Siri AI · Fable 5 · Rivian R2 · 芯片战争 2.0

一、Siri AI：15 年的圆环闭合

2026 年 6 月 9 日，Tim Cook 在他的最后一个 WWDC 主题演讲上，将几乎全部时间用于展示 Siri AI——这恰好是他的第一个 WWDC 上宣布的产品。2011 年 10 月 4 日，"Let's Talk iPhone"活动中，Cook 把话筒交给同事，宣布了从 SRI International 人工智能中心收购的 Siri。第二天，Steve Jobs 去世。

Siri 的名字本身源自 SRI International Artificial Intelligence Center——一群 Stanford AI 研究人员在 2008 年左右创立的公司。Apple 以大约 2 亿美元的价格收购了它。从那天起，语音助手进入了"最好的平庸品类"阶段——Siri 是最好的，但整个品类都很平庸。

即使回到 2019 年 pre-ChatGPT 时代，Siri 也没有兑现"和手机对话就能做任何事"的承诺。但有趣的是，人们并没有大量切换到 Android，因为 Google Assistant 也没有好到哪里去。直到 ChatGPT 的出现，Siri 才真正被拉开差距。现在，15 年后，Apple 终于拿出了可用的 AI Siri。

Siri 的新架构分为三层：设备端的 AFM 3 本地模型（需要最新 iPhone 的 12GB RAM），Apple Private Cloud 上的 AFM 3 Cloud Pro（运行在 Google Cloud 的 Nvidia GPU 上），以及可路由到第三方模型（Gemini 深度集成，ChatGPT 被削弱）。但 Alex Heath 在 WWDC 次日的实测揭示了一些关键的局限性：新 Siri 仍然没有持久记忆——每次查询都是独立的；不能通过提示词直接操作文件；开发者需要主动 opt-in 才能让 Siri 理解自己 app 的 UI。

二、Apple 的"解决方案营销"：从气候到家长控制

这个主题演讲特别简短，但 Apple 花了整整 12 分钟详细展示儿童安全和家长控制功能——包括儿童账户的年龄保护、Ask to Browse（访问新网站需家长批准）、以及通讯控制。当天 Apple Park 外面就有儿童安全倡导者举着扩音器抗议。

TBPN 主持人注意到了 Apple 一贯的模式：他们不是恐惧营销公司。Tim Cook 从不谈论气候末日——他们只是私下工作，然后在营销材料中谈论解决方案（清洁能源数据中心）。现在他们用同样的方式对待手机对儿童的影响。Derek Thompson 估计手机可能是现代生育率下降约 30% 的原因——Apple 似乎正在认真对待这个信号，但不做任何关于"手机会毁了你的孩子"的公开论断，只展示解决方案。

这背后也有商业逻辑：许多家长犹豫是否给孩子买智能手机。Apple 的回应是——"给孩子买 iPhone 是安全的，因为你有完全的控制权。"已经有一个围绕儿童 GPS 手表和哑手机的利基市场，Apple 想抢占它。

三、Siri 生态之争：围墙花园还是开放平台？

WWDC 还引发了一场有趣的记者对决。Mark Gurman（Bloomberg）在 3 月报道称 Apple 计划向第三方 AI 助手开放 Siri——用户安装 ChatGPT/Gemini/Claude 后，可通过 Siri 语音助手路由查询。他发布了 Siri app 中模型选择下拉菜单的截图作为证据。但 John Gruber（Daring Fireball）反驳说，Apple 并未完全宣布这个方案，核心问题仍未解决：能否将 iPhone 侧边按钮完全映射到你选择的 AI 模型？

Alex Heath 引用了 Dave Morin 的观点作为解释框架："Siri 是 harness"。Apple 的 OS 和 Siri 是灵活的新基础设施，底下可以是任何模型——但他们想要自己做所有的后训练和强化学习，让模型带上"Appley"的风格。Google 现在是他们的最佳短期伙伴，但 Apple 的目标是最终掌握自己的 AI 命运。

与此同时，OpenAI 与 Apple 的关系正在疏远。ChatGPT 的集成被削弱了——不再有 UI 元素，每次都需要文字提示显式请求。Alex Heath 的 meta-narrative：OpenAI 正在成为 Apple 眼中的"新 Facebook"——曾经深度合作，如今渐行渐远。

