「帶你看證據」:兩年後回頭數,那些證據剩下幾項#

這是 2024 年 6 月發表會後的辯護片,標題說要帶你看證據,破除三個外行認知。兩年後的今天,可以逐條驗收。

⚠️ 先清點證據。本站數下來,禁得起「證據」這兩個字的只有一項——他指出該公司的自研模型已公開發表在第三方平台上,任何人都能查。那是真的硬證據。

其餘的實際性質是:官方部落格的轉述(未附連結)、發表會內容的轉述(未附片段)、未附出處的算力數字,以及大量他個人的詮釋。全片沒有實機示範、沒有第三方測試——是純口播。

⚠️⚠️ 而最關鍵的問題,本站檢索全片確認:他從頭到尾沒有區分「已經做出來的」與「發表會上宣布、還沒上線的」。

兩年後看,這個區分正是決定性的。他辯護的核心——讓語音助理理解你的個人情境、看懂螢幕、深入操作各應用程式——正是後來被延後最久的部分。該公司 2025 年 3 月公開承認需要更長時間,同年 6 月確認推遲到 2026 年春季。

他辯護的內容不是假的,但那是一份規劃,而他把它當成一個已經存在的東西來辯護。

⚠️ 第二個驗收更切身:他承認 AI 分不清繁簡中文,但說「這是小事」。

本站查證:簡體中文支援在 2025 年 4 月到位,而繁體中文直到 2025 年 11 月——距離那場發表會一年五個月。對台灣讀者而言,問題從來不是「會不會分不清」,是繁體中文根本還不能用,而且要等一年五個月。

他把一個對自己所在市場最切身的限制,判斷成技術細節等級的小事——因為他是從「模型能不能處理中文」的角度看,而真正的瓶頸從來不在模型,在推出排程。技術上做得到、你買得到、你用得到,是三件事。

最後記一件加分的:講到隱私承諾時他停下來說「這見仁見智」,不替廠商掛保證。在通篇辯護的影片裡,他選在唯一無法用技術證實的那一題上收手——那是全片可信度最高的一刻。

往下讀之前先問自己 你上次因為發表會而下單的那次,買到的是已經能用的功能,還是一份時程表?兩者的差別,通常要一年後才知道。

(預設關閉:點連結跳回原片體驗較好,也把流量還給原作者)
01 ⭐ 標題說「帶你看證據」——本站清點的結果:可查證的硬證據只有一項 strong
他在哪裡講的
「發表了 OpenELM」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 202 秒聽本人講 →
機轉:為什麼會這樣
他反駁「蘋果的模型是抄來的」這個說法時,指出蘋果已經在公開的模型發表平台上放上了自研的小型與大型語言模型,任何人都可以去查。他以此證明蘋果有自己的模型技術,而發表會提到的第三方服務只是選配的串接對象,不是蘋果 AI 的根基。
實證查核

這一項是真的硬證據,而且是全片唯一一項:模型確實公開發表在第三方平台上,任何讀者都能自行查核,不需要相信任何人的轉述。 他用一個可獨立驗證的事實去反駁一個廣泛流傳的誤解,這個做法是對的。

查證來源

  • 該公司自研模型確於公開平台發表,可獨立查核
  • 研究用模型與裝置端實際搭載的功能未必為同一套
  • 轉述官方說法不等同提供可查證的證據
  • 本片為口播形式,無實機示範與第三方測試
要補一句
⚠️ 但一支標題寫「帶你看證據」的影片,本站清點下來只有這一項禁得起「證據」這個詞。 其餘內容的實際性質是:官方部落格的轉述(未附連結或原文)、發表會內容的轉述(未附片段)、未附出處的算力數字、以及大量他個人的詮釋與比喻。⚠️ 全片沒有實機示範、沒有第三方測試、沒有跑分——是純口播。⚠️ 而且這一項硬證據本身還有一個他沒釐清的落差:那兩個公開發表的模型是研究性質的成果,跟後來實際裝進手機裡的功能是不是同一套,片中並沒有說明。 「這家公司有研發能力」與「這項產品做出來了」是兩件事,而後者才是讀者真正在問的。
可帶走的做法
看到「帶你看證據」,把內容分成四堆:可查的、轉述的、沒出處的數字、他的詮釋。通常第一堆最小。
02 兩年後驗收:他辯護的是「宣布的東西」,而全片沒有做這個區分 moderate
他在哪裡講的
「才可以執行 AI」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 575 秒聽本人講 →
機轉:為什麼會這樣
他轉述發表會公布的硬體門檻,說明必須是特定世代以上的機型才能在裝置端執行 AI 功能,並解釋這個限制背後的技術理由。他在全片中以現在式與未來式混雜的語氣描述這些功能,論證它們為什麼不像外界想的那麼沒用。
實證查核

