苹果憋了八年，Siri终于要大改

导读：6月8日，库克将站在WWDC舞台上，宣布一件苹果八年没做成的事。

一位苹果工程师在内部会议上放下咖啡杯，在白板上画了个圈——这是Siri新架构的第一张草图。三个月后，这张草图将变成iOS 27上最显眼的功能更新。

八年僵局：Siri为什么一直"听不懂"

2016年，Siri团队负责人Bill Stasior离职。此后八年，苹果换了四任Siri主管，每次交接都伴随着同一个承诺：Siri会变得更好。

但用户感知到的变化微乎其微。你依然要说"嘿Siri，打开灯"，停顿，再说"嘿Siri，把亮度调到50%"。两个指令之间没有记忆，没有上下文，就像对着两台不同的机器说话。

竞争对手没有给苹果留面子。ChatGPT在2022年底发布后，用户开始用同一个问题测试两者："明天旧金山会下雨吗？如果下雨，帮我订一辆早上8点的车去机场。"

ChatGPT能理解这是两个关联请求。Siri只能执行前半句，或者干脆打开天气应用。

这种差距不是功能缺失，是架构层面的代差。Siri诞生于2011年，核心设计是"命令-执行"模式：识别关键词，匹配预设动作，返回结果。每个请求独立处理，系统不保留对话状态。

这种模式在十年前够用。当时语音助手的主要场景是设闹钟、查天气、播放音乐——单轮指令就能解决。但用户现在期望的是对话：追问、修正、组合多个意图。

苹果并非没有尝试。2023年，苹果在WWDC上展示了"更自然的Siri"，实际更新却是界面微调。2024年，Apple Intelligence（苹果智能）上线，Siri获得了屏幕感知能力，可以回答"这张图片里是什么"，但依然无法连续对话。

内部人士透露，真正的瓶颈在于技术债务。Siri的后端由多个独立系统拼接而成：语音识别归一个团队，自然语言理解归另一个，执行层又是另一套代码。每次改动需要协调五六个部门，进度以季度为单位计算。

一位前工程师在离职博客中写道："我们不是在优化Siri，是在考古。每行代码都有2014年的注释，但没人敢删。"

转折点：2024年夏天的秘密重组

变化发生在2024年6月。苹果机器学习负责人John Giannandrea被曝亲自接管Siri团队，直接向CEO Tim Cook汇报。这是Siri历史上第一次由高级副总裁直接负责。

同时，苹果从Google DeepMind挖来了多位大语言模型（大型语言模型，一种能理解和生成自然语言的人工智能技术）专家。其中一位关键人物是Ruoming Pang，他曾在Google领导Gemini的语音交互项目。

这些动作没有出现在任何新闻稿里。直到2025年1月，彭博社记者Mark Gurman披露：苹果正在开发"LLM Siri"——一个基于大语言模型重新构建的语音助手，内部代号"Jeopardy"。

新架构的核心变化有两个。第一，对话管理。系统会维护一个持续的对话状态，记录用户之前说过什么、想要什么、已经做了什么。这意味着你可以说"刚才那个再大一点"，Siri知道"那个"指什么。

第二，意图解析的升级。旧版Siri依赖规则匹配：如果用户说"播放"，匹配音乐应用；说"导航"，匹配地图。新版采用生成式模型，能理解更模糊的表达，比如"我心情不好，来点合适的"。

这些技术本身不新。OpenAI、Google、Anthropic在2023年就已经实现。苹果的挑战在于规模：Siri每月活跃用户超过5亿，设备覆盖从iPhone 6s到最新Mac Pro。任何改动都不能牺牲响应速度，也不能大幅增加云端成本。

据知情人士透露，苹果采用了混合架构：简单指令仍在本地处理，复杂对话路由到云端的大模型。关键优化在于"路由决策"本身——系统需要快速判断一个请求该走哪条路，这个判断的准确率直接影响用户体验。

2025年3月，苹果在内部测试中首次实现了"连续10轮对话无中断"的指标。参与测试的员工描述："感觉像换了个人。你可以说'找一家意大利餐厅，要评分4.5以上，今晚有空位，离我不超过20分钟车程'，然后问'那家有什么招牌菜'，再问'帮我订两个人'——全程不用重复位置或时间。"

WWDC倒计时：哪些功能会亮相

6月8日的主题演讲，苹果有90分钟。根据惯例，iOS 27、iPadOS 27、macOS 16、watchOS 12会各占15-20分钟，留给Siri的窗口大约10-15分钟。

