臨近歲末，一度備受期待的 Apple Intelligence 並未如約而至。尤其進入下半年以來，一提到 AI，外界對於蘋果的表現總是一副“恨鐵不成鋼”的摸樣。題外話：當然，蘋果的銷量似乎並未受到多大影響。在大模型的上下文語境中，蘋果時代結束了？答案是否定的。其實，蘋果有很多做的調整和相當有價值進展，都在OpenAI、Google等頂流炸子雞的耀眼發佈中被掩蓋了。剛剛，海外媒體 AppleInsider 給出了一則相當詳實的報導，揭開了蘋果這一年在AI方面所作出的戰略調整和研究進展。 並仔細分析了2026年的蘋果這頭巨象的關鍵節點和聚焦方向，值得一看。“為系統級AI產品讓路”的組織拆解據 AppleInsider 報導，自 2025 年起，蘋果內部 AI 組織發生了 3 項關鍵變化：Siri 歸位：原本相對獨立的 Siri 團隊，被整合進 Vision Pro 與作業系統軟體團隊硬體分流：機器人等偏實體形態的 AI 項目，正式劃歸硬體組織基礎模型聚焦：原由 AI 高級副總裁 John Giannandrea 統籌的大團隊被“瘦身”，聚焦蘋果基礎模型的研發。其實，早從今年3月起，Giannandrea 對 Siri 的管轄權就已經交到了其他高管手中，只不過到了 12 月 1 日，蘋果才正式官宣了他的卸任和明年的退休。所以，這實質上是宣告：蘋果AI業務從大型綜合 AI 組織轉向更聚焦基礎模型方向的調整，同時為系統級 AI 能力重新編組資源。更關鍵的一點在於：這套架構調整在 Giannandrea 不再直接負責 Siri 產品化之後仍在持續推進，說明它並非針對個人，而是蘋果已經確定的一條長期路線。新的權力結構: AI正式併入軟體主線蘋果在 2018 年從Google引入 John Giannandrea，擔任 AI 與機器學習高級副總裁。他是“儘可能在裝置端完成計算”這一理念的主要推動者，核心邏輯是：讓技術更貼近資料本身。隨著時間推移，他的職責不斷膨脹：最初只負責 Siri、AI 和機器學習，隨後擴展到 Apple Car 項目，最終還包括後來成立的機器人團隊。2025 年，蘋果開始對 AI 團隊進行重組：機器人業務被劃歸硬體負責人麾下Siri 團隊被併入 Vision Pro 軟體體系這使得 Giannandrea 原本的團隊，得以專注於 Apple Foundation Models 的開發。重組之後，蘋果 AI 的權力線條變得更加清晰：另一位前Google高管 Amar Subramanya 被蘋果任命為 AI 副總裁直接向軟體工程高級副總裁 Craig Federighi 匯報負責蘋果基礎模型、機器學習研究，以及 AI 安全等核心領域搜尋與知識圖譜相關事務，則被認為將更多由 Eddy Cue 所在的服務體系統籌從這樣的安排可以看出，蘋果AI 不再是一個“平行探索部門”，而是被正式併入軟體主線，服務於系統能力本身。猜測的2026 蘋果高管架構，來源：theinformation2026聚集點：基礎模型，團隊一半來自Google值得一提的是，新上任的 Amar Subramanya 同樣來自Google，在端側 AI 的理念上與 Giannandrea 非常相近。他將以“AI 副總裁”這一新頭銜，向 Craig Federighi 匯報工作，這一職位名稱本身就反映了團隊新的聚焦方向。他的團隊主要負責 Apple Foundation Models 的研發。此前團隊中的部分成員已被分流至其他部門，而搜尋與知識圖譜相關工作，預計將由 Eddy Cue 接手。