四、空间重构图：什么才是"真实照片"？

Apple 推出了一个有趣的新功能——空间重构图。如果你拍了一张角度不完美的照片，AI 可以重新构图让它更正面。主持人对这个功能评价很高：这不像是"某个创业公司早就在做的事情被 Apple 打包进来"——这更像是 Apple 的 DNA，理解技术后做出独特、酷的东西。

但时间线上的反应两极分化。一些人认为这是 Apple 最令人兴奋的 AI 功能。另一些人则担忧这是 AI 图像篡改的滑坡——将低光增强、色调映射、空间重构图、删除路人等功能叠加起来，可以生成一张与原始拍摄完全不同的照片。Apple 坚持"不会让你在照片里放一条龙"，但"真实"的边界正在模糊。

五、Rivian R2：大众市场的赌注与残酷的教训

Rivian CEO RJ Scaringe 在 R2 交付启动日做客节目。R2 是 Rivian"真正的规模化产品"——R1S 和 R1T 均价超过 $90,000，只是品牌的"握手"。R2 才是大众市场。330 英里的续航不是设计输入，而是工程输出：所有配置都需要超过 300 英里。越野轮胎版本 307mi，公路轮胎 330mi，后驱版最高 345mi。

RJ 分享了他最诚实的一个教训。当被问到"如果重来一次会做什么不同"，他给出了非典型的直白答案：

R1 发布时有数十万种可能的组合。R2 只有不到 200 种。这是一个极端的成本控制和简化练习。RJ 被问及为什么不把 R3（一款更激进的变体）和 R2 同时推出——他承认团队内有很多争论，但最终决定让 R2 有呼吸空间。

六、"野草田"：为什么传统车企无法竞争

RJ 提供了可能是本期节目中最精彩的解释——关于为什么传统车企在软件和 OTA 更新方面本质上无法与 Rivian 和 Tesla 竞争。

故事从 1960 年代开始。第一台进入汽车的电脑是为燃油喷射系统设计的。之后几十年，每当一个新的功能需要软件——座椅记忆、电动车窗、HVAC——供应商就为那个特定功能添加一个 ECU（电子控制单元）。结果：一辆现代汽车有 100 到 150 个独立的小计算机，每个运行由不同供应商（经常是第三方、海外团队）编写的独立软件。

当你走近一辆车时，喇叭响、门解锁、HVAC 启动、座椅调节、方向盘调整、音乐改变、电池系统唤醒——这些全在不同的控制器上。只改变事件顺序就需要协调 10 到 15 家公司。这就是为什么传统车企很少做出有意义的 OTA 更新。

Rivian 的解决方案：将所有计算整合到少数几个按物理区域分布的区域性控制器上，运行一个自研操作系统。这项技术被大众集团以 58 亿美元的软件授权交易采纳——用于大众未来的电动产品。当 Rivian 可以持续通过 OTA 改进车辆时，传统车企每次改进都需要协调数十家供应商。

七、自动驾驶：基础模型的转折点

RJ 详细解释了自动驾驶技术的根本性转变。旧范式（大约 2013 到 2023 年）是彻底的规则驱动：工程师将人类驾驶知识编码成 C++ 规则——从摄像头和雷达感知世界，交给人类编写的规划器，输出控制指令。这是一个 rule-based 系统。

新范式完全不同于此：训练数十亿参数的基础模型，使用数百万英里真实驾驶数据，模型通过已部署车队的数据持续改进——端到端学习，无需人工编码规则。

Rivian 的路线图清晰：2026 下半年实现 Hands-Off/Eyes-On（点对点导航，手离开方向盘但保持警觉），2027 年实现 Level 3 Hands-Off/Eyes-Off（可以看手机、读书，但需在车辆请求时接管），2028 年实现 Level 4（车辆在任何情况下都不要求接管）。R2 的设计预留了大量推理算力和高质量传感器——不仅用于驾驶，更重要的是收集高价值数据以快速追赶 Tesla。

RJ 认为真正的用户行为拐点是 Level 3——当你可以真正拿回自己的时间。"你体验一两次，然后觉得不需要它——然后突然你就觉得：哇，我下一辆车必须有这个功能。"到 2030-2031 年，消费者会期望自动驾驶是标配。

八、芯片战争：半导体支出翻倍与供应链瓶颈

《Chip War》作者 Chris Miller 提供了对半导体行业现状的关键观察。过去二十年，半导体支出占 GDP 比重基本持平。过去四年，它翻了一倍——完全由 AI 驱动。核心问题：翻倍可以，能翻三倍吗？