从泄露信息看，演示重点可能是三个场景。

场景一：跨应用任务。用户可以说"把我昨天拍的照片发给妈妈，告诉她我到了"，Siri需要调用照片应用识别"昨天的照片"、通讯录匹配"妈妈"、信息应用发送消息。旧版Siri无法串联多个应用，新版据称支持"至少三个应用的组合操作"。

场景二：知识追问。用户可以问"这家公司去年营收多少"，得到答案后继续问"那净利润呢"，再追问"和前年比怎么样"。系统需要理解"那"指代前一句的主语，"和前年比"是时间维度的对比请求。

场景三：个性化记忆。Siri会记住用户的偏好：常用联系人、常去地点、饮食禁忌、日程规律。这些记忆用于主动建议，比如"你通常周三晚上健身，要我现在预约吗"。

界面也会有变化。据9to5Mac获取的截图，新版Siri采用全屏对话视图，类似ChatGPT的聊天界面，但保留了苹果标志性的渐变光效。语音输入时，屏幕底部会出现波形动画，视觉反馈比旧版的静态麦克风图标更丰富。

一个细节值得注意：苹果似乎在刻意区分"Siri"和"Apple Intelligence"。前者是语音交互品牌，后者是底层技术框架。这种区分可能是为了应对监管——欧盟正在调查苹果是否利用Siri垄断语音助手市场，将技术品牌独立有助于切割责任。

商业逻辑：苹果为什么现在必须改

语音助手不是独立产品，是生态系统的锁扣。用户习惯用Siri控制HomePod，就很难切换到Alexa；习惯用Siri发消息，换Android手机的成本就更高。

但这个锁扣正在松动。亚马逊Alexa在2024年推出了生成式AI版本，支持连续对话；Google Assistant整合了Gemini，能理解复杂指令。更直接的威胁来自手机端：三星Galaxy S25系列预装了Gemini作为默认助手，用户可以直接说"帮我写封邮件"而不唤醒Bixby。

苹果的应对是"延迟但彻底"。相比竞争对手的渐进更新，苹果选择了重构底层架构。代价是时间——从2024年6月重组到2025年6月发布，整整一年没有重大功能更新，这在苹果历史上罕见。

收益可能是长期的。大语言模型的训练成本极高，但推理成本（实际运行时的计算开销）正在快速下降。苹果如果能在2025年推出成熟的端云混合方案，未来三年的运营成本将显著低于完全依赖云端的竞争对手。

另一个隐性动机是Apple Intelligence的推广。这项技术在2024年上线后，用户感知度有限——大多数功能藏在照片编辑和邮件摘要里，没有杀手级场景。Siri是Apple Intelligence面向用户最直接的入口，如果语音交互体验质变，整个技术框架的价值会被重新评估。

供应链消息显示，苹果正在要求A18及后续芯片增加神经网络引擎（NPU，专门用于加速人工智能计算的处理器模块）的算力配额，专门用于本地大模型推理。这意味着2025年的Siri更新可能只是开始，未来两到三年会有持续的功能释放。

风险与悬念

并非所有人都乐观。一位参与内部测试的开发者提到，新版Siri的"幻觉率"——即编造事实或误解意图的概率——仍高于ChatGPT。"你可以连续对话了，但第7轮它可能突然说错你的地址，而你不会意识到。"

苹果的解决方案是"置信度阈值"：系统对不确定的请求，会主动要求确认，或者降级到旧版Siri的处理模式。这种保守策略可能让部分场景的体验打折扣，但降低了出错风险。

更大的悬念是第三方生态。旧版Siri支持数万个第三方应用的快捷指令，但这些指令需要开发者手动配置。新版Siri据称能"自动理解"应用功能，无需预设指令——如果属实，这将大幅降低开发者的接入成本，但也意味着苹果需要更精细的权限控制，防止恶意应用被意外触发。

WWDC的开发者分会将披露更多细节。目前可以确定的是，新版Siri不会一次性覆盖所有设备和地区。英语市场、A17 Pro及以上芯片设备会优先获得完整功能，旧设备和其它语言的更新将分批推送。

这种分阶段策略在苹果历史上多次出现：Apple Watch的蜂窝功能、Face ID、甚至最初的Siri本身，都是先限定设备和地区，再逐步扩展。好处是控制质量风险，代价是引发"苹果歧视老用户"的批评。

数据收束

2011年，Siri随iPhone 4s发布，成为首个大规模商用的语音助手。14年后，它终于迎来架构层面的重生。6月8日的WWDC，如果演示顺利，将是苹果AI战略的转折点——不是因为它领先，而是因为它终于追上了用户期待的起跑线。