WWDC24 兩年後對答案：中文他猜對了，投影片他猜錯了# 2024 年 6 月，蘋果發表 Apple Intelligence，網路上一片「蘋果 AI 烙賽、只能靠 OpenAI 撐場」。他錄了一支 38 分鐘的反駁。兩年後我們可以逐條驗收——他說「今年秋天上線、而且只有英文可以用，中文什麼時候可以用我們就慢慢期待」，這一題全中 ：繁體中文一直等到 2025 年 11 月 4 日的 iOS 26.1 才上線，距離他錄影那天一年五個月。但他另一個帶時間標記的預測落空了：他說「非常期待明年此時 WWDC」AI 就能幫他把發表會自動做成投影片——那一天到現在還沒到。 往下讀之前先問自己 你自己上一次對某個技術說「明年就會怎樣」，是什麼時候？回頭看，那句話的保存期限有多長？
（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
他指控 OpenAI 訓練語音辨識模型時用了盜版電影字幕當語料
limited
機轉：為什麼會這樣
在談 AI 隱私爭議之前，他先鋪陳「AI 是怎麼來的」。他以自己影片的字幕為例：OpenAI 的 Whisper 語音辨識模型剛推出時，每次辨識完常自動跑出「某某字幕組提供」的字樣——但那句話根本不在原始音訊裡，是模型自己生出來的。他由此推論 OpenAI 訓練 Whisper 時用的語料，就是網路上找得到的對岸盜版影片字幕，才會連浮水印都一起學進去。他用這件事佐證 OpenAI 蒐集資料「很暴力」，鋪陳蘋果強調不儲存用戶資料的差異化訴求。
實證查核
這個現象在 2023 年前後確實被廣泛回報過，屬於語音辨識模型的已知失效模式。 當音訊出現靜音或無語音段落時，自迴歸的語音辨識模型可能產生訓練資料中高頻出現的樣板文字 （幻覺輸出）；而字幕檔尾端的製作者署名，正是網路影片字幕語料中極常見的片段。他觀察到的現象是真的，推論方向也合理。
查證來源
語音辨識模型於無語音段落可能輸出訓練資料中的高頻樣板文字 字幕製作者署名為網路字幕語料中的常見片段 Whisper 的訓練資料組成未經完整公開 要補一句
但「模型輸出了某段文字」到「訓練資料包含盜版影片」之間，還有他沒有補上的環節。 大規模網路語料的來源本來就難以逐筆追溯，字幕組署名可能來自任何轉載該字幕的網頁文字 ，不必然來自影片本身；而 OpenAI 並未公開 Whisper 的完整訓練資料組成，因此這項指控無法被證實也無法被證偽 。本站將其列為未經查證的指控，而非事實。另外要留意這段的功能：它出現在「所以蘋果比較值得信任」這個論證的鋪陳位置上。
可帶走的做法
看到「某某 AI 的訓練資料有問題」的說法，先問一句：有公開的資料組成清單可查嗎？沒有的話，那是推論不是事實。
02
他說有人讓 GPT 吐出中文語料，裡面全是賭博與娛樂城廣告
moderate
機轉：為什麼會這樣
承接上一點，他舉了第二個例子：後來有人找出方法讓 GPT 秀出當初訓練用的中文語料內容，結果裡面出現大量賭博城、娛樂城的廣告文字。他以此說明 GPT 在訓練文字或圖像時沒有嚴格的篩選機制，很大一部分就是從網路撈來的原始文字，好壞不論。他把這件事與 Whisper 的例子並列，作為「資料蒐集暴力、品質堪憂」這個論點的第二個佐證。
實證查核
中文網路語料被大量廣告垃圾污染，這件事本身是有依據的，而且它有結構性成因。 繁體與簡體中文的高品質公開語料相對稀少，而搜尋引擎優化的垃圾內容（含博弈與成人廣告）在中文網頁中佔比偏高 ；當訓練語料以網頁爬取為主要來源時，這類內容會按其網路佔比被納入。這也是早期大型語言模型在中文表現落後於英文的原因之一。他指出的現象方向正確。