蘋果基礎模型團隊目前由 Zhifeng Chen 領導，核心成員還包括前Google AI 研究員 Li Xiao、Christopher Fifty 和 Jun Xu。《The Information》的一份報導稱，Chen 團隊中超過一半成員來自Google，且許多人是在過去兩到四年內加入蘋果的。不過也有觀點認為，隨著 Giannandrea 的離任，這些前Google員工中可能會有人選擇離開。ps：這裡，小編也特意為大家介紹一下帶隊者 Zhifeng Chen（沒錯，又是華人！！！）Zhifeng Chen 現在是蘋果基礎模型團隊的新負責人，接替已經離開去 Meta 的前負責人 Ruoming Pang，負責編排和領導這支核心 AI 模型團隊。資料顯示，Chen 本科就讀於復旦大學電腦科學專業本科畢業。之後前往美國深造，在 普林斯頓大學攻讀碩士，隨後在伊利諾伊大學香檳分校（UIUC）獲得博士學位。這兩所都屬於全球知名的電腦科學教育重鎮。在加入蘋果之前，Chen 曾在 Google 工作近 20 年（約 2005 年起）。在 Google 的時間裡，他長期擔任Distinguished Engineer（傑出工程師）等級，主要工作集中在機器學習系統、可擴展大規模計算架構和核心 AI 平台技術上。他的技術履歷包括：深度參與 TensorFlow 的建構和發展。幫助過 Google 內部的多項大型系統工程，包括大規模機器學習應用、底層分佈式系統等。擅長可擴展機器學習系統、演算法、3D 感知、語音識別與合成等領域的工程與研究實踐。據報導：Pang 離職後，蘋果將基礎模型團隊的負責人交給了 Zhifeng Chen。他領導的這支團隊被視為蘋果推進 Apple Intelligence、尤其是 2026 年新版 Siri 所依賴的基礎模型研發中樞。“AI團隊只剩幾十人”，傳言而已不過市面上有一些傳言，比如“蘋果的 AI 團隊大幅縮水”，這顯然就是一個誤讀了，更多屬於來自外部的推測。事實上，僅從蘋果近幾年公開論文的作者名單，就能識別出數百名活躍的 AI 研究與工程貢獻者。這與“只剩幾十人”的傳聞明顯不符。蘋果官網上的論文發佈十分活躍更重要的是，蘋果並沒有放棄模型研發，而是明確選擇了一條不同於主流雲廠商的路線。2026蘋果的目標節點：新一代 Siri按照目前披露的資訊，不管是戰略結構調成還是AI組織的重構，蘋果內部的目標節點都指向了 2026 年初的系統級更新。屆時，蘋果計畫推出基於大型語言模型（LLM）的新版 Siri，其核心突破並不在“更會聊天”，而在於更能做事：通過“應用意圖（App Intents）”框架Siri 將能理解複雜任務目標並調度裝置端與雲端資源實現真正的跨應用操作與自動化流程這將標誌著 Apple Intelligence 從“功能試水”，進入系統級智能的成熟階段。蘋果的模型策略：端雲協同，而不是 All in 雲端從現有研究和產品佈局來看，蘋果的基礎模型策略可以概括為四個字：端雲協同。一端，是運行在本地裝置上的高效端側模型另一端，是支撐 Private Cloud Compute 的伺服器端模型兩者共同構成 Apple Intelligence 的技術底座。這其實是蘋果釋放的一個非常明確的訊號：它並沒有加入單純追逐雲端生成式 AI 的競賽，而是在做一件更“蘋果”的事情——把 AI 深度嵌入作業系統、裝置與使用者日常行為之中。具體而言，就是依舊不會追逐“更大的參數規模”，而是為了在隱私、延遲、可控性和系統整合度之間取得平衡。而這，也是蘋果一貫最在意的事情。