🏢

苹果

公司
提及 61 次热度 100首见 2026-08-15末见 2026-11-17

苹果是全球消费电子与软件生态公司,主营 iPhone、Mac、iPad、可穿戴设备及服务业务,自研 M 系列与 A 系列芯片内置神经引擎,为端侧 AI 提供算力基础。在 AI 方向,苹果推出 Apple Intelligence,强调设备端处理与“私有云计算”的隐私架构,并将相关能力嵌入系统应用与 Siri,同时表态在部分场景引入第三方模型合作。行业关注点集中在它相对谨慎的 AI 战略节奏、Siri 升级进度以及端侧 AI 与隐私取舍,其在个人设备 AI 分发上仍具关键位置。

跨日关注度趋势

‹2024年10月›

柱高=当日提及条数,柱上数字=条数,无提及日为 0(无柱高)

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
本月提及 0 条平均热度 0平均影响 -活跃 0/31 天

完整时间线

  1. 2026-09-13基础模型研究热度 50 · 影响 3

    苹果想用你的私人数据训练 AI

    苹果发布第三代基础模型研究,提出利用用户私人数据进行训练的方法。这引发隐私担忧,但也可能通过设备端学习提升个性化体验,苹果需要在创新与隐私保护之间取得平衡。

    来源:Hacker News
  2. 2026-09-10AI 应用发布热度 80 · 影响 3

    苹果Apple Watch新增AI功能持续监听环境,引发隐私与同意权争议

    苹果新款Apple Watch具备转录近期语音和总结环境对话的能力,虽声称不保存原始音频,但引发关于同意、隐私和行为的深层问题,可能推动可穿戴设备隐私标准的建立。

    来源:TechCrunch AI
  3. 2026-09-10AI 应用发布热度 90 · 影响 4

    苹果发布首款折叠屏iPhone Duo,起售价15999元,AI参与铰链设计

    苹果在秋季发布会上推出首款折叠屏手机iPhone Duo,采用AI与3D打印技术制造铰链。该产品定价高端,可能重塑折叠屏市场竞争格局,并验证AI在精密制造中的应用价值。

    来源:TechCrunch AI
  4. 2026-09-10AI 3D发布热度 60 · 影响 3

    苹果利用AI与3D打印制造iPhone Duo铰链,折叠屏核心部件工艺突破

    苹果在折叠屏iPhone Duo的制造中引入AI与3D打印技术,用于铰链生产。此举可能降低折叠屏关键部件的成本并提升耐用性,为行业提供新的制造范式。

    来源:TechCrunch AI
  5. 2026-09-10AI 医疗发布热度 70 · 影响 3

    苹果健康App更新:基于Apple Intelligence计算“健康年龄”与准备度评分

    苹果更新健康App,利用Apple Intelligence分析用户健康数据,计算“健康年龄”和准备度评分。该功能将AI健康评估推向大众,可能改变个人健康管理方式并引发数据隐私讨论。

    来源:TechCrunch AI
  6. 2026-09-10AI 安全发布热度 60 · 影响 3

    苹果推出Apple Reference Image工具,可验证iPhone照片是否被AI篡改

    苹果推出Apple Reference Image工具,帮助用户判断照片是否被编辑,包括AI修改。该举措回应了AI生成内容泛滥带来的信任危机,可能成为数字内容真实性的行业标准。

    来源:TechCrunch AI
  7. 2026-09-10AI 应用发布热度 90 · 影响 4

    苹果首款折叠屏iPhone Duo发布:15999元起,AI参与设计

    苹果正式发布首款折叠屏手机iPhone Duo,起售价15999元,AI参与铰链设计。该产品是苹果在折叠屏领域的首次尝试,可能凭借生态优势冲击现有折叠屏市场。

    来源:量子位
  8. 2026-09-02开源发布热度 35 · 影响 3

    PyTorch 2.14发布:Inductor、分布式与Apple Silicon支持更新,487位贡献者提交2995个commit

    PyTorch发布2.14版本,重点更新Inductor编译器、PyTorch Distributed与c10d通信、动态形状处理,以及Apple Silicon和多种加速器平台支持;自2.13以来共有487位贡献者提交2995个commit。迭代方向很明确:异构算力(非英伟达加速器与M系列芯片)与动态形状下的训练推理效率。对使用国产芯片的团队而言,上游对多后端的持续收编,正在把换芯片的迁移成本从编译器层面逐步抹平。

    来源:InfoQ

← 返回搜索