文 | 市值榜，作者 | 贾乐乐 ，编辑 | 嘉辛
2026 年 7 月 8 日，苹果技术开发（上海）有限公司申报的 "Apple 智能 " 完成生成式人工智能服务备案。7 月 15 日，网信中国公布 7 款手机端侧生成式人工智能服务备案信息，"Apple 智能 " 正式在列。
这意味着筹备一年半的国行 Apple Intelligence，扫清了上线前的最后一个合规障碍。
消息公布当天，阿里巴巴方面确认，千问将作为 AI 能力集成至 Apple 智能，覆盖中国区 iOS、iPadOS、macOS 和 visionOS 全系列设备，提供文本与图像理解、内容生成、多轮对话等服务。资本市场迅速反应，阿里巴巴美股股价一度涨超 7%。
当国内存量 iPhone 超过 2 亿部，千问作为背后的 AI 底座被默认调用，这件事对千问、对阿里、对整个大模型行业，意味着什么？当 AI 成为操作系统背后的默认能力，整个行业的游戏规则将如何改写？
一、千问获得了什么？
2025 年 2 月，在阿联酋迪拜举行的世界政府峰会上，阿里巴巴董事局主席蔡崇信首次确认，阿里正在与苹果合作，为 Apple Intelligence 进入中国市场提供本地化 AI 能力。
蔡崇信当时透露，苹果为了进入中国市场，需要寻找一家本土 AI 合作伙伴，并曾与多家中国企业进行接触，最终选择阿里。
这场合作的意义，并不只是阿里获得了一个重要客户。
对千问而言，此次合作发生在一个微妙的时点。
当前，中国大模型行业的 C 端竞争正趋于白热化：一边是豆包凭借规模优势在应用端快速起量，一边是依托 12 亿月活生态的微信 Agent 蓄势待发，千问面临的是一个已经被分割的流量战场。在这种格局下，继续走 " 让用户主动下载 AI 应用 " 的路径，意味着要在已经拥挤的应用商店里与对手贴身肉搏。
苹果的原生入口，恰恰提供了一种绕开这条拥挤赛道的机会。它让千问有机会进入一个完全不同的竞争维度。
此前，无论是在阿里内部业务中的 AI 应用，还是通过通义千问 App 触达消费者，这些场景下，用户或者企业都是在主动选择 AI。
而进入 Apple Intelligence 后，千问面对的是完全不同的分发逻辑。它不再只是一个被用户下载、被开发者调用的模型，而有机会成为操作系统背后的默认 AI 能力。
这意味着，大模型竞争的价值衡量标准正在发生变化，从参数规模、推理能力、开源生态等技术能力，到真实商业环境中的工程与生态指标。
从公开信息来看，合作采用端云协同的技术方案。设备端依托苹果自研芯片完成轻量级基础 AI 运算，保障响应速度和隐私安全；长文本处理、复杂逻辑对话、多模态生成等云端需求由阿里千问提供算力支撑。全部用户相关数据按监管要求存储于境内服务器。
具体到场景上，据多家科技媒体引述知情人士消息，千问承担 " 大部分文本生成、摘要总结、图文理解、内容创作能力 "，" 相机识别、地标搜索、图片处理、语音唤醒、Siri 中文优化 " 等场景化能力则由百度负责。
对于千问而言，这种合作价值并不在于短期增加多少调用量，而在于获得一次大规模终端验证。
大模型行业正在进入一个新的阶段。此前，企业可以通过榜单、评测和开源下载证明模型能力；但真正进入手机操作系统后，需要面对的是另一套标准：模型是否足够稳定？是否能够适应真实用户需求？是否能够在复杂场景中持续运行？是否能够满足全球级消费电子企业对安全、隐私和可靠性的要求？
苹果生态提供的，正是这样一次高规格验证。
这笔合作让人想起十多年前 Android 走过的路。Android 当年靠开源系统和免费授权，绑定全球手机厂商，占据了移动互联网的入口，再通过应用商店和广告生态变现。
虽然千问目前并不拥有操作系统控制权，但二者有一个共同点：都试图成为下一代计算平台背后的基础能力，让用户没有选择，只有使用。
二、 商业化路径猜想
前面提到，这笔合作的消息影响了阿里巴巴当天的股价，而将如何影响阿里云甚至是阿里的财报数据，苹果和阿里都未披露具体的商业条款。
券商的研报分析这笔合作对阿里收入的贡献方式，可能有以下几个路径。
第一层是固定年度授权费。这是最直接的收入，也被认为是确定性比较高的收益形式。
国行 Apple Intelligence 上线后，苹果需要获得千问模型的系统级使用授权。市场参照苹果向谷歌支付每年约 10 亿美元授权费的先例，认为这将是一笔可观的年度固定收入。
第二层是算力 Token 按量计费。机构预计这一部分将超过固定授权费。
国行 Apple Intelligence 受监管要求，生成式 AI 的推理算力和用户交互数据必须落地境内服务器。苹果在中国没有自建的大规模 AI 算力基础设施，复杂 AI 任务的云端算力全部采购自阿里云灵骏智算集群。
这意味着每一次用户发起复杂 AI 请求，背后都对应着阿里云的 Token 消耗。
IDC 数据显示，国内存量 iPhone 约在 2.2 亿至 2.5 亿部之间，随着 AI 功能成为设备标配，用户调用频率会逐步上升，这部分收入的持续性比固定授权费更强。