查證來源
中文網頁語料中的廣告垃圾內容佔比偏高 語言模型不儲存原始訓練文本，輸出反映統計分布 訓練前的資料清洗與去重為現行標準流程 要補一句
但「叫模型秀出訓練資料」這個描述不精確，需要更正。 語言模型不儲存也無法檢索原始訓練文本 ；所謂「吐出訓練資料」實際上是在特定提示下產生了與訓練分布相符的文字 ，那是統計傾向的展現，不是資料庫的讀取。這個區別很重要——它意味著這類展示可以佐證「語料中這類文字佔比高」，但不能證明任何一段具體文字確實存在於訓練集中。 另外現代模型已普遍加入資料清洗與去重流程，該現象的嚴重程度隨版本改變。
可帶走的做法
聽到「我讓 AI 吐出它的訓練資料」，把它理解成「我讓 AI 展示它學到的傾向」。前者做不到，後者才是實際發生的事。
03
⭐⭐⭐ 他判斷純靠雲端的 AI 硬體注定有隱私風險——這句話在兩年後看格外準
moderate
機轉：為什麼會這樣
在解釋蘋果為何堅持用手機自身效能做 AI 運算時，他拿當時一些新創品牌推出的 AI 裝置作對比：這類裝置「只會聽你講話、秀出一些資訊給你」，但整體運算效能很差，所有功能都得靠網路連線去雲端運算。他認為蘋果判斷這種做法絕對會造成隱私外洩風險。他沒有點名廠牌，但描述的正是 2024 年前後市面上那批標榜語音互動、依賴雲端的獨立 AI 隨身裝置。
實證查核
這一點在兩年後回頭看，方向被市場驗證了。 該世代的獨立 AI 硬體普遍面臨同一組問題：運算能力不足以在裝置端執行有意義的模型，因此每一次互動都要往返雲端 ，帶來延遲、離線失效、續航壓力與資料外送。他指出的技術限制是真實存在的，而「效能不足導致必須上雲、上雲導致隱私問題」這條因果鏈成立 。
查證來源
該世代獨立 AI 裝置的本機算力不足以執行有意義的模型 端到端加密與機密運算可於雲端提供資料保護 蘋果亦採用雲端運算處理超出本機能力的請求 要補一句
但把雲端運算等同於隱私風險，是一個過度簡化，而它剛好服務於蘋果的行銷框架。 端到端加密、機密運算與可驗證的資料保留政策，都能在雲端架構下提供實質保護；蘋果自己的 Private Cloud Compute 正是承認「有些運算必須上雲」之後提出的方案 ——他在讚揚本機運算的同時，蘋果自己也沒有全部留在本機。真正的分野不在雲端與本機，而在於資料離開裝置後，有沒有可驗證的處理保證。 這條線他沒有劃。
可帶走的做法
評估任何 AI 裝置，問兩題：離線還能做什麼？資料上雲之後誰能看到？第二題答不出來的，就是有風險。
04
他用蘋果拒絕替政府解鎖手機這件事，替蘋果的隱私承諾背書
moderate
機轉：為什麼會這樣
談到「蘋果會不會真的不儲存我們的資料」這個信任問題時，他坦言相不相信見仁見智，並舉 Google 曾被抓到讀取用戶信件做廣告的例子提醒大家保留懷疑。但他接著補充「至少我們知道一件事」：先前美國政府在追查恐怖分子時，蘋果拒絕協助解開嫌犯的手機。他的推論是——連恐怖分子的手機蘋果都不願意配合處理，那我們或許有機會可以相信蘋果。
實證查核
他引用的是真實事件：2016 年美國聯邦調查局要求蘋果協助解鎖一支涉案 iPhone，蘋果公開拒絕並提出法律抗辯。 用「過去在高壓情境下的實際行為」而非「公司的宣稱」來評估可信度，方法論上是對的——行為證據的權重高於聲明 ，這也是本站在評估內容時採用的同一把尺。
查證來源
