2026年7月，蘋果技術開發（上海）有限公司申報的Apple智慧完成生成式人工智慧服務備案，並於7月15日被列入網信中國公佈的7款手機端側生成式AI備案名單。這意味著籌備一年半的國行Apple Intelligence掃清了上線前的最後一個合規障礙。訊息公佈當天，阿里巴巴方面確認，千問將作為AI能力整合至Apple智慧，覆蓋中國區iOS、iPadOS、macOS和visionOS全系列裝置，提供文本與影像理解、內容生成、多輪對話等服務。資本市場迅速反應，阿里巴巴美股股價一度漲超7%。

這場合作並非突然。2025年2月，阿里巴巴董事局主席蔡崇信在迪拜世界政府峰會上首次確認，阿里正在與蘋果合作，為Apple Intelligence進入中國市場提供本地化AI能力。他透露，蘋果曾與多家中國企業接觸，最終選擇阿里。對千問而言，合作發生在一個微妙的時點：中國大模型C端競爭白熱化，豆包憑藉規模優勢快速起量，微信Agent依託12億月活生態蓄勢待發，千問面臨被分割的流量戰場。蘋果的原生入口提供了一條繞開擁擠賽道的機會——千問不再只是一個被使用者下載的App，而有機會成為作業系統背後的預設AI能力。

從公開資訊看，合作採用端雲協同技術方案。裝置端依託蘋果自研晶片完成輕量級基礎AI運算，保障響應速度和隱私安全；長文本處理、複雜邏輯對話、多模態生成等雲端需求由阿里千問提供算力支撐，所有使用者資料按監管要求儲存於境內伺服器。據多家科技媒體引述知情人士訊息，千問承擔大部分文本生成、摘要總結、圖文理解、內容創作能力，而相機識別、地標搜尋、圖片處理、語音喚醒、Siri中文最佳化等場景化能力則由百度負責。這種多模型協同模式，讓使用者感受到的是一個完整的AI助手，而非多個模型的拼接。

對於千問，這次合作的價值不在於短期呼叫量，而在於一次大規模終端驗證。大模型行業正進入新階段：此前企業通過榜單、評測和開源下載證明能力；但進入手機作業系統後，需要面對穩定性、響應速度、安全隱私等全球級消費電子企業的嚴苛標準。蘋果生態提供的正是這種高規格驗證。這讓人想起十多年前Android走過的路——通過開源和免費授權佔據移動網際網路入口，再通過應用商店和廣告變現。雖然千問不擁有作業系統控制權，但兩者都試圖成為下一代計算平台背後的基礎能力，讓使用者“沒有選擇，只有使用”。

關於商業化路徑，蘋果和阿里均未披露具體商業條款。券商研報分析了幾種可能方式。第一層是固定年度授權費，市場參照蘋果向谷歌支付每年約10億美元授權費的先例，認為這將是一筆可觀的年度固定收入。第二層是算力Token按量計費，機構預計這一部分將超過固定授權費。受監管要求，國行Apple Intelligence的生成式AI推理算力和使用者互動資料必須落地境內伺服器，蘋果在中國沒有自建大規模AI算力基礎設施，複雜AI任務的雲端算力全部採購自阿里雲靈駿智算叢集。IDC資料顯示，國記憶體量iPhone約在2.2億至2.5億部之間，隨著AI功能成為標配，使用者呼叫頻率會逐步上升，這部分收入持續性更強。第三層是電商交易分成，這是阿里獨有的收入來源。國行Apple Intelligence內建了阿里生態的專屬導流權益，使用者在購物類問答、識圖搜同款等場景下，系統生成結構化商品卡片，一鍵喚起淘寶App進入交易鏈路，蘋果按成交GMV分成。此外，阿里雲還可能通過技術輸出或聯合運營的方式，將工程化經驗和雲運維能力轉化為服務型收入。

基於這筆合作，券商紛紛上調了對阿里雲的收入預測。國投證券國際將阿里雲FY27收入預測上調了4%，預計雲智慧業務收入增速為47%。富瑞預計，得益於MaaS及AI相關收入的強勁表現，AI相關收入貢獻預計在未來12個月內達到外部收入的50%；在MaaS方面，預期ARR（年度經常性收入）在2026年第二自然季度提前達到15億美元，並於年底朝45億美元目標邁進。不過，這些預測能否兌現，前提是Apple Intelligence在中國被使用者高頻使用。

這場合作也折射出大模型競爭進入新階段。與電力和雲端計算類似，一項新技術的真正普及，往往取決於它能否被整合進使用者已有的行為習慣，成為“不需要被意識到”的存在。但大模型的難度更高：使用者對獨立AI應用和系統級AI的容忍度截然不同——前者只是“工具不夠好”，後者會歸咎於“手機不行”。系統級AI沒有試錯空間，隱形化的前提是模型在使用者看不見的地方持續提供高質量輸出。這意味著未來大模型公司的競爭，不再只是演算法能力的競爭，也是工程能力、生態協同能力以及基礎設施能力的競爭。

更準確地說，大模型的競爭正在裂變為兩條線。一條在系統層，爭奪的是“使用者無感呼叫”：千問進入Apple Intelligence、豆包嵌入努比亞，都是通過進入手機、汽車等超級生態獲得規模化應用。另一條在應用層，爭奪的是“使用者主動選擇”。系統層AI會壓縮薄殼型AI應用的生存空間（如僅提供簡單對話介面的應用），但難以吞噬需要深度思考、複雜操作和專業知識的“專家需求”，也難以替代嵌入工作流、私有資料閉環的服務。未來的AI終端，更可能是一個系統層AI（總排程）加上無數個能力化的應用層AI（執行者）協同工作的模式。最終，能夠留下來的，要麼在系統層成為使用者感知不到卻離不開的“水電煤”，要麼在應用層建立起不可替代的場景護城河。