第三层是电商交易分成。这是阿里独有的收入来源。
国行 Apple Intelligence 内置了阿里生态的专属导流权益。用户在购物类问答、识图搜同款等场景下，系统会生成结构化商品卡片，一键唤起淘宝 App 直接进入交易链路，苹果按成交 GMV 分成。
这层收入不依赖 AI 调用量，而依赖交易转化，天花板取决于用户通过 AI 功能产生的实际购买行为。如果未来 Apple Intelligence 推出订阅制服务，阿里也有望获得远期订阅分成。
前三层收入，本质上分别对应着三种不同的商业资源在变现：技术授权、算力基础设施、用户交易场景。
除此之外，提供 " 服务与经验 " 也是可能的合作方式。阿里云如果以技术输出或联合运营的方式，参与苹果 AI 系统在中国的部署与运维，就等于将自己的工程化经验和云运维能力直接转化为服务型收入。这笔收入不依赖用户调用量，也不依赖电商转化率，而是对阿里云长期积累的行业服务能力的一次直接定价。
这些预测何时能转化为财报上的实际数字，可以参考行业先例。华为、小米等厂商的端侧 AI 功能从完成备案到正式上线，通常需要 1.5 到 3 个月。
基于这笔合作，券商纷纷上调了对阿里云的收入预测，国投证券国际将阿里云 FY27 收入预测上调了 4%，预计云智能业务收入增速为 47%。富瑞预计，得益于 MaaS 及 AI 相关收入的强劲表现，AI 相关收入贡献预计在未来 12 个月内达到外部收入的 50%，在 MaaS 方面，预期 ARR ( 年度经常性收入 ) 在 2026 年第二自然季度提前达到 15 亿美元，并于年底朝 45 亿美元目标迈进。
前提是 Apple Intelligence 在中国会被用户高频使用。
三、大模型竞争进入下一个阶段
在技术扩散的进程中，一项新技术的真正普及，往往不取决于它作为一个独立产品有多强大，而取决于它能否被整合进用户已有的行为习惯和工具环境中，成为 " 不需要被意识到 " 的存在。
完全标准化的电力是如此：早期，谁掌握大规模发电和长距离输电，谁就掌握行业话语权，今天没人关心电从哪来，只关心电器是否正常运行。云计算部分如此，早期企业讨论的是服务器、虚拟机和云平台，现在云服务隐藏在各类应用背后，很少有人在使用在线文档或视频会议时会关心数据跑在哪个数据中心。
大模型正在经历同样的跨越，但难度更高。
与电力和云计算不同，大模型的表现差异化更大。用户对豆包、千问、ChatGPT 的 " 错 " 和 Siri 的 " 笨 "，容忍度截然不同：前者只是觉得 " 工具不够好 "，后者会归咎于 " 手机不行 "。
这意味着，系统级 AI 没有试错空间，隐形化的前提是模型必须在用户看不见的地方持续提供高质量输出。因此，进入系统层并不意味着竞争结束，反而是更高门槛的开始。
这种无感化对能力提出了多个层面的要求。
首先是稳定性。系统级 AI 需要面对的是数亿用户、数十亿次交互，任何小概率错误都会被放大。其次是响应速度。用户可以等待一个 AI 应用生成长答案，但不会接受手机助手每次操作都需要等待很久。
具体到苹果 Apple Intelligence，还包括多模型协同能力。
不同模型承担不同能力模块的合作模式，可以发挥各家优势，也带来了新的工程挑战：用户感受到的必须是一个完整的 AI 助手，而不是多个模型拼接后的复杂系统。
当用户提出一个需求时，后台可能涉及语音识别、视觉理解、文本生成、搜索和任务执行多个环节，但最终呈现给用户的必须是连续、自然的交互体验。系统需要决定哪个请求该由谁处理，以及多个模型之间的结果如何衔接。
这些使用体验，都会影响 Apple Intelligence 被中国用户使用的频次。
这也意味着，在系统级层面上，未来大模型公司的竞争，不再只是算法能力的竞争，也是工程能力、生态协同能力以及基础设施能力的竞争。
苹果与千问的合作，可能成为行业格局变化的一个信号。更准确地说，大模型的竞争正在裂变为两条线。
一条在系统层，争夺的是 " 用户无感调用 "。千问进入 Apple Intelligence、豆包嵌入努比亚，都是这条路的实验。它们的共同点是：不直接拥有消费者入口，通过进入手机、汽车等超级生态同样可以获得规模化应用。
一条在应用层，争夺的是 " 用户主动选择 "。
系统层 AI 势必会压缩一些薄壳型的 AI 应用的生存空间，比如仅仅提供简单对话界面或者通用模型调用服务的 AI 应用，但很难吞噬那些需要深度思考、复杂操作和专业知识的 " 专家需求 "，也很难替代那些嵌入工作流、私有数据闭环的服务。
未来的 AI 终端，更大的可能是一个系统层 AI（总调度） + 无数个 " 能力化 " 的应用层 AI（执行者）协同工作的模式。
说到底，不管是系统层还是应用层，都是 " 平庸 " 与 " 不可替代 " 之间的淘汰赛。能够留下来的，要么是在系统层成为用户感知不到却离不开的水电煤，要么是在应用层建立起不可替代的场景护城河。