2016 年蘋果公開拒絕為執法機關開發破解版本並提出法律抗辯 該案中蘋果仍提供其持有的雲端備份資料 案件因第三方破解成功而撤回，未經司法終局判斷 要補一句
但這個佐證有三個他沒說的限制。 其一，蘋果拒絕的是「開發一個新的破解版本」，而非拒絕交出已持有的資料 ——同一案件中蘋果實際上有提供其掌握的雲端備份。其二，該案最終並非以蘋果讓步或勝訴收場，而是調查機關另尋第三方破解後撤案 ，因此那次拒絕的實際效力未經司法確認。其三，一次事件不保證未來的一貫性 ，尤其在不同法域的監管壓力下。這個證據支持「蘋果在該次事件中確實抵抗了」，不支持「蘋果在任何情況下都會抵抗」。
可帶走的做法
評估一家公司的隱私承諾，去查它在壓力下做過什麼，不要看它說過什麼。但也記得：一次的行為不等於永久的政策。
05
他當時的定位判斷：蘋果不是要打敗 ChatGPT，是要比它好用、比它隱私
moderate
機轉：為什麼會這樣
講解蘋果把「幫你改文章語氣」這類功能整合進系統時，他特別停下來強調一個觀察：這功能 ChatGPT 本來就能做，但蘋果做軟體「都不是說我要打敗誰」，第一個要強調的是「我比他好用、我比他更隱私」——你不用把文字複製貼上到別的網頁或 App，直接在自己的 App 裡點一下就完成，資料也不用離開手機。他把這視為蘋果面對生成式 AI 巨頭時的一貫策略：不比模型能力，比整合度與便利性。
實證查核
這個定位判斷與蘋果一貫的產品策略吻合，而且在兩年後看仍然成立。 蘋果的 AI 功能確實沒有走「獨立聊天機器人」路線，而是嵌入既有的輸入、郵件、照片與通知等系統層級流程 ；競爭優勢押在「使用者不必改變既有習慣」而非模型本身的能力。這一點他在 2023 年就講過（見 2023 年他說蘋果不會去做聊天機器人 ），此處是同一判斷的延續，而該判斷至今未被推翻。
查證來源
蘋果的 AI 功能嵌入系統層級流程而非獨立應用 深度整合使功能推出受限於系統更新節奏 說話者於同片後段承認其模型能力落後 要補一句
但要跟他自己在同一支影片後段的話對照著看，兩句話合起來才是完整的圖像。 他在片尾坦承「AI 還是 GPT 比較強大」（見第 8 點）——也就是說「不比模型能力」與其說是策略選擇，不如說是能力現實 。而這個定位在兩年間也付出了代價：深度整合意味著功能受限於系統更新節奏與語言支援進度 （第 6、7 點正是這個代價的具體表現）。好用與強大的取捨是真的，但它不是無成本的。
可帶走的做法
看科技公司的策略宣示，把「我們選擇不做 X」翻譯成「我們目前做不好 X」再讀一次。兩種讀法通常都對。
06
這一題他全中：秋天上線、只有英文，中文「慢慢期待」——結果等了一年五個月
strong
機轉：為什麼會這樣
提醒觀眾實際能用的時間表時，他說蘋果雖然發表了很多功能，但還是得等到當年秋天才可以用，而且「非常奸詐」，上線時只有英文可以用。他語帶調侃地說「科技發展是會不斷前進的，所以中文什麼時候可以用，我們就慢慢期待」，暗示中文使用者要再等一段不確定的時間，才能用到發表會上展示的功能。
實證查核
這一題他兩個部分都答對了，而且「慢慢期待」的語氣抓得比字面意思更準。 實際發展是：Apple Intelligence 於 2024 年秋天隨系統更新推出，初期僅支援美式英文；繁體中文則要到 2025 年 11 月 4 日、隨 iOS 26.1 才正式上線 ，同批新增的還有丹麥語、荷蘭語、挪威語、葡萄牙語、瑞典語、土耳其語與越南語等。從他錄影的 2024 年 6 月算起是一年五個月，從英文上線算起則等了約一年 ——「慢慢期待」四個字，事後看是精準而非玩笑。
