<p>人工智能競賽正在加劇，七大科技巨頭及其他公司在爭奪最快實現最佳人工智能模型的過程中投入了鉅額資金。</p>
<p>但這一策略引發了人們對這些鉅額資金是否最終會帶來回報的質疑。</p>
<p>兩週前，一組主要的美國人工智能公司宣佈了一項名為 “星際之門” 的 1000 億美元項目。然而，接下來的一週，低成本的中國模型 DeepSeek R1 被推出，顯示出領先的前沿模型可以以更低的成本進行訓練。</p>
<p>從 DeepSeek 的推出中得出的一個附帶結論是？這似乎驗證了 <strong>蘋果</strong>（AAPL -0.67%）的人工智能策略，儘管在過去幾年中受到批評。事實證明，蒂姆·庫克及其團隊可能最終會笑到最後。</p>
<h2>DeepSeek 的影響</h2>
<p>儘管關於 DeepSeek 實際在其模型上花費了多少資金仍存在一些爭議，不論它是否從 OpenAI 的 o1“提煉” 了其模型，或者它是否擁有比它所透露的更多 GPU，但其研究論文中發佈的優化方案揭示了降低訓練前沿模型成本的真實新穎想法。</p>
<p>投資者可以預見到幾個後果。首先，預計這些想法將迅速被所有主要人工智能競爭者採納。這將進一步降低整個行業的人工智能模型成本。</p>
<p>其次，DeepSeek 是部分開源的，這意味着其權重和技術優化對開發者公開可用，以供使用和增強。在美國科技巨頭中，只有 <strong>Meta Platforms</strong>（META 0.32%）的 Llama 模型也是開源的。</p>
<p>一家主要的美國和中國公司公開披露其模型優化應該會促進更多的開源宣傳，這甚至可能進一步加速大型開源模型的能力提升。</p>
<p>雖然 OpenAI 仍被認為在整體技術上領先，但它與開源競爭者之間的時間差距已縮短至僅幾個月。Meta 首席執行官馬克·扎克伯格在上週與分析師的電話會議上表示，他相信 Meta 即將推出的 Llama 4 模型將超越 OpenAI，並在今年引領市場。</p>
<p>增加開源和進一步基於算法的成本降低最終應該會導致更多的商品化。商品化意味着人工智能模型的價格和利潤率應該下降，這將使這些模型的客户受益，而建設者則受到損害。</p>
<h2>蘋果的先見之明</h2>
<p>隨着過去兩年人工智能競賽的加劇，幾乎所有主要科技公司都大幅增加了資本支出，購買高價的 <strong>Nvidia</strong>（NVDA -3.67%）GPU 和數據中心基礎設施。但有一家主要科技公司，儘管有足夠的資金參與這場消費狂潮，卻選擇不這樣做：蘋果。</p>
<p><img src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/09817e5315834b9989937e6187bd15f1.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/09817e5315834b9989937e6187bd15f1.png"/></p>
<p>AAPL 資本支出（TTM）數據來源於 YCharts</p>
<p>所有主要科技公司在過去三年中資本支出增長了 73% 到 182%，唯獨 <strong>亞馬遜</strong> 例外。但亞馬遜的情況有些不同，因為它在疫情後剛剛經歷了一場大規模的電子商務基礎設施支出。因此，亞馬遜網絡服務的數據中心支出可能比其 9% 的整體增長要高得多。</p>
<p>這使得蘋果在過去兩年中資本支出意外減少，成為唯一與競爭對手形成鮮明對比的公司。</p>
<p>如果一種資源變得商品化且豐富，你會希望成為該資源的用户，而不是生產者。這就是為什麼蘋果專注於為其核心客户使用人工智能，同時避免建設龐大的基於 Nvidia 的基礎設施的做法是明智的。</p>
<h2>蘋果仍在投資人工智能</h2>
<p>這並不是説蘋果沒有投資於自己的專有模型。實際上，它的做法在某些方面與 DeepSeek 的做法非常相似。</p>
<p>在去年的蘋果智能活動上，蘋果推出了自己的模型，但有兩個重要的警告：第一，每個模型都是針對 iPhone 或 Mac 的特定用例進行提煉和優化的。在最近與分析師的電話會議上，首席執行官蒂姆·庫克強調了自去年十月推出蘋果智能以來，蘋果設備上使用最頻繁的一些功能。</p>
<p>&#34;&gt; [蘋果智能用户] 可以使用寫作工具來幫助找到合適的詞彙，使用圖像遊樂場和 Genmoji 創建有趣獨特的圖像，處理日常任務並通過更自然的對話式 Siri 尋求信息，使用簡單的提示創建他們的記憶電影，並使用清理工具修飾他們的照片。我們引入了視覺智能和相機控制，幫助用户即時瞭解他們的周圍環境。</p>
<p>除了專注於特定的蘋果客户用例而不是通用的大型語言模型外，蘋果的做法在其他方面也顯得具有前瞻性。蘋果智能的基礎模型是基於一個名為蘋果 AXLearn 的開源框架構建的。由於它是開源的，蘋果在可能的情況下也避免使用 Nvidia 芯片和專有的 CUDA 軟件堆棧，因為蘋果從一開始就知道它不想被鎖定在 Nvidia 昂貴的生態系統中。</p>
<p>雖然蘋果使用的人工智能軟件框架是其基礎模型的開源，但在數據方面，蘋果似乎採取了相互矛盾的做法。蘋果僅使用獲得許可的數據，出版商有機會選擇退出。蘋果還使用其專有的網絡爬蟲從互聯網上抓取公開可用的數據。該公司在後期訓練過濾算法和優化方面再次採用專有技術，這些算法和優化是針對蘋果產品的特定任務而設計的。</p>
<p>通過使用可以在非 Nvidia 芯片上運行的開源軟件作為基礎模型，包括蘋果自己的專有數據中心芯片，然後在過濾和優化層面使用針對已知用例的專有算法，蘋果可以以非常合理的成本為特定任務生成更小但高度實用的模型。</p>
<h2>蘋果的自律使其成為長期贏家</h2>
<p>在 Nvidia 因 DeepSeek 消息下跌後，蘋果實際上重新奪回了全球最大公司的桂冠。</p>
<p>儘管今天蘋果是全球最大的公司，但請記住，蘋果從未獨立開創過新的技術創新。它不是第一個發明個人電腦、便攜式音樂播放器、智能手機或無線耳機的公司。蘋果所做的是將這些發明進行整合，並在此基礎上進行創新，使其對用户特別直觀和實用，同時在此後持續優化成本。</p>
<p>這種自律和對不確定新發明不急於投入鉅額資金的態度，使其形成了一個風險較低的商業模式。鑑於大型語言模型現在將變得成本更低且更易獲取，蘋果的自律顯示了為什麼在過去 10 年中它是沃倫·巴菲特首選的科技股票。</p>

