Apple 正集中押注於在你的裝置上而非在資料中心運行的人工智慧，其 WWDC 公告中的兩條線索顯示了這份刻意有多深。其中一條是名為 Core AI 的新開發者框架。另一條則是關於下一代 Siri 究竟如何使用 Google 的 Gemini 的較低調細節，兩者共同描繪出一家公司，試圖擁有自家硬體上運行的模型，同時借用對手的模型，僅僅是為了教導自己的模型。
Core AI 是 Core ML 的後繼者，後者是 Apple 長期以來的裝置端機器學習框架，而 Core AI 是為生成式時代打造的。它讓 App 能完全在裝置端運行大型語言模型與生成式 AI，毫無伺服器依賴，也沒有 token 成本，並透過記憶體安全的 Swift API 同時支援自訂的 PyTorch 模型與預先最佳化的開源模型。Apple 表示它涵蓋很廣的範圍，從精簡的 30億參數視覺模型，到最高 700億參數的大型推理模型，並具備提前編譯以達成即時載入時間，以及 KV-cache 管理，自迴歸解碼，與專為注意力打造的 Metal 4 核心等生成式 AI 最佳化技術。它可跨 iPhone，iPad，Mac 與 Apple Vision Pro 運行，現已隨 Xcode 27 beta 提供給開發者，並預計在秋季的正式版中推出。
關於 Siri 的細節更為微妙，在某些方面也更具說明性。根據對主題演講未言明內容的分析，Apple 把 Gemini 當作老師而非引擎。Gemini 生成訓練資料與學習訊號，這些被蒸餾進 Apple 自家的第三代 Foundation Models，這個步驟在開發期間僅進行一次，而實際回答你請求的模型則在裝置上運行。只有在少數超出裝置端模型能力的請求時，才會作為後備在雲端連上 Gemini。
這個區別正是重點所在。訓練期的老師是一種一次性且可逆的依賴，是 Apple 日後可以替換或逐步擺脫的那種，而執行期的引擎則會是觸及隱私，延遲，以及每一次查詢成本的結構性鎖定。如此解讀，那種說 Apple 如今依賴 Gemini 的標題其實言過其實：這是一層層的讓步，而非投降，Apple 保留了最重要的部分，也就是在自家模型上的裝置端推論，僅僅讓出了一個雲端後備。這項安排並未公開任何數字，不過 The Information 曾報導，在 Apple 未予證實的情況下，部分雲端推論可能在 Google 資料中心內的 Nvidia B200 晶片上運行。
值得關注的原因在於它所指向的方向。在本地運行從數十億到 700億參數的模型，以零 token 成本，並透過從更大的前沿模型蒸餾知識來訓練它們，是當前 AI 領域最具影響力的押注之一，因為它把能力拉回裝置端，拉出計費的雲端。Apple 擁有的晶片與規模，能比幾乎任何人都把這條路推得更遠。誠實的但書是，正式版要到秋季才會推出，大型裝置端模型的真實世界效能仍是未解問題，而老師而非引擎的說法，有一部分是 Apple 對一段它寧願淡化的關係所做的自家框定。但由蒸餾教導出來的自有裝置端模型，正是許多有趣工作正在前往的方向，而 Apple 才剛把建構於其上的框架交到了開發者手中。