苹果AI来了，对比微软Copilot怎么样？

刚看完 WWDC，聊一下这个事情。感觉虽然说是以后 iPhone、iMac，然后 iPad，肯定会比以前要好用得很多，但是苹果在整个对于 AI 这个东西的理解和应用上面，比起微软来说好像还是差一些。

看的时候，脑子里面就会时不时地冒出一个念头：如果乔布斯还在的话，他很可能苹果不是现在这种局面。现在苹果往好了说，他叫擅长后发制人。这次 AI 也不例外，我们对比一下苹果和微软的 AI 的应用，看一下苹果到底是治人还是治于人。

苹果如何应用AI

OpenAI 和相关的这些创业公司，其实已经把大语言模型的能力探索得比较清楚了。对于苹果、微软这些大公司来说，它主要是两个任务：第一个是我要抄谁，要抄哪些功能、不抄哪些功能，要做一个决策；第二个是根据现在自己的产品的情况，看一看我还能够研发出一些什么新的功能来。

具体怎么做，苹果提供的思路是四个。第一个是大家就很熟悉熟悉的 AI 的基础的能力了，就是文本和图像的生成工具。在一个系统里面，所有能打字的地方、能上传图片的地方，用户都需要一个很方便的、能够调用 AI 工具的一个窗口，来帮助他完成对应的工作，或者是他需要校准他之前生成的文字，或者是修改图片。这个概念从几十年前乔布斯的牛顿 PDA 那个时候就已经有了，然后将来 Windows、Mac 电脑肯定也会标配，所以这个就不多说了。

第二个是苹果把所有官方的 APP 用 AI 重新搞了一遍。在每一个 APP 里面做了很多的 AI 的代理，这些代理会相互配合，自动化地完成一些任务。简单地说，就是你现在能在这些 APP 里面使用很多新的功能了。比如说备忘录、邮件、日历、短信、语音备忘录，这些 APP 里面都有各自对应的一些新的功能，大家自己一摸就知道怎么用了。

比如说邮件、短信现在都自动分类了，哪些是垃圾短信，哪些是比较重要的短信，大语言模型能帮助你做一下判断。照片 APP 里面也能根据你的自然语言的要求来生成一段视频。比如说我上周去海边的照片，给他找出来做一个小视频，就不用自己去相册里面一个一个去选了这些照片。他会自动给你找出来，做一些特效，然后做一些转场配乐，把这个视频给你做出来。

还有一个挺有意思的，就是你把一段文字粘贴到笔记本里面，笔记本以前不是可以手写吗？然后你现在如果粘文字进来的话，这个文字会自动变成你手写体的风格，它会模仿你的手写的风格来做，而不是印刷体。这个让整个页面看起来风格就是一个同样的风格，统一的页面了。另外，如果你字写太难看，他也可以帮你优化一下。你觉得什么样的字体好看，他就给你往什么方向去优化一下你的字。这些新功能都会应用到机器学习，应用到 AI 代理。

苹果做的第三个事，就是史诗级地增强了 Siri。Siri 以前实在是太笨了，现在加上大语言模型，Siri 就可以比较好地理解你的语言，并且给你回复了。他可以给你问答，也可以担任一个跨程序的 APP 调度员的一个角色，指挥各种程序做各种事情。以前你也可以做一部分事情吧，比较简单的设置一下日历，然后定个闹钟、定一个导航什么的，但是普通用户用不到他多少的能力。其实以后苹果用户会和 Siri 互动的可能性就会多很多了。

比如说你跟 Siri 说，说我要打车回家，他就会判断哪一个软件是打车软件，然后跟这个软件沟通完成下单，因为他知道你所在的地方的定位，他也知道你们家的地址。同样的，如果用户说昨天中午吃那个盒饭很好吃，我想再点一份，Siri 也会给你查一查，你昨天首先你是在美团还是在饿了么点的外卖，然后他会到这个 APP 里面重新再给你点一份。