蘋果

<p>隨着主要公司大量投資，人工智能競爭愈發激烈，但蘋果避免在人工智能基礎設施上進行大規模資本支出的策略可能是明智的。低成本的中國模型 DeepSeek R1 的推出表明，人工智能模型訓練可以以更低的成本實現，這驗證了蘋果的做法。隨着 DeepSeek 的優化方案公開，可能會導致成本降低和人工智能領域開源開發的增加。蘋果專注於為其設備量身定製的人工智能解決方案，而不是在商品化的基礎設施領域競爭，這使其在不斷發展的人工智能格局中處於有利位置</p>

<p>The artificial intelligence races have been heating up, with most of the Magnificent Seven and others spending huge amounts of money in a race to achieve the best artificial intelligence models the fastest.</p>
<div class="lb-trans"><p>人工智能競賽正在加劇，七大科技巨頭及其他公司在爭奪最快實現最佳人工智能模型的過程中投入了鉅額資金。</p>
</div><p>But that strategy has raised doubts about whether these massive sums will eventually pay off.</p>
<div class="lb-trans"><p>但這一策略引發了人們對這些鉅額資金是否最終會帶來回報的質疑。</p>
</div><p>Two weeks ago, a collection of major U.S. AI companies announced a $100 billion project called Stargate. Yet the following week, low-cost Chinese model DeepSeek R1 was introduced, showing that leading frontier models can be trained at much lower cost.</p>
<div class="lb-trans"><p>兩週前，一組主要的美國人工智能公司宣佈了一項名為 “星際之門” 的 1000 億美元項目。然而，接下來的一週，低成本的中國模型 DeepSeek R1 被推出，顯示出領先的前沿模型可以以更低的成本進行訓練。</p>
</div><p>An ancillary conclusion from the DeepSeek introduction? It appeared to validate <strong>Apple</strong>'s (AAPL -0.67%) AI strategy, which had come under criticism over the past couple years. As it turns out, Tim Cook &amp; Co. may have the last laugh after all.</p>
<div class="lb-trans"><p>從 DeepSeek 的推出中得出的一個附帶結論是？這似乎驗證了 <strong>蘋果</strong>（AAPL -0.67%）的人工智能策略，儘管在過去幾年中受到批評。事實證明，蒂姆·庫克及其團隊可能最終會笑到最後。</p>
</div><h2>The implications of DeepSeek</h2>
<div class="lb-trans"><h2>DeepSeek 的影響</h2>
</div><p>While there is still some controversy as to the amount of money DeepSeek actually spent on its model, whether it &#34;distilled&#34; its model from OpenAI's o1, or whether it has access to more GPUs than it lets on, the optimizations published as part of its research paper revealed real, novel ideas on how to lower the cost of training frontier models.</p>
<div class="lb-trans"><p>儘管關於 DeepSeek 實際在其模型上花費了多少資金仍存在一些爭議，不論它是否從 OpenAI 的 o1“提煉” 了其模型，或者它是否擁有比它所透露的更多 GPU，但其研究論文中發佈的優化方案揭示了降低訓練前沿模型成本的真實新穎想法。</p>
</div><p>There are a few consequences investors can anticipate from this. First, look for those ideas to get incorporated into all the major AI competitors quickly. This will further lower the cost of AI models across the industry.</p>
<div class="lb-trans"><p>投資者可以預見到幾個後果。首先，預計這些想法將迅速被所有主要人工智能競爭者採納。這將進一步降低整個行業的人工智能模型成本。</p>
</div><p>Second, DeepSeek is partially open-source, which means its weights and technology optimizations are publicly available to developers to use and augment. Of the American tech giants, only <strong>Meta Platforms</strong>' (META 0.32%) Llama models are also open-source.</p>