此外，業界推測，關於雲端計算模型，蘋果預計還將公佈多項合作計畫，包括將第三方模型引入私有雲端運算。例如，定製的 Gemini 模型可以接收裝置上蘋果模型傳遞的資料，並利用這些資料執行網路搜尋。慢，但很難複製這條路看起來並不好走。業界猜測，2026 年新版 Siri 和 Apple Intelligence 的亮相或許不會太早。但隨著逐步落地，蘋果在 AI 領域的佈局，很可能會成為最系統、也最耐用的一種形態。這也是蘋果一貫的的發布風格：慢，但很難複製。最終，時間會證明蘋果這個巨無霸的走向，但在此之前，沒有理由低估這頭已經“為AI瘦身”的巨象。 (51CTO技術堆疊)

▋ 操作路徑打開系統後，依序點選：交易 ➜ 帳務 ➜ 選擇權組拆解即可查看帳務中可進行拆解的商品。▋ 組合單拆解：靈活重組策略「組合單拆解」讓使用者能快速平倉、調整部位或重組策略。可選擇 全組拆解 或 自行設定拆解數量，不論是要平倉或重新組倉，都能彈性操作。▋ 保證金優化：系統自動推薦最省金組合當您持有多筆選擇權組合時，系統會自動建議最佳組合，即時計算「節省保證金」金額。可選擇「全組」或「組單」，依照需求彈性運用。▋ 調整明細：僅提供當日「成功調整」資料可查看當日成功調整紀錄，包含保證金優化與組合單拆解的細項。這項功能整合了保證金管理與倉位控制，讓交易者能快速平倉、節省保證金、優化資金運用效率。🎈 快樂營業員｜快樂交易，交易快樂🌐 官網｜https://94rich.com.tw/這裡（應該）什麼都有💬 LINE｜https://line.me/ti/p/649TCocTzF你不一定會加，但我一定會等📘 FB粉專｜https://www.facebook.com/94rich行情漲跌我都在，歡迎來按讚📎 本文內容僅為個人經驗與觀點分享，無任何投資建議之意圖。所提及之商品、工具、平台，亦無廣告或業務招攬行為。投資有風險，交易請審慎評估並自負盈虧。

蘋果iPhone 17系列3款機型（17、17 Pro、17 Pro Max）國行正式上市，現在有博主已經更新了拆解視訊。據@楊長順維修家 抖音直播拆解視訊顯示，iPhone 17 Pro Max搭載的是高通驍龍X80數據機。按照此前官方介紹，iPhone Air搭載蘋果自研C1X數據機，而iPhone 16e搭載蘋果自研C1數據機，但iPhone 17系列主要還是驍龍方案為主。上圖為iPhone Air搭載的C1X基帶，官方稱速度是C1的兩倍，功耗更低。作為補充，早前還有爆料稱蘋果明年發佈的iPhone 18 Pro系列或將搭載全新自研C2基帶，到時候再看看表現如何~ (小白測評)

(珩宇智創生態科技)

【新智元導讀】想搞一門副業，卻卡在想法一團漿糊？全網首個互動版Deep Research悄然上線，化身AI最強輔助，讓零散靈感秒變超硬核行動方案。想轉型AI做產品經理，卻不知如何入手？想搞副業月入一萬，但腦子裡只有零散想法？想知道AI時代該學什麼專業最有前景？在工作和生活中，我們早已習慣向AI求助，但大多數AI只能給出模糊建議，真正遇到複雜任務時，往往一句「這取決於具體情況」就把人打發了……甚至，有網友用ChatGPT「深度研究」時，或因任務太複雜，經常遇到研究中途停止。有時，AI輸出的結果好不好，很大程度上取決於「提示」夠不夠精準。剛剛，辦公小浣熊悄悄上線了一個新功能——任務規劃助手，專治這類「你自己都不知道從那開始」的複雜問題。它不直接拋出答案，而是像一位靠譜的「超級搭檔」，和你對話、不斷提問、深度拆解，最終把你腦子裡的零散想法，一步步變成清晰、具體、可執行的行動路徑。