Miller 指出当前局势的独特性：历史上基础建设（铁路、电力）从未出现过单一公司掌控关键瓶颈的情况。现在 TSMC 是一道关卡，ASML 是一道关卡，先进封装和关键材料领域还有更多。供应链深处，离最终 AI 需求越远，怀疑越大——这是经典的牛鞭效应。

TSMC 的保守文化让硅谷沮丧，但它在历史上确实奏效了——TSMC 多次在周期底部精准投资，压过竞争对手。Miller 还透露，Anthropic Mythos 的发布真的改变了白宫对 AI 强大程度的认知，影响了最近几周的出口管制讨论。国会两党对出口管制有强烈支持。与此同时，中国正准备一个 2950 亿美元的 AI 基础设施基金。

九、Fable 5 与推理算力的无限缩放

Anthropic 在同一天发布了 Fable 5——新的消费者模型。X 上的用户已经提前几周获得了模型访问权限。定价为每百万输入 token $10，每百万输出 token $50。Dan Shipper 在做实时 vibe check。一些评论者称其为"Mythos 的更安全版本"——更可靠、更适合特定场景。

但节目中最引人深思的讨论来自 OpenAI 的 Noah Brown。他关于推理算力的观察令人震撼：

Andrej Karpathy 在汽车研究实验中观察到了同样的现象：即使经过几百次实验，性能仍在持续提升。Brown 提出了一个更疯狂的概念：一个模型可能运行得比训练下一个模型所需的时间更长——你发布产品 A 让它去执行任务，在它还在运行时下一代模型 B 已经训练完成并发布。这是一个全新的世界。

十、创业公司：从工业机器人到法律 AI

本期节目涵盖了多个处于不同阶段的创业公司：

Standard Bots：Evan Beard 创立时发现美国 99.9% 的工业机器人不是美国制造。C 轮融资 2 亿美元，估值 10 亿美元，去年增长 10 倍。通过演示训练机器人——平均装配工就能操作。关于人形机器人，Evan 提出了"小鬼当家测试"：两个 5 岁孩子能否跳上去抓住它试图绊倒它。RL 翻转机器人的视频看起来令人印象深刻，但离通过这个测试还很远。

ZenOne：Nick Fleisher 的法律关系管理平台在 150 天内实现了 40 倍收入增长。策略是有意避开被 AI 实验室商品化的红线标注领域，转而建设法律团队的工作流工具和上下文层。一位 Fortune 500 的 GC 告诉他："我们绝对不会 AI maxing。"——但 AI 反而让法律工作变得更多了（业务部门在用 AI 做不该做的事），所以法律 AI 工具的需求在增长。

NinjaOne：18 个月内融资 4 亿美元，估值 123 亿美元。平均每个客户替换 7 个单点解决方案。AI 是三重顺风：设备爆炸（连快餐店的炸锅都成了端点）、产品增强、以及安全攻击面的扩大。

Vinyl Equity：2000 万美元 A 轮，现代化过户代理——一个可以追溯到华尔街起源的行业。锁仓期结束后，股票平均需要 9 天才能到达投资者账户，期间股价可能波动 10%。在一个代币化和即时性的时代，这不是可接受的。

十一、Flock Safety 与犯罪监控

节目播放了一段令人震惊的播客片段——两名被描述为"旧金山最高产的犯罪分子之一"的男子承认，在旧金山犯罪已经不可能了。偷一辆车，Flock Safety 的无人机立刻开始跟踪你，从几千英尺高空尾随——你甚至不知道自己在被跟踪。警察会等你停下来后再包围你。他们甚至无法进行 drive-by 了。主持人半开玩笑地问：有没有人考虑过听犯罪分子在播客上承认犯罪后直接去逮捕他们？

十二、AI 就业预测的扩音器效应

节目中一个有趣的观察：非 AI 行业的人反而给出了最激进的就业损失预测。Anthropic CEO Dario Amodei 最初提出"50% 的早期白领工作可能被自动化"（在带有限定条件的深度讨论中），后来修正为约 10% 的失业率。但 Horizon CEO Dan Schulman 预测未来 2-5 年内 20-30% 的失业率——他的 AI 客服 agent 的客户满意度比人类高 1,280 个基点。社交媒体 KOL 则将这个数字进一步放大到了 80-100%。

"有趣的是，永远不会是他们自己的工作会消失。" TBPN 主持人指出，原始讨论中带有大量限定条件（"如果只有坏的事情发生，且没有政策回应"），但被断章取义后数字在不断放大。