<div class="lb-trans"><p>其次，DeepSeek 是部分開源的，這意味着其權重和技術優化對開發者公開可用，以供使用和增強。在美國科技巨頭中，只有 <strong>Meta Platforms</strong>（META 0.32%）的 Llama 模型也是開源的。</p>
</div><p>Having a major American and Chinese company disclosing their model optimizations publicly should lead to more open-source evangelism, which could even further speed up the proficiency of large, open models.</p>
<div class="lb-trans"><p>一家主要的美國和中國公司公開披露其模型優化應該會促進更多的開源宣傳，這甚至可能進一步加速大型開源模型的能力提升。</p>
</div><p>While OpenAI is still thought to have an overall technology lead, the time gap between it and its open-source competitors has closed to just a few months. For his part, Meta CEO Market Zuckerberg just said on last week's conference call with analysts he believes Meta's upcoming Llama 4 models will surpass OpenAI and lead the market this year.</p>
<div class="lb-trans"><p>雖然 OpenAI 仍被認為在整體技術上領先，但它與開源競爭者之間的時間差距已縮短至僅幾個月。Meta 首席執行官馬克·扎克伯格在上週與分析師的電話會議上表示，他相信 Meta 即將推出的 Llama 4 模型將超越 OpenAI，並在今年引領市場。</p>
</div><p>Increased open-sourcing and further algorithm-based cost reductions should eventually lead to more commoditization. Commoditization means prices and margins for AI models should come down, benefiting the customers of those models at the expense of the builders.</p>
<div class="lb-trans"><p>增加開源和進一步基於算法的成本降低最終應該會導致更多的商品化。商品化意味着人工智能模型的價格和利潤率應該下降，這將使這些模型的客户受益，而建設者則受到損害。</p>
</div><h2>Apple was prescient</h2>
<div class="lb-trans"><h2>蘋果的先見之明</h2>
</div><p>As the AI races heated up over the past two years, basically all major technology companies dramatically increased their capital expenditures buying high-priced <strong>Nvidia</strong>(NVDA -3.67%) GPUs and data center infrastructure. But one major tech company with the deep pockets to participate in the spending spree chose not to do so: Apple.</p>
<div class="lb-trans"><p>隨着過去兩年人工智能競賽的加劇，幾乎所有主要科技公司都大幅增加了資本支出，購買高價的 <strong>Nvidia</strong>（NVDA -3.67%）GPU 和數據中心基礎設施。但有一家主要科技公司，儘管有足夠的資金參與這場消費狂潮，卻選擇不這樣做：蘋果。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/09817e5315834b9989937e6187bd15f1.png" alt="" original-src="https://media.ycharts.com/charts/09817e5315834b9989937e6187bd15f1.png"/></p>
<p>AAPL Capital Expenditures (TTM) data by YCharts</p>
<div class="lb-trans"><p>AAPL 資本支出（TTM）數據來源於 YCharts</p>
</div><p>All major tech companies grew their capital expenditures between 73% and 182% over the past three years, except for <strong>Amazon</strong>. But Amazon is a bit different, as it was coming off a major spending spree in its e-commerce infrastructure after the pandemic. So its data center spending for Amazon Web Services has probably climbed much more than its 9% overall growth.</p>
<div class="lb-trans"><p>所有主要科技公司在過去三年中資本支出增長了 73% 到 182%，唯獨 <strong>亞馬遜</strong> 例外。但亞馬遜的情況有些不同，因為它在疫情後剛剛經歷了一場大規模的電子商務基礎設施支出。因此，亞馬遜網絡服務的數據中心支出可能比其 9% 的整體增長要高得多。</p>
