英伟达与英特尔合作策略 - 英伟达计划在2028年推出的Feynman架构平台将与英特尔合作，采用“量少、低阶、非核心”的合作策略[2][3] - GPU核心芯片仍由台积电代工，I/O芯片部分采用英特尔18A或预定2028年量产的14A制程，最后由英特尔EMIB进行先进封装[3] - 按先进封装比重计算，英特尔最高约占25%，台积电约占75%[3] 美国科技公司供应链策略转变 - 在政治压力、关税威胁和供应链韧性考量下，美国科技企业正从高度集中于台积电的模式转向“多源供应、分散风险”的新策略[3] - 除英伟达外，苹果、谷歌、微软、AWS、高通、博通、超微和特斯拉等企业也在与英特尔洽谈合作[2][3] - 在政治、供应链韧性与台积电先进封装产能受限的现实下，美国芯片大厂势必启动双代工策略[2][6] 苹果与英特尔重启合作 - 苹果与英特尔洽谈的合作代工产品，应是MacBook所搭载的“入门级M系列处理器”[8] - 苹果重启与英特尔合作的主因，是特朗普主导下的美国制造目标与关税冲击，其次是成本、分散单一代工制造风险及产能短缺等因素[8] 台积电的应对策略与影响 - 业界认为部分订单分流至英特尔对台积电“利远大于弊”，有助于降低垄断疑虑、释放政治压力[4] - 台积电有三层战略考量：第一，可降低垄断与监管疑虑；第二，可释放美国政治压力；第三，外溢仅是“非核心”订单，有助于未来议价与供货[10] - 台积电仍有信心稳固各大厂核心的高阶芯片代工大单[10]

文章核心观点 - 苹果公司可能将其纵向整合战略延伸至芯片的光刻制造环节，通过与制造伙伴深度合作来定制工艺，从而在晶体管密度、功耗和散热方面获得独特优势，进一步巩固其硬件性能领先地位 [1][3][8] 苹果的纵向整合战略与芯片控制权 - 公司已通过Apple Silicon从英特尔手中夺回了对CPU、GPU、内存架构、神经网络引擎和电源管理等芯片设计的全面控制权 [3] - 公司脱离英特尔不仅是为了能效比，更是为了掌控产品演进的时间表和能力，摆脱了英特尔路线图延迟和架构限制的束缚 [3] - 目前公司尚未完全掌控的环节是芯片设计在硅片上的物理蚀刻制造过程 [3] 光刻技术的重要性 - 光刻是在硅晶圆上印刷微观晶体管图案的过程，决定了晶体管的尺寸、密度以及电子流动效率 [5] - 现代芯片依赖由单一供应商主导的极紫外光刻技术，每一代技术都决定了芯片的性能、发热、漏电、良率和长期可靠性 [5] - 控制光刻参数实质上意味着控制了计算的未来 [5] 苹果关注光刻技术的原因 - 公司芯片设计旨在在iPhone、iPad、Mac和Vision Pro等设备的严格散热限制内提供持续性能，而光刻选择直接影响性能与散热的平衡 [6] - 通过对光刻施加更深影响，公司可以针对长效工作负载、电池续航和静音运行等已领先的领域进一步优化芯片 [6] - 光刻工艺影响热量在芯片上的分布、散发速度以及在负载下性能的预测稳定性 [6] 苹果获得光刻优势的潜在路径 - 最现实的路径并非自建芯片工厂，而是通过与制造合作伙伴进行影响、协同设计或深度定制光刻工艺 [3][8] - 公司凭借其巨大的生产订单规模和可预测性，可以提前数年承诺海量订单，从而获得影响工艺开发和完善的筹码 [8] - 这可能意味着定制化的工艺变体、专属的晶体管配置，或专门为苹果架构量身定制的光刻优化 [8] 对苹果硬件产品的潜在影响 - iPhone：可能维持更长时间的峰值性能而不降频 [10] - Mac：可能在更薄的外壳中实现更高的性能巅峰 [10] - 电池寿命：可能获得逐年复合式的提升 [10] - 散热设计：可能变得更加可预测，使材料与机身设计能与芯片特性同步 [10] - 这种深度整合将使依赖“现成”芯片设计和通用制造工艺的竞争对手极难追赶 [10] 半导体行业的竞争态势 - 半导体行业正处于一场聚焦于工艺精炼、良率优化和功耗效率的“静默战争”或无声军备竞赛中 [7] - 公司芯片始终如一的行业领先能效比，单靠架构设计无法实现，表明其与代工厂存在极高水平的协同，可能已在推动制造工艺超越提供给其他客户的标准配置 [7] - 公司很少公开讨论制造战略，其光刻影响力对消费者不可见但结果显而易见，这种沉默是战略性的，使其能投资于产生长期复合优势的基础层 [12] 对行业的长期影响 - 若公司继续向光刻级控制迈进，将进一步把自身与传统的PC和移动生态系统区分开来，实现硬件、软件和制造的融合 [14] - 这不仅影响性能指标，还将影响公司的定价权、供应链韧性以及推出新形态产品的节奏 [14] - 在未来，公司可能不仅仅是先进制造的客户，更将成为其建筑师之一 [14]

