跳到主要內容

Siri Gemini評測：蘋果砸10億美元外包AI，賭硬體翻身 | Siri Gemini Review: Apple Pays $1B/Year, Bets on Hardware

By Kit 小克 | AI Tool Observer | 2026-09-07

🇹🇼 Siri Gemini評測：蘋果砸10億美元外包AI，賭硬體翻身

蘋果新執行長 John Ternus 9月1日正式上任，第一件事就是把最尷尬的問題攤在陽光下：Siri追不上對手，乾脆花錢跟Google買技術。Siri Gemini是蘋果與Google去年底敲定、今年初正式公布的合作案，讓Google客製化的Gemini模型接手重建Siri的大腦，傳出每年要付Google約10億美元授權費。這篇文章帶你看懂Siri Gemini到底是什麼、怎麼運作，以及蘋果為什麼寧願外包AI核心，也要保住硬體霸主的位子。

什麼是Siri Gemini？蘋果為何找Google合作？

Siri Gemini是蘋果把Google客製化的1.2兆參數Gemini模型，接進重建版Siri的技術架構，讓Siri具備螢幕理解、跨App推理與對話記憶等能力。蘋果自研模型多年做不出打得贏對手的成果，乾脆認清現實找外援。

根據報導，新版Siri複雜多步驟任務的完成率從58%拉高到92%，回應時間壓在0.5秒內，內部代號「Project Campos」。第一批Gemini驅動功能已隨iOS 26.4上線，更完整的對話式Siri則隨iOS 27在9月正式推出。

Siri Gemini安全嗎？資料會不會被Google拿走？

蘋果強調，Gemini查詢會透過自家Private Cloud Compute處理，採端對端加密與硬體隔離環境運算，模型權重跑在蘋果基礎架構裡，Google拿不到使用者資料——這是蘋果談這筆交易時最在意、也最常拿出來說服使用者的一點。

Ternus的AI策略：不拚模型，拚硬體

比起燒錢死磕前沿模型，Ternus的賭注是「感測器＋裝置」比雲端大模型更懂使用者——例如AirPods上的鏡頭，比純文字聊天機器人知道更多你當下在做什麼。蘋果接下來的硬體布局包括：

  • 內建鏡頭的AirPods，即時讀取環境畫面
  • 智慧眼鏡，正面對標Meta的Ray-Ban AI眼鏡路線
  • 家用機器人顯示裝置，把Siri Gemini搬進客廳
  • 9月9日發表的可折疊iPhone Ultra，是Ternus上任後第一場硬體大考

小克怎麼看Siri Gemini？

老實說，蘋果肯認錯、外包AI大腦，比死撐自研模型健康。Siri Gemini解決的是「腦袋不夠聰明」的問題，但蘋果真正的籌碼從來不是模型參數量，而是十幾億支裝置的分發能力。這場賭局能不能贏，9月9日的新機發表會就是第一個檢查點。

好不好用，試了才知道。

🇺🇸 Siri Gemini Review: Apple Pays $1B/Year, Bets on Hardware

Siri Gemini is what everyone's calling Apple's new AI stack: a custom 1.2-trillion-parameter Google Gemini model quietly powering a rebuilt Siri, under a deal reportedly worth around $1 billion a year. It's also the first real test for Apple's new CEO John Ternus, who took over on September 1 and immediately inherited the one problem Apple couldn't out-engineer on its own — a frontier AI model.

What Is Siri Gemini and Why Did Apple Partner With Google?

Siri Gemini plugs a customized Gemini model into Siri's backend, adding screen understanding, cross-app reasoning, and conversational memory that Apple's in-house models couldn't deliver after years of trying.

Reported benchmarks show complex multi-step task completion jumping from 58% to 92%, with sub-0.5-second responses. Internally codenamed "Project Campos," the first Gemini-powered features shipped with iOS 26.4, and the fuller chatbot-style Siri rolled out with iOS 27 this September.

Is Siri Gemini Private? Does Google See Your Data?

Apple says Gemini queries run through its own Private Cloud Compute — end-to-end encrypted, hardware-isolated enclaves — with model weights hosted on Apple's own infrastructure, not Google's. No user data reportedly leaves Apple's control, which is the pitch Apple leans on hardest.

Ternus's Real Bet: Hardware Over Frontier Models

Ternus's thesis is that sensor-rich devices beat a cloud chatbot at knowing the user — a camera on your AirPods sees more context than any prompt ever could. That bet shows up across Apple's roadmap:

  • Camera-equipped AirPods for real-time environmental awareness
  • Smart glasses competing directly with Meta's Ray-Ban line
  • A robotic home display bringing Siri Gemini into the living room
  • The foldable iPhone Ultra launching September 9 — Ternus's first big hardware test

Kit's Honest Take on Siri Gemini

Admitting Siri needed someone else's brain is healthier than pretending Apple's in-house model was fine. Siri Gemini fixes the "not smart enough" problem, but Apple's real leverage was never model size — it's over a billion devices to distribute through. Whether this bet pays off starts getting tested at the September 9 event.

好不好用，試了才知道 — good or not, you won't know until you try it.

Sources / 資料來源

常見問題 FAQ

Siri Gemini是什麼？

Siri Gemini是蘋果把Google客製化的1.2兆參數Gemini模型接入重建版Siri，讓Siri具備螢幕理解、跨App推理與對話記憶，用來彌補蘋果自研AI模型落後的問題。

Siri Gemini什麼時候上線？

第一批Gemini驅動功能隨iOS 26.4上線，更完整的對話式Siri則隨iOS 27在2026年9月正式推出。

Siri Gemini會把使用者資料傳給Google嗎？

蘋果表示不會。Gemini查詢透過蘋果自家Private Cloud Compute處理，採端對端加密與硬體隔離環境，模型權重跑在蘋果基礎架構上，Google無法取得使用者資料。

蘋果每年要付Google多少錢？

根據Bloomberg等媒體報導，這筆授權合作約每年10億美元，讓蘋果取得客製化的1.2兆參數Gemini模型使用權。

新執行長Ternus的AI策略是什麼？

Ternus押注硬體而非前沿模型：透過內建鏡頭的AirPods、智慧眼鏡、家用機器人顯示裝置等感測器豐富的裝置，讓蘋果比純雲端聊天機器人更懂使用者的即時情境。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容