</div><p>That leaves Apple alone as having surprisingly decreased its capital expenditures over the past two years -- a sharp contrast to its rivals.</p>
<div class="lb-trans"><p>這使得蘋果在過去兩年中資本支出意外減少，成為唯一與競爭對手形成鮮明對比的公司。</p>
</div><p>If a resource becomes commoditized and abundant, you would want to be a user of that resource, not a producer of it. This is why Apple's approach to focus on using AI for its core customers, all while eschewing the buildout of a massive Nvidia-based infrastructure, was smart.</p>
<div class="lb-trans"><p>如果一種資源變得商品化且豐富，你會希望成為該資源的用户，而不是生產者。這就是為什麼蘋果專注於為其核心客户使用人工智能，同時避免建設龐大的基於 Nvidia 的基礎設施的做法是明智的。</p>
</div><h2>Apple is still investing in AI</h2>
<div class="lb-trans"><h2>蘋果仍在投資人工智能</h2>
</div><p>This is not to say Apple isn't investing in its own proprietary models. It is. And actually, its approach looks a lot like DeepSeek's in some ways.</p>
<div class="lb-trans"><p>這並不是説蘋果沒有投資於自己的專有模型。實際上，它的做法在某些方面與 DeepSeek 的做法非常相似。</p>
</div><p>At last June's Apple Intelligence event, Apple unveiled its own models, with two big caveats: One, each model was distilled and optimized for specific use cases on the iPhone or Mac. On its recent conference call with analysts, CEO Tim Cook highlighted some of the features most used on Apple devices since the rollout of Apple Intelligence last October.</p>
<div class="lb-trans"><p>在去年的蘋果智能活動上，蘋果推出了自己的模型，但有兩個重要的警告：第一，每個模型都是針對 iPhone 或 Mac 的特定用例進行提煉和優化的。在最近與分析師的電話會議上，首席執行官蒂姆·庫克強調了自去年十月推出蘋果智能以來，蘋果設備上使用最頻繁的一些功能。</p>
</div><blockquote>
<p>[Apple Intelligence users] can use Writing Tools to help find just the right words, create fun and unique images with Image Playground and Genmoji, handle daily tasks and seek out information with a more natural and conversational Siri, create movies of their memories with a simple prompt, and touch up their photos with Clean Up. We introduce visual intelligence with camera control to help users instantly learn about their surroundings.</p>
</blockquote>
<div class="lb-trans"><p>&#34;&gt; [蘋果智能用户] 可以使用寫作工具來幫助找到合適的詞彙，使用圖像遊樂場和 Genmoji 創建有趣獨特的圖像，處理日常任務並通過更自然的對話式 Siri 尋求信息，使用簡單的提示創建他們的記憶電影，並使用清理工具修飾他們的照片。我們引入了視覺智能和相機控制，幫助用户即時瞭解他們的周圍環境。</p>
</div><p>Aside from focusing on specific Apple customer use cases rather than generalized large language models, Apple's approach also seemed prescient in other ways. Apple Intelligence's base model was built on an open-source framework called Apple's AXLearn. And since it's open-source, Apple also eschewed Nvidia chips and the proprietary CUDA software stack wherever it could, as Apple knew from the start it didn't want to get locked into Nvidia's expensive ecosystem.</p>
<div class="lb-trans"><p>除了專注於特定的蘋果客户用例而不是通用的大型語言模型外，蘋果的做法在其他方面也顯得具有前瞻性。蘋果智能的基礎模型是基於一個名為蘋果 AXLearn 的開源框架構建的。由於它是開源的，蘋果在可能的情況下也避免使用 Nvidia 芯片和專有的 CUDA 軟件堆棧，因為蘋果從一開始就知道它不想被鎖定在 Nvidia 昂貴的生態系統中。</p>