苹果macOS 26.2 Beta的AI能力升级 - 苹果在最新的macOS 26.2 Developer Beta中进行了两项重大改进，旨在强化Mac的AI能力，特别是集群化部署[10] - 第一项改进是苹果的开源阵列框架MLX现在可以调用M5处理器的神经网络加速器，使得第三方AI模型也能利用此硬件加速，提升了响应速度和模型微调的灵活性[10][12] - 第二项改进是Mac集群可以使用一种新的基于雷雳5协议的更高速传输通道，以优化集群间的数据传输[10] 神经网络加速器与MLX框架的拓展 - M5处理器在GPU的每个核上都加入了神经网络加速器，实现了跑本地模型“10核赶上24核”的效果[10] - 更新后的MLX框架让开发者能在macOS程序中部署和微调AI模型，并实现纯本地运行，使得不依赖Apple Intelligence的Mac用户也能受益于硬件加速[12] - 这一改进为Mac整体AI能力的进一步提升打下了基础[14] 雷雳5协议优化与集群性能突破 - 此前，Mac集群通过雷雳5物理连接，但macOS仅支持通过TCP-IP协议进行通信，这导致了较高的节点间延迟，限制了负载分配效率，只能使用相对低效的“管线并行”方式[18][20][21] - macOS 26.2 Beta引入了一套新的以雷雳5为基础的连接协议，大幅改进了传输延迟，实现了超低延迟的大带宽交换[23] - 新协议让集群中的每块M3 Ultra处理器都能直接调度全部2TB的统一内存池，效果类似RDMA，但完全依赖现有雷雳5硬件，无需额外网卡或光模块[23][25] - 这一优化使得Exo Labs在其最新软件Exo V3中实现了更高效的“张量并行”负载分配，相比旧的“TCP-IP + 管线并行”方案，极大提升了任务协调效率和每秒生成的token数[25] 实际应用与性能表现 - 借助新协议，Exo V3允许在不同型号的M系列处理器间搭建集群，并可灵活选择TCP-IP或雷雳5协议、管线并行或张量并行方式[27] - 在四台顶配M3 Ultra Mac Studio集群上，Exo V3成功纯本地运行了量化后约800GB内存的Kimi-K2-Thinking模型，这是一个采用混合专家架构的一万亿参数大语言模型，输出速度达到约25 token/秒[27][28][30] - 该模型总参数量为1T，激活参数量为32B，其规模与主流闭源模型如Gemini 1.5和GPT-4（1～2万亿参数MoE架构）相近[28][30] - 运行该万亿参数模型时，四台Mac Studio集群的总功耗仅为500W左右[38] 对企业和商业市场的潜在价值 - 苹果强化Mac的集群AI性能，主要瞄准了“企业本地部署”市场，该市场因商业信息保密和细分化需求，对纯本地化AI解决方案有强烈需求[34][36] - 与传统散装服务器方案相比，Mac Studio集群在空间占用、散热规模和用电成本上具有显著优势，其总拥有成本可能远低于传统方案[38][39] - Mac集群保留了纯本地运行AI模型的所有优势，包括数据私密性、全方位的模型微调能力以及动态负载分配能力，这些特性对企业部署场景至关重要[41] - 对于企业用户而言，这些优势可能比“绝对性能”更为重要[41] 技术积累与战略意义 - Mac成为有竞争力的本地AI工作站，部分源于苹果此前技术积累的“无心插柳”，包括统一内存架构、雷雳5接口以及在GPU核心中集成神经网络加速器等设计[42][48][51] - 这些最初为其他目标（如跨端体验一致性、高规格音画输出、Apple Intelligence）设计的技术，恰好契合了AI模型行业化、规模化应用爆发时对隐私、能效和成本控制的核心诉求[44][46][51] - macOS 26.2是一次纯软件更新，后续所有支持雷雳5的Mac机型都能在集群场景中受益，提升了现有Mac设备（如用于内容创作的Mac Studio）的潜在价值和应用范围[46]

公司高管离职动态 - 苹果公司正面临一系列高管离职的挑战 这些离职事件已演变成一场全面危机 [1] - 投资者焦虑因最新报道而加深 报道称苹果芯片优势的架构师Johny Srouji可能成为下一位离职者 [1] 公司股价与市场反应 - 苹果公司股票正面临一些阻力 [1]