在 Siri 比较不智能的时候，你是如何完成这个工作的？首先你要回想一下，我昨天用的是哪个 APP，然后掏出手机来打开 APP，然后点击“我的”，找到昨天的订单，点击那个商家，然后再勾选那个菜，然后点击下单、确认订单、点击支付等等，这个才算完成。那以后你可能一句话，然后他刷一下脸，你就支付成功了。AI 能够理解你的意图，然后自动化地完成一系列的操作，这个就是现在这个 Siri 增强的地方。

那苹果干的第四个事呢，就是接入了其他的大语言模型，尤其是提到了可以免费调用这个 GPT-4o。那现在我们还不知道有没有别的模型可以接入进去。GPT-4o 是一个多模态的模型，就是它可以一边看着、一边看着一些信息图片，一边跟你用语音文字聊天。然后出来的效果呢，就是 Siri 它不仅可以听到你说的话，还可以看到你屏幕上正在显示的这个内容。

如果你问了一个问题，它就可以结合你正在看的这个屏幕上的内容，推测你现在正在解决什么问题，然后根据你的提问以及过往它对于你这个人的个性化的各方面的了解，综合来回答这个问题。那这个回答的可用性就高很多了，可能内容也会靠谱一些。比如说你可以一边斗地主，一边让 AI 帮你算牌；一边呢看论文，一边让 AI 帮你解释一些你看不懂的术语；一边呢看电影，一边问一下 AI 这个明星的八卦；或者说是你和女朋友视频吵架的时候，也可以让 AI 帮你判断一下他现在的心情，是吧，到底是开心还是愉悦。

我看到这一块的时候呢，就在想，我这个苹果它为什么要接入 ChatGPT 呢？很明显，是吧，苹果它自己训练的模型肯定是比 ChatGPT-4o 这个模型要差很多的。如果说以后苹果它有可能在这个模型端开放的话呢，也许它以后可以像 APP Store 卖 APP 一样，来卖一些大模型或者是 API 的算力。用户呢可以在不同的任务上用不同的大模型处理，来进一步地提高效果。比如说 Claude 3，它可能在数学问题上面表现比较好一些，那我们就可以用它。那有一些国产的大模型，也许将来它能够在中文语言的处理上比 ChatGPT 要好一些，那么我们也可以用国产大模型。就是在每一个场景下，然后我们看哪个模型更好用就用哪个模型，这个可能会进一步地提高用户的体验。

所以总结起来呢，苹果的 AI 就是干了这四个事：第一，建立这个基本的文字和图片的生成工具；第二，是用 AI 来改造现有的官方的 APP；第三，是用跨 APP 的这个 Siri 来提供系统级的用户体验；最后呢，就是接入了 GPT 这种更好的大模型，来优化 Siri 的能力。

与微软的进度对比

整个这个方案呢，看起来给人的感觉就并不出乎意料，有点中规中矩。这些东西吧，就苹果肯定你应该干，但是呢大家也都在干，你并没有什么特别的。甚至比起微软那个 Copilot 加 PC 的方案来说呢，好像变革的感觉还要差一些。

微软是在 2020 年，在 GPT-3 的时候，就已经和 OpenAI 签了协议来合作了。马斯克呢最近跟 OpenAI 在打官司嘛，也是因为他觉得这个微软很早就垄断了 GPT 的这个技术。具体这个官司呢还没打完，到时候我们看一看这个是怎么判的。但是呢，我们能够看到的是整个这个硅谷啊，它除了马斯克之外，可能对大语言模型发展最熟悉的就是微软了。

微软在去年 3 月份就发布了 Copilot 加 Office，今年 5 月份呢又发布了这个 Copilot 加 PC。Windows 整合大语言模型的这个时间要长的，从结果上来看呢，也更加深入操作系统的底层一些。

苹果呢就是仗着它的生态系统完善嘛，设备多，慢悠悠地在后面追，反正一时半会儿这些用户也跑不了。而且因为它设备比较多，操作系统也很多，着力点就很多，所以它一个功能一出来了以后，可以安排在很多不同的设备里面，总共算下来提高的用户体验还是挺多的，这就很气人。