</div><p>While the AI software framework Apple uses is open-source for its base model, Apple has a seemingly contradictory approach when it comes to data. Apple uses only licensed data, with publishers having the opportunity to opt out. Apple also scrapes the internet for publicly available data with its proprietary web crawler. The company turns proprietary again for post-training filtering algorithms and optimization, which are geared for specific tasks on Apple products.</p>
<div class="lb-trans"><p>雖然蘋果使用的人工智能軟件框架是其基礎模型的開源，但在數據方面，蘋果似乎採取了相互矛盾的做法。蘋果僅使用獲得許可的數據，出版商有機會選擇退出。蘋果還使用其專有的網絡爬蟲從互聯網上抓取公開可用的數據。該公司在後期訓練過濾算法和優化方面再次採用專有技術，這些算法和優化是針對蘋果產品的特定任務而設計的。</p>
</div><p>By using open-source software that can run on non-Nvidia chips for the base model, including Apple's own proprietary data center chips, then using proprietary algorithms at the filtering and optimization level for known use cases, Apple can produce smaller yet highly useful models for specific tasks at a very reasonable cost.</p>
<div class="lb-trans"><p>通過使用可以在非 Nvidia 芯片上運行的開源軟件作為基礎模型，包括蘋果自己的專有數據中心芯片，然後在過濾和優化層面使用針對已知用例的專有算法，蘋果可以以非常合理的成本為特定任務生成更小但高度實用的模型。</p>
</div><h2>Apple's discipline makes it a long-term winner</h2>
<div class="lb-trans"><h2>蘋果的自律使其成為長期贏家</h2>
</div><p>Following Nvidia's decline after the DeepSeek news, Apple has actually regained the crown as the largest company in the world.</p>
<div class="lb-trans"><p>在 Nvidia 因 DeepSeek 消息下跌後，蘋果實際上重新奪回了全球最大公司的桂冠。</p>
</div><p>Despite its being the biggest company in the world today, remember, Apple has never pioneered a new technology innovation on its own. It wasn't the first to invent the PC, portable music player, smartphone, or wireless headphones. What Apple did is take those inventions and then innovate on top of them, making them all especially intuitive and useful for users, while consistently optimizing for cost afterwards.</p>
<div class="lb-trans"><p>儘管今天蘋果是全球最大的公司，但請記住，蘋果從未獨立開創過新的技術創新。它不是第一個發明個人電腦、便攜式音樂播放器、智能手機或無線耳機的公司。蘋果所做的是將這些發明進行整合，並在此基礎上進行創新，使其對用户特別直觀和實用，同時在此後持續優化成本。</p>
</div><p>That discipline and lack of urgency to spend huge amounts on uncertain new inventions makes for a very derisked business model. Given that large language models are now set to become lower-cost and more accessible, Apple's discipline has showed why it was Warren Buffett's preferred technology stock over the past 10 years.</p>
<div class="lb-trans"><p>這種自律和對不確定新發明不急於投入鉅額資金的態度，使其形成了一個風險較低的商業模式。鑑於大型語言模型現在將變得成本更低且更易獲取，蘋果的自律顯示了為什麼在過去 10 年中它是沃倫·巴菲特首選的科技股票。</p>
</div>

After DeepSeek, It Seems Apple May Have Had the Best AI Strategy of All

- 人工智能競爭加劇，巨頭們投入巨資爭奪最佳模型。  
- 低成本的中國模型 DeepSeek R1 顯示出訓練前沿模型的成本可大幅降低。  
- 蘋果的策略被驗證，未來 AI 模型成本將進一步降低，惠及客户。

在 DeepSeek 之後，似乎蘋果可能擁有最優的 AI 策略