2026年7月，苹果技术开发（上海）有限公司申报的Apple智能完成生成式人工智能服务备案，并于7月15日被列入网信中国公布的7款手机端侧生成式AI备案名单。这意味着筹备一年半的国行Apple Intelligence扫清了上线前的最后一个合规障碍。消息公布当天，阿里巴巴方面确认，千问将作为AI能力集成至Apple智能，覆盖中国区iOS、iPadOS、macOS和visionOS全系列设备，提供文本与图像理解、内容生成、多轮对话等服务。资本市场迅速反应，阿里巴巴美股股价一度涨超7%。

这场合作并非突然。2025年2月，阿里巴巴董事局主席蔡崇信在迪拜世界政府峰会上首次确认，阿里正在与苹果合作，为Apple Intelligence进入中国市场提供本地化AI能力。他透露，苹果曾与多家中国企业接触，最终选择阿里。对千问而言，合作发生在一个微妙的时点：中国大模型C端竞争白热化，豆包凭借规模优势快速起量，微信Agent依托12亿月活生态蓄势待发，千问面临被分割的流量战场。苹果的原生入口提供了一条绕开拥挤赛道的机会——千问不再只是一个被用户下载的App，而有机会成为操作系统背后的默认AI能力。

从公开信息看，合作采用端云协同技术方案。设备端依托苹果自研芯片完成轻量级基础AI运算，保障响应速度和隐私安全；长文本处理、复杂逻辑对话、多模态生成等云端需求由阿里千问提供算力支撑，所有用户数据按监管要求存储于境内服务器。据多家科技媒体引述知情人士消息，千问承担大部分文本生成、摘要总结、图文理解、内容创作能力，而相机识别、地标搜索、图片处理、语音唤醒、Siri中文优化等场景化能力则由百度负责。这种多模型协同模式，让用户感受到的是一个完整的AI助手，而非多个模型的拼接。

对于千问，这次合作的价值不在于短期调用量，而在于一次大规模终端验证。大模型行业正进入新阶段：此前企业通过榜单、评测和开源下载证明能力；但进入手机操作系统后，需要面对稳定性、响应速度、安全隐私等全球级消费电子企业的严苛标准。苹果生态提供的正是这种高规格验证。这让人想起十多年前Android走过的路——通过开源和免费授权占据移动互联网入口，再通过应用商店和广告变现。虽然千问不拥有操作系统控制权，但两者都试图成为下一代计算平台背后的基础能力，让用户“没有选择，只有使用”。

关于商业化路径，苹果和阿里均未披露具体商业条款。券商研报分析了几种可能方式。第一层是固定年度授权费，市场参照苹果向谷歌支付每年约10亿美元授权费的先例，认为这将是一笔可观的年度固定收入。第二层是算力Token按量计费，机构预计这一部分将超过固定授权费。受监管要求，国行Apple Intelligence的生成式AI推理算力和用户交互数据必须落地境内服务器，苹果在中国没有自建大规模AI算力基础设施，复杂AI任务的云端算力全部采购自阿里云灵骏智算集群。IDC数据显示，国内存量iPhone约在2.2亿至2.5亿部之间，随着AI功能成为标配，用户调用频率会逐步上升，这部分收入持续性更强。第三层是电商交易分成，这是阿里独有的收入来源。国行Apple Intelligence内置了阿里生态的专属导流权益，用户在购物类问答、识图搜同款等场景下，系统生成结构化商品卡片，一键唤起淘宝App进入交易链路，苹果按成交GMV分成。此外，阿里云还可能通过技术输出或联合运营的方式，将工程化经验和云运维能力转化为服务型收入。

基于这笔合作，券商纷纷上调了对阿里云的收入预测。国投证券国际将阿里云FY27收入预测上调了4%，预计云智能业务收入增速为47%。富瑞预计，得益于MaaS及AI相关收入的强劲表现，AI相关收入贡献预计在未来12个月内达到外部收入的50%；在MaaS方面，预期ARR（年度经常性收入）在2026年第二自然季度提前达到15亿美元，并于年底朝45亿美元目标迈进。不过，这些预测能否兑现，前提是Apple Intelligence在中国被用户高频使用。

这场合作也折射出大模型竞争进入新阶段。与电力和云计算类似，一项新技术的真正普及，往往取决于它能否被整合进用户已有的行为习惯，成为“不需要被意识到”的存在。但大模型的难度更高：用户对独立AI应用和系统级AI的容忍度截然不同——前者只是“工具不够好”，后者会归咎于“手机不行”。系统级AI没有试错空间，隐形化的前提是模型在用户看不见的地方持续提供高质量输出。这意味着未来大模型公司的竞争，不再只是算法能力的竞争，也是工程能力、生态协同能力以及基础设施能力的竞争。

更准确地说，大模型的竞争正在裂变为两条线。一条在系统层，争夺的是“用户无感调用”：千问进入Apple Intelligence、豆包嵌入努比亚，都是通过进入手机、汽车等超级生态获得规模化应用。另一条在应用层，争夺的是“用户主动选择”。系统层AI会压缩薄壳型AI应用的生存空间（如仅提供简单对话界面的应用），但难以吞噬需要深度思考、复杂操作和专业知识的“专家需求”，也难以替代嵌入工作流、私有数据闭环的服务。未来的AI终端，更可能是一个系统层AI（总调度）加上无数个能力化的应用层AI（执行者）协同工作的模式。最终，能够留下来的，要么在系统层成为用户感知不到却离不开的“水电煤”，要么在应用层建立起不可替代的场景护城河。