这一动向揭示了这家科技巨头在追赶AI浪潮中所面临的严峻技术挑战与内部治理难题。
自研平台陷入“动力不足”窘境
此前，苹果曾寄希望于“私有云计算”平台来处理复杂的AI任务，以维持其一贯的隐私保护形象。然而，最新的报道指出，该平台目前表现得“动力不足”：
- 硬件瓶颈： 现有平台主要搭载修改版的 M2 Ultra 处理器。虽然该芯片在消费级产品中表现卓越，但面对基于谷歌 Gemini 架构的新版Siri模型，其算力显然难以支撑大规模、高并发的实时运算需求。
- 低效运行： 令人意外的是，尽管资源紧缺，该平台的平均算力利用率仅为 10% 左右。这导致大量已生产的自研服务器目前正闲置在仓库中，未能发挥应有的效能。
- 软件滞后： 更新该系统软件的流程被指过于复杂且耗时，难以跟上AI技术日新月异的迭代速度。
“烟囱式”架构引发的效率危机
报道深入分析了苹果云基础设施背后的深层矛盾——严重的“碎片化”状态。
长期以来，苹果内部不同技术团队的软硬件设施均处于独立运行状态，缺乏一个能够跨部门共享的统一中央资源池。这种“各自为政”的架构导致了极大的资源浪费：当某一部门的服务器因项目周期处于闲置时，急需算力的其他团队却因权限和技术架构限制无法接入利用。
这种重复建设的高昂成本已引发苹果财务团队的强烈不满。尽管内部曾多次提出彻底改造技术栈的计划，但由于涉及资金高达数十亿美元，相关进程在过去十年中数次陷入停滞。
务实转向：向老对手“借力”
在AI竞争日益白热化的背景下，苹果似乎选择了更为务实的“外部协作”路线。
合作伙伴的选择： 谷歌在 Gemini 大模型的服务器大规模部署方面拥有成熟经验。考虑到苹果此前已在 iCloud 云存储等服务中长期使用谷歌云，双方在基础设施层面的进一步合作具有极高的操作性。
行业观察
即便是强如苹果，在面对大模型时代的算力洪流时，也不得不打破“全栈自研”的执念。
此次转向不仅意味着苹果承认了在超大规模AI基础设施建设上的滞后，也标志着全球AI竞争正在从单纯的模型演进，转向底层算力调度与基础设施效率的全面对垒。