傳送門：office.xiaohuanxiong.com一手實測這個由商湯科技打造的小浣熊「任務規劃助手」，堪稱互動版Deep Research。當你腦子一團亂麻時，它像朋友對話一樣，用連環問題挖出你都沒意識到的關鍵細節。當你遇到複雜任務無從下手時，它會把模糊的目標分解成小步驟，每一步思維鏈都清晰可追溯。甚至，在互動的過程中，你還可以隨時修改任何細節。最終，它會生成一份邏輯嚴密、圖文並茂的規劃報告，即便是面對再陌生的行業、再複雜的任務，任何人都能輕鬆上手。現在，進入小浣熊，點選「任務規劃助手」即可使用，接下來是一波最全實測體驗。職業規劃首先，給它一個職業規劃方面的任務。作為一名AI媒體編輯，每天都會接觸大量的人工智慧方面的資訊，但對於AI智能體的應用卻沒那麼熟練。所以我給小浣熊出了下面一個任務：我是35歲的AI垂直自媒體作者，如果想成為AI產品經理，幫我規劃個職業路徑。接到任務後，辦公小浣熊並不會直接給出答案，而是會首先分析出實現任務所需的相關資訊。接著，便會跟你互動，讓你把相關的資訊補全——這正是這款產品的亮點，通過深度思考+互動，一步一步地將複雜任務拆解，最後找出最合理的答案。簡單的資訊補全後，小浣熊將會將任務向前推進一步。在這個過程中，它的提問會觸及到很多你之前自己可能都沒想的點。經過這次資訊補充後，小浣熊給出了一個可執行度相當高的目標清單和相對應的任務清單。它將轉型過程拆解成了四個目標：建立Agent產品經理知識體系開發兩個Agent產品原型整合轉型成果自媒體內容整合每個目標後面都有一個所需的任務清單。接下來我們點選上面的執行就可以了。經過長達幾分鐘的深度思考之後，辦公小浣熊最終拿出了一份非常具體的、可執行性相當高的行動方案。具體來看，每一個任務節點都會生成一份報告，裡面有任務節點的詳細步驟、相關的Python程式碼、參考資料的連結，甚至還可以畫出流程圖。如果你手頭正好有個沒啥頭緒的複雜任務，那麼強烈建議你試一下這個任務規劃能力，說不定就能提供給你一個可行的方案。學業規劃接著，我們讓辦公小浣熊規劃一個教育問題。昨天，各地高考成績也在陸續公佈，咱們也來湊個熱鬧。具體的提示詞是這樣的：AI時代，以後學什麼專業方向更有發展前景同樣，小浣熊會將它需要的資訊提問給你。確保掌握的資訊全面。補充完關鍵資訊後，小浣熊給出了目標清單以及每個目標對應的任務清單。目標清單包括：調研數字人文/計算歷史領域的核心技能需求設計跨學科課程方案制定職業發展路線圖整合最終規劃報告然後，點選執行等待即可。幾分鐘後，小浣熊給出了一份詳細的學業規劃路徑。其中包含了像《數字人文領域職業發展路線圖》這樣的清晰規劃。小浣熊最終報告給出的AI歷史方向的學業建議分別是：數字孿生遺產系統工程師（Unity/Unreal引擎）、元宇宙歷史場景建構師（Blender+Al生成）。雖然不是很懂，但看上去還是很有前景、很靠譜的。整個規劃看完，你一定對AI歷史領域有更深入的瞭解。投資規劃當下最火的「投資」莫過於入手一個Labubu了，這款丑萌的潮流IP如今成為每個人的心頭好。幾天前，全球唯一薄荷色Labubu拍出108萬，創下潮流玩具最高單件成交記錄。看到如此高的溢價，不少人早已心動，現在入局還晚嗎？它會成為下一個暴力熊泡沫嗎？這時，我們讓「任務規劃助手」給出一個投資建議分析和趨勢判斷。發起問題後，小浣熊聯網搜尋且深度思考12秒後，並沒有第一時間給出解答，而是再次發出提問——您考慮購買Labubu的主要目的是收藏、投資還是其他用途？另外，您對潮玩市場價格波動的接受程度如何？