核心高管动荡与潜在离职 - 苹果公司高级副总裁兼硬件技术负责人Johny Srouji已告知CEO Tim Cook考虑在近期离职 他是苹果芯片及关键硬件技术发展的核心人物 若离职可能加入另一家公司[1] - 为挽留Srouji 公司CEO提供了丰厚的薪酬待遇及潜在的首席技术官职位[1] 高管离职潮与领导层重组 - Srouji的潜在离职是苹果公司今年异常动荡的高管团队中又一引人注目的变动[2] - 本周公司确认了总法律顾问Kate Adams和环境事务主管Lisa Jackson将于2026年退休[2] - 近期离职的高管还包括转投Meta Platforms Inc的设计主管Alan Dye 以及将于明年春季卸任的人工智能主管John Giannandrea[2] - 长期担任首席运营官的Jeff Williams近期也已退休 许多高级领导人接近典型退休年龄 公司正在进行更广泛的重组[2] 对技术路线与业务的影响 - Srouji的领导对建立苹果强大的定制芯片计划至关重要 该计划包括用于iPhone和iPad的A系列处理器 以及将Mac成功过渡到苹果芯片[3] - 他的离职可能严重影响苹果未来的人工智能硬件路线图 因为定制芯片对人工智能性能和设备端机器学习能力至关重要[3] - 持续的领导层变动以及据报道苹果在人工智能方面的挫折 包括苹果智能功能推出慢于预期和Siri更新延迟 突显了公司面临的挑战[3]

云端AI算力投资与英伟达的本地计算布局 - 全球云端AI算力中心投资规模巨大，预计到2028年累计支出接近3万亿美元，其中1.4万亿美元由美国大型科技公司覆盖 [4] - 微软宣布投资约800亿美元建设AI数据中心，主要用于训练AI模型和推出AI云应用 [4] - 英伟达发布售价3999美元的DGX Spark桌面级AI超算，并与多家OEM厂商合作计划在2025年底前全球分销，该设备提供千万亿次浮点运算性能和128GB统一内存，支持对2000亿参数模型进行推理和700亿参数模型进行微调 [4][5] 消费终端Local AI的构成要素 - 消费终端Local AI的成熟需具备三大要素：端侧硬件算力底座（如DGX Spark）、本地模型的生态工具链以及能在真实场景中运行的本地产品 [6] - Apple Silicon等芯片正持续下放端侧推理能力，同时Ollama等本地运行时和Gemma 3等端侧模型供给加速成熟，推动离线本地产品从“跑起来”走向“用起来” [1][2] 消费终端Local AI面临的关键挑战 - 当前消费终端Local AI的大众化落地仍面临关键门槛，包括本地算力和能效、内存带宽、知识更新以及开箱即用体验等方面的制约 [1][3] - SLM（小语言模型）与端侧芯片新架构的结合，将是推动消费终端Local AI能力边界扩展的关键方向 [3]

市值表现与市场预期 - 英伟达过去两年股价涨幅超过苹果涨幅的10倍 [4] - 投资者普遍认为苹果错失AI浪潮 并长期看衰其发展前景 [5][6] - 苹果Siri语音助手性能被指不及小米小爱同学 [5] 历史技术渊源与硬件布局 - 乔布斯1988年通过摩托罗拉DSP处理音频及科学计算 早于英伟达成立时间 [7] - NeXTdimension图形处理卡采用英特尔64位RISC处理器i860 领先同期PC图形加速技术35年 [8][9] - Pixar早期硬件Pixar Image Computer因性能过于强大且成本高昂（折算现值超百万美元）未能商业化 [13] - 苹果通过收购PA Semi团队奠定Apple Silicon基础 英伟达核心架构师Brian Kelleher源自DEC的MIPS团队 [13] 生态竞争与战略冲突 - 苹果因2007-2008年"Bump门"质量事件与英伟达关系恶化 [14] - 英伟达试图通过nForce 200芯片组控制苹果生态 同期推出CUDA平台 [14] - 苹果为保持生态控制权 放弃桌面科研与游戏市场 甚至因芯片限制终止汽车项目 [15] - 苹果在M1发布前夕弃用OpenGL 转而自研Metal图形接口和MPS科学计算框架 [16] 技术路径与产能优势 - 苹果采用芯片级胶水拼接技术（Chiplet） 可将M系列芯片组合为Max/Ultra等形态并集成统一内存/HBM [17] - M4 Mac Mini集群在推理速度上优于同价位英伟达平台 且Apple Silicon因量产规模具备成本优势 [18] - 苹果已租用谷歌TPU集群进行训练 并由博通代工的Baltra数据中心芯片将于明年量产 [19] 生态壁垒与端侧AI布局 - 苹果生态无需依赖CUDA 谷歌同样通过自研TPU摆脱外部依赖 [21][22] - iOS 18重点集成Apple Intelligence端侧AI 在能效、延迟和系统集成方面优于安卓碎片化方案 [24][27] - 端侧AI可处理多语言对话及基础情感交互 无需庞大世界知识库 未来交互模式类似Apple CarPlay [26] 行业竞争格局演变 - AI竞争从云端算力军备竞赛转向终端用户体验革命 [28] - 谷歌广告业务未受生成式AI冲击 收入持续增长 自有AI实力跃居T1层级 [22] - 英伟达开发生态与苹果应用生态将共同定义下一代智能体验格局 [28]