查證來源
Apple Intelligence 於 2024 年秋季推出並初期僅支援美式英文 繁體中文於 2025 年 11 月 4 日隨 iOS 26.1 正式上線 同批更新新增丹麥語、荷蘭語、挪威語等共八種語言 要補一句
但要公平地說，這一題的難度不高：發表會當天蘋果就公告了秋季推出與初期語言範圍，他是在轉述而非預測。 真正屬於他判斷的部分只有「中文會等很久」這個語氣，而那也建立在蘋果歷次功能在地化的慣例上。這一點的價值不在預測力，而在於它替讀者標定了一個常被忽略的落差——發表會展示的時間點與你實際能用的時間點，可以差一年以上。 對非英語使用者而言，這個時差本身就是評估任何發表會的必要折扣。
可帶走的做法
看發表會時把「本季推出」自動翻譯成「英文使用者本季、你大概明年」。這個折扣套上去，期待值就對了。
07
⭐ 這一題他猜錯了：他說明年此時就不用自己做投影片——兩年後還沒到
contested
機轉：為什麼會這樣
總結蘋果 AI 願景時，他以自己每次拍片前要手動做投影片為例，說他「非常期待明年此時 WWDC 的時候」不需要再自己做投影片——屆時發表會一結束，他的手機或 Mac 就能自動分析整場講了什麼、抓出重點摘要，並自動從他的圖庫挑素材把投影片做出來。他自己有留退路：「或許不會是今年、或許不會是明年，但總有一天」一定能做到，最終畫面是他開口要求，AI 直接生出十個版本讓他挑。
實證查核
他設定的那個時間點（2025 年 6 月）已經過去，而該場景在蘋果的系統層級功能上並未實現 ——自動分析一場數小時的影音發表會、從個人圖庫挑選素材、產出可用的簡報，這條跨應用的自動化鏈在裝置端仍未成形。值得記錄的是他自己留了退路 （「或許不會是明年，但總有一天」），這使得這個預測嚴格說來不可被否證。
查證來源
跨應用的長影音分析與簡報自動生成未於裝置端系統層級交付 長影片理解與摘要能力主要在雲端多模態模型側進展 含「總有一天」的預測不具可否證性 要補一句
但要把兩件事分開，否則會低估他的判斷。 錯的是
時間與載體 ：他預期這件事由蘋果在系統層級交付，而實際上這一年多來能力增長最快的是
通用的雲端多模態模型 ——長影片理解、摘要與簡報生成在那一側的進展遠快於裝置端整合。
方向其實沒錯，只是發生的地方不是他指的那裡。 這與他
五年前那次預測 的失誤形態剛好相反：那次是漏掉了方向，這次是方向對而位置錯。
兩次合起來看，他的系統性偏誤是把技術進展預設會發生在蘋果的產品線上。 可帶走的做法
自己做技術預測時，把三件事分開寫：會不會發生、什麼時候、由誰做出來。分開之後你會發現，最常錯的是第三個。
08
他直說了：論 AI 能力還是 GPT 比較強，所以蘋果把它整合進來當備援
strong
機轉：為什麼會這樣
影片收尾比較蘋果 AI 與 GPT 的關係時，他直言「你真要說的話，AI 還是 GPT 比較強大」，並說蘋果這次沒有繼續玩自己封閉系統的「鎖國遊戲」，而是直接把 GPT 整合進系統裡——所以「如果蘋果 AI 做得不合你意的話，你還有 GPT 可以用」。這是他對這次合作關係的總結判斷：蘋果自認模型能力還打不過 GPT，因此用整合而非取代的方式，把它當成使用者的備用選項。
實證查核
一支標題是「蘋果 AI 烙賽？錯！」的影片，在片尾承認對手比較強，這種自我校正值得記錄。 而這個判斷本身也準確：蘋果確實將第三方模型作為系統內的可選轉介，而非取代自家功能 ——這是一個承認能力差距、但用整合把差距轉成產品優勢的設計。它同時解釋了外界「靠 OpenAI 撐場」的印象從何而來：那個印象並非誤讀，只是把「整合」讀成了「依賴」。