他對技術架構的說明大致正確,而且反駁的那三個誤解本身也確實是誤解。

查證來源

  • 個人情境理解與跨應用程式操作功能於 2025 年 3 月宣布延後
  • 該功能後續確認推遲至 2026 年春季系統更新
  • 發表會宣布的功能與實際可用功能之間存在時間落差
  • 本片未區分已發布功能與已宣布功能
要補一句
⚠️ 但本站就全片檢索確認:他從頭到尾沒有區分「已經做出來的」與「發表會上宣布、還沒上線的」。 而兩年後回看,這個區分正是決定性的。⚠️ 本站查證:他這支影片論述的核心——讓語音助理能理解你的個人情境、看得懂螢幕上的內容、深入操作各個應用程式——正是後來被延後最久的部分。 該公司於 2025 年 3 月公開承認這些功能需要更長時間,同年 6 月確認目標推遲至 2026 年春季的系統更新。 也就是說:他辯護的內容不是假的,但那是一份規劃,而他把它當成一個已經存在的東西來辯護。⚠️ 這不是他個人的疏失,是整個科技媒體在發表會期間的通病;但正因為普遍,讀者更需要一個防禦習慣。 看任何發表會分析時,對每一項功能追問一句:這個現在能用嗎?答案是「不能」的,就先放進待觀察清單,不要納入購買決策。
可帶走的做法
看發表會分析,每項功能都問一句「現在能用嗎」。答案是不能的,就別放進購買決策。
03 他說這是「小事」——而那正是對台灣讀者影響最大的一項 strong
他在哪裡講的
「他分不太清楚繁體中文跟簡體中文」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 88 秒聽本人講 →
機轉:為什麼會這樣
他在反駁「美國公司中文支援一定差」這個說法時,承認目前唯一比較常出現的問題是分不太清楚繁體中文與簡體中文,但隨即說這是小事,因為你叫它改就好了。這是全片唯一一處明確承認的現存限制。
實證查核

他願意承認一個限制,而且承認的正是他自己會遇到的那一個,這一點沒有問題。

查證來源

  • 該公司 AI 功能之簡體中文支援於 2025 年 4 月隨系統更新推出
  • 繁體中文支援於 2025 年 11 月隨系統更新到位
  • 語言支援排程受地區推出計畫與在地化投入影響
  • 模型的語言處理能力不等同該語言的功能可用性
要補一句
⚠️ 但本站查證後認為,這個「小事」的判斷在事後看是全片最需要修正的一句。 該公司的 AI 功能在簡體中文的支援於 2025 年 4 月隨系統更新推出;而繁體中文的支援直到 2025 年 11 月才到位——距離這場發表會一年五個月。⚠️ 也就是說,對台灣讀者而言,問題從來不是「它會不會分不清繁簡」,而是「繁體中文根本還不能用」,而且要等一年五個月。 這正是本站認為最值得記下的一課:他把一個對自己所在市場最切身的限制,判斷成技術細節等級的小事。⚠️ 而判斷失準的原因也很清楚——他是從「模型能不能處理中文」這個技術角度看,而實際的瓶頸從來不在模型,在於各地區的推出排程、法規與在地化投入。 技術上做得到,跟你買得到、用得到,是三件事。
可帶走的做法
看到「技術上做得到」,再問兩題:我這個地區排到了嗎、什麼時候?三件事常常差很久。
04 他把一個限制翻正成「兩個好處」——而其中一個是廠商的好處 limited
他在哪裡講的
「那其實這件事情就兩個好處」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 593 秒聽本人講 →
機轉:為什麼會這樣
在說明舊機型無法執行裝置端 AI 這個限制之後,他隨即表示這件事情其實有兩個好處:第一是隱私可以獲得保障,第二是廠商可以比較省下伺服器的成本。他用這個轉折把一個對使用者不利的門檻,重新框成合理甚至正面的安排。
實證查核