它根據第一步問題的回覆，再次進行深度思考和規劃。這一次，令你眼前一亮的是，它給出了更詳細的目標清單，分列出四點：包括收集分析Labubu市場價格資料評估品牌長期價值支撐因素識別主要投資風險點整合分析結果並形成投資建議假設以上這些，並沒有滿足你的考量，可以在「目標清單」下方輸入框中，繼續提出要求。接下來，可直接點選「執行」任務清單。經過長時間逐步分析，小浣熊會先針對每個任務清單生成一個報告，最後彙總成一個整合版。這時，可以直接匯出為PNG/PDF/HTML內容，或是建立一個新文件編輯。如下報告中，已清晰列出所有的要點，包括市場現狀分析、不同風險因子帶來風險等級、分級投資建議，以及執行保障機制和關鍵決策指標。看完報告後，假設自己還想對曾經爆火潮流IP暴力熊有一個瞭解。這時，可以在輸入框加入自己的需求，然後再次點選「執行」。緊接著，你就得到了一個關於Labubu與暴力熊市場價值對比分析報告。此時此刻，對於任何一個人，在投資Labubu前內心已經有了全面的瞭解和規劃。學習規劃日常生活中，為了自我能力提升，學習一門工作之外的本領非常關鍵。但是，該從那裡下手呢？假設自己想要做一名視訊博主，該從那學起？該怎麼拍攝、剪輯視訊？又該如何營運帳號？把問題交給小浣熊，這時它會根據一個泛泛的問題，拆解出更詳細的問題讓你回答。同上，它依舊給出了詳細的目標清單，分為以下5點：確定帳號定位與差異化特色裝置採購與拍攝方案設計內容生產與營運規劃成本控制與效果評估方案整合與交付點選「執行」後，小浣熊每一步都展開了深度調查和分析。比如，抖音平台中美食帳號的分析報告，小浣熊給出了從內容類型、粉絲畫像、互動資料、市場空白，以及工具推薦的分析。再比如，制定3個月的內容排期表以及營運規劃，它根據低、中、高預算，給出了不同的策劃，用圖表可視化分列出來。它生成的最終報告，是一個所有分支內容的精煉版，所有要點都總結如下。接下來，就是行動了。任務規劃神器，解鎖AI終極價值從實測中我們看到，辦公小浣熊「任務規劃助手」不僅僅是一個工具，更像一個無時不在的智慧夥伴。它的真正價值，遠不不止於規劃的精準與高效，而在於它重新定義了人類與AI的互動方式。在過去，面對未知領域，我們習慣於望而卻步，害怕因想法不夠成熟，或因無法下手而拖延。而現在，這位「超級搭檔」用對話的方式，消解了這種心理負擔。它不急於給出結論，而是陪著使用者一起思考、探索、迭代。這種互動式的深度協作，不僅讓使用者在規劃過程中收穫結果，還能提升自己的結構化思維和問題解決能力。AI時代，時間是最寶貴的資源，清晰的方向則是最稀缺的財富。「任務規劃助手」恰恰是幫助人類搶佔這兩者的神器。它能讓每一個想法不再停留空想，而是變成一張通往成功的路線圖。 (新智元)

曾經，日本日經BP 社對一輛比亞迪海豹進行了全面拆解，並出版了一本書詳細記錄拆解的詳細過程。 該出版社對海豹大卸八塊，進行了包括車體、電池、動力總成、電控設施、內裝零件等在內的拆解。 拆解完畢後，他們對比亞迪的平台組態讚不絕口，將高壓系統、電動車駕駛控制相關功能的動力單元，以及電池車身一體化技術列為不容錯過的看點，甚至在書籍的介紹頁上，印著「超越特斯拉，成為世界第一EV 製造商」。 一位高級研究員斷言，中國製造將在未來引領世界的電動車。

拆中國車上癮 最近，一家美國公司對比亞迪海鷗進行了深入拆解，結果被驚訝到了。 他們本以為價格低廉的情況下，會粗製濫造，但拆解後發現，這款車不但駕駛性能出色，生產工藝甚至還可以和價格更高的美國產電動車媲美。 其公司負責人直接感嘆：美國在設計低成本電動汽車方面，已大幅落後於中國。