苹果自研芯片战略升级 - 公司将在新款Apple TV 4K中搭载首款自研Wi-Fi/Bluetooth芯片（代号Proxima），取代博通方案，并计划于年内推出售价更低的版本[1] - iPhone 17系列将于2024年秋季全系采用自研Wi-Fi/Bluetooth芯片，而Apple TV 4K可能率先试水该技术[3][13] 自研芯片体系分类与扩展 - 公司自研芯片体系分为三类：主控SoC系列（如A/M/S/H/R系列）、功能模块类芯片（如W/U/T/R1系列）及基础能力芯片（包括PMIC/显示控制/Wi-Fi/基带芯片）[5][7][10] - 算力平台已完成"大一统"（Mac全线采用M系列），现阶段重点转向边缘芯片自研，例如Vision Pro的R1协处理器将传感器数据处理延迟压缩至12毫秒[4][10] 核心芯片技术进展 - 首款自研基带芯片C1已于2024年初在iPhone 16首发，目前仅支持Sub-6GHz但功耗表现优于高通方案[11] - 第二代基带芯片C2预计2026年应用于iPhone 18全系，并后续扩展至MacBook和iPad产品线[13] 战略动机与行业趋势 - 自研芯片旨在全面掌控连接能力（如蓝牙/Wi-Fi/基带），减少对博通/高通等第三方依赖，提升设备协同体验与能耗控制[14][19] - 华为通过麒麟SoC、基带、ISP、NPU等多线布局实现核心模块自研，小米则从模块芯片（澎湃C1/P1/G1）逐步向手机SoC（玄戒O1）过渡[16] - 消费电子巨头通过芯片自研实现硬件生态协同，一次研发可复用于手机/耳机/手表/平板/车载/XR等多产品线，提升投入产出比[18]

公司战略与目标 - 苹果首席执行官蒂姆·库克罕见召开全员大会，向数万名员工传达公司"必须"在人工智能领域取得胜利的目标，并将为此投入"不设上限"的资源 [1] - 库克强调人工智能的影响将超越智能手机与互联网，公司必须布局该领域以避免落后 [3] 历史经验与信心 - 库克援引公司历史表示，苹果并非首次后发制人，如Mac、iPhone、iPad均重新定义了行业标准 [3] - 公司对在人工智能领域取得成功充满信心，认为有能力再次重塑行业 [3] 技术布局与投资 - 苹果将自研下一代Apple Silicon芯片，AI加速器规模将翻倍，成为所有终端设备的核心引擎 [3] - Siri项目被重构，原混合架构因质量未达标被放弃，交由Vision Pro负责人团队重新设计端到端大语言模型架构，预计2025年发布重大升级 [3] - 公司已评估收购或深度合作多家AI初创公司，包括Perplexity与Mistral [3] - 苹果继续与OpenAI、Anthropic保持技术对话，以加速AI功能落地 [3]

公司战略与目标 - 苹果公司首席执行官蒂姆·库克罕见召开全员大会 明确公司必须在人工智能领域取得胜利 并将投入"不设上限"的资源 [1] - 库克强调苹果历史上多次后发制人 重新定义行业标准 包括Mac PC iPhone智能手机 iPad平板电脑 人工智能的影响将超越智能手机与互联网 [2] 技术研发与产品规划 - 下一代Apple Silicon将把AI加速器规模翻倍 成为所有终端设备的核心引擎 [2] - Siri原混合架构因质量未达标被放弃 项目交由Vision Pro负责人迈克·罗克韦尔团队重新设计端到端大语言模型架构 预计2025年发布重大升级 [2] 合作与收购动态 - 苹果已评估收购或深度合作多家AI初创公司 包括Perplexity与Mistral [2] - 苹果继续与OpenAI Anthropic保持技术对话 以加速AI功能落地 [2]