第一個好處成立:運算留在裝置上確實減少了資料外傳,對隱私是實質的改善,這個論點沒有問題。

查證來源

  • 裝置端運算減少資料外傳以改善隱私
  • 廠商營運成本的節省不必然轉移至使用者
  • 硬體門檻限制舊機型使用者取得新功能
  • 產品論述常將廠商利益與使用者利益並列陳述
要補一句
⚠️ 但第二個「好處」是廠商省錢,而那不是讀者的好處——它被跟使用者的好處並列著講,讀者很容易一起接收。 本站認為這是全片最值得學的一個辨識點:把「對廠商有利」與「對你有利」放在同一個清單裡,是產品論述裡非常常見、也非常有效的手法。⚠️ 廠商省下伺服器成本,對你的意義取決於它省下來之後做了什麼——降價、加快功能推出,那才輪到你受益;如果只是提高毛利,那筆錢跟你無關。 而這一步在片中沒有被交代。 實務上的檢查方法很簡單:看到一份「好處」清單時,逐條問「這條的受益人是誰」。 受益人不是你的那幾條,要從清單裡拿掉,再看剩下的還夠不夠說服你。
可帶走的做法
看到「好處」清單,逐條問受益人是誰。不是你的那幾條劃掉,再看剩下的夠不夠說服你。
05 ⭐⭐⭐ 混合式運算:什麼留在裝置上、什麼送到雲端 strong
他在哪裡講的
「所以他等於是一個混合式的運算」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 528 秒聽本人講 →
機轉:為什麼會這樣
他歸納該公司的運算架構是一種混合式的安排:與個人資料高度相關、而且裝置本身算力足以應付的部分留在裝置端執行;不涉及隱私、但裝置算力不足的部分才送到雲端運算。他以此說明隱私與效能之間的取捨如何被處理。
實證查核

這是全片最有價值、也最能帶著走的一段,因為這個切分方式適用於所有 AI 產品,不限任何品牌。 判斷準則是兩個維度的交叉:這份資料敏不敏感、這個運算重不重。 敏感又輕的留在本機,不敏感又重的送上雲端——這個架構後來成為業界的普遍做法。

查證來源

  • 資料敏感度與運算負荷構成裝置端與雲端的切分依據
  • 既敏感又高負荷的運算需送往雲端處理
  • 各廠商採加密運算、不留存承諾或去識別化等不同解法
  • 整體性宣稱無法說明特定情境下的資料流向
要補一句
要補上這個架構真正的難處,也是他略過的:⚠️ 麻煩的是「既敏感又重」的那一格。 那正是所有廠商都在處理、也最容易出問題的地方——它必須送到雲端才算得動,但送出去就離開了你的裝置。 各家的解法不同:有的用加密運算,有的承諾不留存、不記錄,有的把資料去識別化。⚠️ 對讀者的實務意義:評估任何 AI 服務的隱私,重點不是問「會不會上傳」,而是問「哪些情況會上傳、上傳之後留多久、誰能看」。 只承諾「大部分在本機處理」的說法,等於沒有回答那一格。 這一點與本站在 t18-u07 記錄的原則一致:對不透明的系統,要問的是它在什麼條件下會做什麼,而不是它的整體宣稱。
可帶走的做法
評估 AI 服務的隱私,別問「會不會上傳」,問「哪些情況上傳、留多久、誰能看」。
06 他對「AI 不只是資料庫」的反駁:關鍵在推理不在資料 moderate
他在哪裡講的
「AI 最重要的事情是推理」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 376 秒聽本人講 →
機轉:為什麼會這樣
他反駁「AI 只是把網路上的資料匯集起來、沒什麼大不了」這個說法,主張核心價值在於推理——從使用者的語言或情境推斷對方真正要的是什麼,再去組織出答案。他用字典與百科全書做對比,說明資料本身不會推理。
實證查核

他要反駁的那個誤解確實是誤解,而且他抓到了正確的方向:這類系統的價值不在儲存了什麼,在於能不能從模糊的表達裡推出意圖。 字典的類比也很好懂——同樣的資訊放在字典裡,你必須先知道要查什麼字。