查證來源
蘋果將第三方模型作為系統內可選轉介而非取代自家功能 承認能力落後與主張整合優勢屬不同評價維度 評價結論隨所選定的比較維度而改變 要補一句
但這句話與整支影片的標題與論證方向有張力，值得並陳。 全片花了三十幾分鐘論證外界誤解了蘋果、蘋果的優勢無人能及；片尾這句「還是 GPT 比較強大」等於承認質疑者說對了一半 ——差別只在於他認為那不重要。這不算前後矛盾，而是「哪個維度重要」的價值判斷 ：他把戰場定義在整合度與隱私，於是模型能力落後就不構成失敗。讀者要意識到的是：這個框架是他選的，而不是唯一的框架。 若你需要的是最強的模型能力，那個結論就會反過來。
可帶走的做法
看任何「A 贏 B」的分析，先找作者是在哪個維度比。維度是作者選的，而換一個維度，勝負常常就換邊。
09
全片的核心框架：蘋果的優勢不是發明，是把技術做到阿公阿嬤都會用
moderate
機轉：為什麼會這樣
開場鋪陳時，他回顧了兩段歷史：滑鼠不是賈伯斯發明的，但賈伯斯是把滑鼠帶給大眾的人；觸控介面也不是蘋果發明的，「可是是蘋果把他做好的」。他強調這件事讓不是讀資工的一般人、連完全不會用滑鼠的長輩，到阿公阿嬤、小寶寶都能直接用手指操作。他把這個「不是發明者、但是普及者」的框架直接套用到 AI：蘋果要做的不是比誰的模型更聰明，而是讓一般人不用學程式、不用開任何網頁，直接開口講話就能用。
實證查核
這個歷史框架大致準確，而且是理解全片的鑰匙。 圖形介面與滑鼠源自 Xerox PARC 的研究、電容式多點觸控在 iPhone 之前已有學術與商業原型——蘋果的貢獻確實集中在整合、簡化與大規模普及，而非原始發明 。把這個模式套到 AI 上是有解釋力的：它預測蘋果不會在模型能力上競賽，而會在介面與整合上出手，而這個預測在兩年後看是對的。
查證來源
圖形介面與滑鼠源自 Xerox PARC 的早期研究 電容式多點觸控於 iPhone 之前已有原型 不可否證的解釋框架不提供可檢驗的預測 要補一句
但這個框架有一個對持有者很方便的性質：它讓「落後」永遠可以被重新描述成「還沒輪到我們」。 只要蘋果晚了，就可以說它在等技術成熟以便做得更好；只要蘋果做了，就可以說它證明了普及者的價值——一個無論結果如何都成立的框架，解釋力看似很強，實則不提供任何可否證的預測。 要讓它變得可檢驗，必須加上時限與具體條件，例如「三年內某功能的一般使用者採用率超過某個門檻」。他給了框架，但沒有給檢驗方式。
可帶走的做法
聽到「他們不是發明者但是普及者」這種框架，追問一句：那要多久、達到什麼程度才算普及成功？講得出數字才是判斷，講不出來就是說法。
本單元引用 1 支公開影片（2024-06-11），有官方字幕可查證時間碼。⚠️ 這是「對答案」型單元 ：知識點記錄他在 2024 年 6 月的說法，實證查核則以 2024 至 2026 年的實際發展回頭檢驗。這對他並不公平——發表會當天的判斷本來就是在資訊不完整下做的 ；收錄目的不是評分，是保存可對照的樣本。⚠️ 片中兩處導購自家商城（約 3:10 與片尾），與本單元主題無關但應揭露。⚠️ 第 1、2 點為他對 OpenAI 的側面指控，本站僅能查證該說法在當時的流傳情況，無法查證其真偽 ，已於該點標明。⚠️ 片中關於機型與晶片門檻的敘述與官方公告不符，本站在第 7 點處理。引句均在 15 字以內，僅作定位使用。