微软怎样改变人机交互

微软这边主要搞了三个事。第一个是联合高通、英特尔、AMD，来推动这个 NPU 的芯片，各个品牌的 PC 电脑都能用得上，什么戴尔啊、惠普啊、宏碁啊什么的。并且呢鼓励一些软件开发的公司，说我们这儿好啊，都到我们这儿来开发，我们这儿比那个某某平台开放多了，希望大家来这个平台来开发 AI 的软件。

第二呢，是微软把整个 Windows 系统翻了个底朝天，是吧，重新 AI 化改造了一遍，并且提供了系统级的 AI 助手 Copilot。大语言模型能够看到你的屏幕，能够给你提供实时的帮助，就跟前面苹果 Siri 是一类的东西。

第三个，也是我觉得最能够体现出来微软对 AI 时代人机交互理解的，就是 Recall 功能。人脑和电脑存储记忆的方式是完全不一样的，电脑是分类存储信息。比如说你的电脑有 C 盘、D 盘、E 盘，然后每个盘里面都有文件夹，文件夹下面还有子文件夹，还有一些信息是存在应用程序里面。但是人脑是通过关联来记忆东西的。

比如说我说我上周看过某一个数据表，上面有一个紫色的字，但是我不记得这个数据在什么地方，它是在钉钉啊，还是在飞书里面，它是在某一个 APP 里面，还是在网页里面，记不清楚了。所以微软搞了这个 Recall 功能，它会全面地记录你在屏幕上出现的各种各样的信息。当你记不起来的时候，你就可以用普通话来搜索，说我想找我之前看过的一个数据报表，然后它里面有一个图表，图表上面有一个紫色的字。Recall 就会翻数据库，然后给你找出来，告诉你说这个东西存在 C 盘的根目录下某一个 PPT 文件第五页。

这种全新的全局检索能力，在很多情况下应该是很重要的，应该是很好用的，体现出来它比苹果更深入的对 AI、对人机交互的理解。而以往在我们的印象里面是倒过来的，是乔布斯这样的人更擅长干这种事情。

另外，微软对苹果的一个很大的威胁，是在视听创意这个领域里面。AI 能够极大地促进视频编辑、图片修图这些功能，可以极大地提高效率。微软目前在 AI 上的领先，可能会导致它在这方面能够提供比 Mac 更好的修图软件或者剪辑工具，或者说同样的软件，你在 Windows 上会比在 Mac 上跑得更快。如果微软在这个领域反超了苹果，那这个对于苹果来说就很伤了。我作为一个常年使用苹果全家桶的用户，现在都在考虑 Windows 电脑。

模型、细节与用户体验

总的来说，现在 AI 整个发展的方向已经是比较确定了，就是怼参数、怼数据、算力，你就能够获得更强大的大语言模型，就能够自动地呈现出来更多的能力。但是具体到今年苹果和微软的 AI 产品到底好不好用，正常来说发布会主要就是卖货，所以它肯定是优点各自都是使劲地夸，缺点是只字不提，言语中会有意无意地给消费者一些误导。真的好不好用，还是得等产品出来实际用一下才知道。

因为很多的功能，你听起来是那么回事，但是它具体好不好用，依赖于各家自己训练的大语言模型来驱动。大语言模型是不是足够地聪明、足够地智能，就决定了使用体验好不好。在这方面，微软看起来是比苹果要强一些的，它有先发优势。据说 Windows 系统里面内置了 40 多个大语言模型，而且微软有苹果没有的企业级应用，所以在开发上面可能也强一些。

但是用户体验好不好，除了模型好不好之外，还有一个很重要的，就是谁掌握了更多的用户的数据。在这个点上，也是 OpenAI 这种公司没有办法和苹果、微软在同一个维度竞争的原因之一。在用户数据方面，苹果好像又比微软要强一些。

所以现在的局面是，微软它是一个颠覆者的角色，它想要创新，想要用 AI 的力量从苹果手里面来抢用户。苹果以前是 Think Different，现在现在基本上就躺平了，公司太大了，行动非常地缓慢，以抄作业为主，Think Different 就随缘了。

原视频：YouTube