查證來源

  • 語言模型依語境預測後續內容而非執行驗證程序
  • 模型輸出的流暢度與正確性無對應關係
  • 模型無內建的自我事實查核環節
  • 可查證的具體事實應由使用者另行核對
要補一句
⚠️ 但「推理」這個詞在這裡用得比技術現實寬鬆,而那個落差正好解釋了讀者實際會遇到的問題。 這類模型做的是根據語境預測接下來最合理的內容,那在很多情況下的表現看起來與推理相同,但它沒有「檢查自己是否正確」的環節。⚠️ 後果非常具體:它會用完全相同的流暢語氣,說出正確的答案和完全錯誤的答案——因為對它而言那兩者的產生方式沒有差別。 這就是為什麼「它答得很有把握」完全不能當作正確的指標,而這正是實際使用時最需要知道的一件事,全片沒有提到。⚠️ 實務上的處理方式:把它當成一個很會表達、但不會查證的助手——凡是可以被查證的具體事實(數字、日期、人名、引文),都要自己核對一次。
可帶走的做法
AI 答得越流暢越要查。它產生對的答案和錯的答案,用的是同一套流程。
07 全片唯一不替廠商背書的地方——而他選在最關鍵的那一題 strong
他在哪裡講的
「這見仁見智」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 568 秒聽本人講 →
機轉:為什麼會這樣
在完整說明該公司的隱私架構之後,他明確表示至於你相不相信廠商真的做到了它所說的隱私保護,這是見仁見智的事。他沒有替這個聲稱掛保證,把判斷留給觀眾自己。
實證查核

在一支通篇替某家公司辯護的影片裡,選在「隱私承諾可不可信」這一題上停下來、明說自己不掛保證——本站認為這是全片可信度最高的一刻。 因為那正是唯一一個他無法用任何技術說明去證實的環節:架構可以公開、程式碼可以審查,但「他們有沒有照做」在本質上是一個信任問題,不是技術問題。 他準確地認出了那條界線在哪裡。

查證來源

  • 隱私架構的公開說明不等同執行狀況的驗證
  • 第三方稽核提供高於自我聲明的保證強度
  • 可獨立驗證的技術機制降低對廠商信任的依賴
  • 承諾強度的層級為公開可查資訊
要補一句
要把這條界線講得更可用一些:⚠️ 隱私承諾的可信度不必完全靠信任,它有程度之分,而且可以問出來。 由弱到強大致是:口頭承諾 → 白皮書說明架構 → 開放第三方稽核 → 提供可獨立驗證的技術保證(例如讓外部研究者能檢查伺服器上實際執行的程式與宣稱一致)。 越往後越不依賴你相不相信這家公司。⚠️ 所以評估時該問的不是「我信不信他們」,而是「他們把自己放在這個階梯的哪一階」。 而這個問法有個額外的好處:階梯的位置是公開資訊,而信任不是。
可帶走的做法
評估隱私承諾別問「我信不信」,問「他們只是嘴上講、有白皮書、有第三方稽核、還是可獨立驗證」。
08 兩個晶片的算力數字:他給了具體數字,但沒給出處 limited
他在哪裡講的
「A17 的算力是 35」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 623 秒聽本人講 →
機轉:為什麼會這樣
他用具體數字說明兩代晶片的 AI 算力差距,指出新款約為舊款的兩倍,用來解釋為什麼廠商把裝置端 AI 的門檻設在新機型。他並承認舊晶片其實也能跑,只是算力減半,而使用體驗上他個人感覺確實有差。
實證查核

他願意承認「舊晶片其實跑得動、只是慢一半」,比單純複述官方門檻誠實,而且承認使用體驗有差也是實話實說。

查證來源

  • 算力數值隨運算精度不同而顯著變化
  • 記憶體頻寬常為此類運算的實際瓶頸
  • 散熱限制使持續運作表現低於峰值算力
  • 帳面算力比值不對應實際執行速度比值
要補一句
⚠️ 但這幾個數字全片沒有交代出處,本站因此不將數字本身收錄為事實。 更重要的是,這類算力數字本身就不該被單獨拿來比較,原因有三個。 第一,同一顆晶片在不同精度下的數值可以差好幾倍(例如以較低精度計算時數字會大幅提高),廠商通常引用最漂亮的那一個。 第二,帳面算力不等於實際速度——記憶體頻寬往往才是這類運算真正的瓶頸,算力再高,資料餵不進去也沒用。 第三,持續運作時的散熱限制會讓實際表現遠低於峰值。⚠️ 所以「算力差兩倍」不能推論成「速度差兩倍」,實務差距可能更小、也可能更大。 讀者能做的最實際的事:不要用規格數字判斷,去看實際跑同一個任務所需的時間。
可帶走的做法
別比算力數字,比同一個任務實際跑多久。算力高但記憶體餵不進去,一樣慢。
09 他誠實承認:手機的算力跟資料中心完全不能比 strong
他在哪裡講的
「這不能相比」
2024-06-12 誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知
▶ 跳到 669 秒聽本人講 →
機轉:為什麼會這樣
他承認手機晶片的算力跟資料中心用的專業運算卡完全不能相提並論,差距達百倍以上。但他強調手機仍然足以應付簡單的個人化任務,例如幫忙查家人的班次、決定今天吃什麼,這類需求並不需要資料中心等級的運算。
實證查核

