

这场竞争的深层意义在于：智能手机的差异化战场，正在从硬件性能、相机画质，全面转向 AI 能力。

Google 和 Samsung 已经证明，AI 功能可以真实改变用户的日常工作流——而不仅仅是演示视频里的酷炫效果。Apple 曾经是定义「什么是好手机」的那个人，但在这一轮 AI 竞争中，它第一次处于追赶的位置。

这场追赶战的结果，将深刻影响下一个十年的移动计算格局。