在一支替某家公司辯護的影片裡承認這個差距,是誠實的,而且他接下來的論點也正確:任務的複雜度決定了需要多少算力,多數個人化的日常需求並不需要最大的模型。 這個「用對規模」的觀念比「越大越好」有用得多。

查證來源

  • 模型參數量決定可承載的世界知識總量
  • 裝置記憶體容量限制可執行的模型規模
  • 個人資料處理類任務對世界知識需求較低
  • 專業知識類任務中小模型與大模型差距顯著
要補一句
要補上這個分工在兩年後的實際樣貌,因為它比他當時描述的更清楚了:⚠️ 裝置端與雲端的分界不在「簡單或複雜」,在「需不需要世界知識」。 整理你自己的資料、理解你的日程、在你的訊息裡找東西——這些只需要小模型加上你的個人資料,裝置端綽綽有餘,而且不上傳反而是優點。 但凡是需要大量外部知識的任務(寫程式、翻譯專業文件、回答冷門問題),小模型的表現與大模型差距非常明顯,那不是等硬體變快就能補上的。⚠️ 兩者的差別來自參數量所能承載的知識總量,而那受限於裝置的記憶體容量。 所以實務上的期待值應該是:裝置端 AI 擅長「關於你的事」,雲端 AI 擅長「關於世界的事」——而這也解釋了為什麼個人化助理的功能可以做在手機上,卻遲遲做不好(見 kp-02):難的從來不是算力,是把你的個人資料安全地整理成模型用得上的形式。
可帶走的做法
對裝置端 AI 的期待放在「關於你的事」,需要外部知識的事交給雲端。這條界線比算力清楚。

本單元出自《誤會大了!蘋果AI超廢沒屁用?帶你看證據,擺脫3大外行認知》(2024-06-12,約 11:54)。這是一支發表會後的辯護片,本單元的核心是兩年後的逐條驗收。

導購揭露:僅一段(約 0:38–0:56)導流自營商城的配件商品。全片其餘無導購、無折扣碼、無私訊配單、無會員招募、無第三方贊助。

本站的證據清點(本單元核心工作之一):全片論據可分四類——(1) 可獨立查證的硬證據:一項(自研模型公開發表於第三方平台);(2) 官方部落格與發表會內容之轉述,均未附連結、原文或片段;(3) 算力數字,未附出處,本站不收錄為事實;(4) 其個人詮釋、比喻與歸納。全片無實機示範、無第三方測試、無跑分。

⚠️ 本站查證的三項驗收結果:

  1. 他未區分「已發布」與「已宣布」(已就上線/推出/即將/還沒等詞檢索全片,未見任何一句做此區分)。而其辯護核心(個人情境理解、螢幕感知、跨應用程式操作)於 2025 年 3 月經官方宣布延後,同年 6 月確認推遲至 2026 年春季系統更新。
  2. 他判斷為「小事」的繁簡中文問題:本站查證,簡體中文支援於 2025 年 4 月隨系統更新推出,繁體中文支援於 2025 年 11 月到位——距本片一年五個月。 對本站讀者所在市場而言,這是全片影響最大的一項限制。
  3. 硬證據本身的未釐清處:公開發表的模型屬研究性質,與後續實際搭載於裝置的功能是否為同一套,片中未說明。

本站認為應予肯定並如實記錄之處:

  • 對隱私承諾明說「見仁見智」、不予背書(kp-07)——選在唯一無法以技術證實的環節上收手。
  • 承認舊晶片其實可執行、只是算力減半,並自陳使用體驗有差。
  • 承認裝置端算力與資料中心完全不能相比。
  • 所反駁的三個誤解本身確實是誤解,反駁方向正確。

⚠️ 本站指出的論述手法:他將「舊機型無法使用」此一限制翻正為「兩個好處」,其中一項為廠商節省伺服器成本——那是廠商的利益,卻與使用者的隱私利益並列陳述(kp-04)。本站據此提供「逐條檢查受益人是誰」的辨識方法。

本站不予採用的段落:片中對另一家業者網站語言支援的陳述以「你如果看就知道」帶過,未附任何查證依據,本站不收錄亦不轉述。

時效性:片中所有機型、門檻與功能描述屬 2024 年 6 月狀態,其後多次改版,本站不作為選購依據。

引句僅作定位用途,每一條皆可點擊跳回原片該秒自行核對。