2026年，全球人工智慧基礎設施投資正以前所未有的速度擴張。IDC 已將全年 AI 基礎設施支出預測上調至 4,970 億美元，年增近 56%。亞馬遜、微軟、Alphabet、Meta 四大科技巨頭 2026 年合計 AI 資本支出預計將達 7,250 億至 7,700 億美元，較 2025 年成長超過 77%。在這場以資料中心、GPU 叢集與電力消耗為核心的競賽中，幾乎每一家科技巨擘都以真金白銀堆砌算力護城河。
然而，有一家企業選擇了截然不同的路徑。
2026年7月24日，蘋果（AAPL）收盤價為 333.02 美元，單日上漲 3.53%。今年以來，蘋果股價累計漲幅約 22%。在過去 15 個交易日內，蘋果股價累計上漲 19.98%，同期標普 500 指數僅上漲 1.91%，這是自 2020 年 8 月以來蘋果在 15 個交易日內對大盤的最大幅度領先。匯豐分析師將蘋果評級由「持有」上調至「買進」，目標價大幅調升至 366 美元；美銀維持「買進」評級，目標價 380 美元；摩根大通亦將目標價由 299.88 美元上調至 308.92 美元。
市場正在重新定價一件事：在 AI 時代，不參與軍備競賽是否同樣能贏得競爭？
一組數據對比：2.5% 與 39% 的資本支出鴻溝
蘋果 AI 策略最核心的特徵，在於其刻意維持的低資本支出強度。
根據匯豐銀行分析師估算，蘋果 2026 年預測銷售額中，用於 AI 資料中心等資本支出的比例僅約 2.5%。與之形成鮮明對比的是，Meta、Google、亞馬遜、微軟等被統稱為「超大規模雲端業者」的科技巨頭，這一比例高達 39%。
這一差距並非偶然。當競爭對手將數十億甚至數百億美元投入資料中心建設時，蘋果選擇將 AI 能力部署於用戶手中既有裝置上。蘋果在推動 Apple Intelligence 功能時，能夠撬動全球 22.5 億台活躍裝置所構成的龐大基礎。這種基於存量裝置的漸進式智慧化升級，無需依賴資料中心的激進擴張，便可將 AI 能力滲透至終端用戶。
從更宏觀的視角來看，這一策略選擇的時代背景尤為關鍵。高盛預估，2026 年超大規模雲端業者資本支出占營運現金流比例將升至約 100%。美國最大幾家科技公司今年的現金儲備比過去十年任何時候都少。市場對 AI 泡沫的疑慮正在升溫——AI 板塊是否已現泡沫，成為基金經理討論最熱烈的議題之一。當整個產業在資本支出的懸崖邊奔跑時，蘋果的低資本消耗模式反而構成一種防禦性優勢。
蘋果的 AI 邏輯：模型「商品化」與端側優先
蘋果並非沒有 AI 能力，而是對 AI 技術演進路徑做出了一個關鍵判斷：基礎大模型正快速走向標準化與可獲取性，也就是所謂「商品化」。
基於這一認知，蘋果在新一代 Siri 的底層技術選型上，採用客製化接入業界領先雲端模型的方案——其邏輯與長期依賴三星供應高階顯示面板如出一轍：不執著於從零打造所有環節，而專注於整合最成熟的外部能力。在未來的 iOS 27 系統中，蘋果的 AI 功能套件旨在與當前主流先進模型保持同步演進，而非追求單項技術指標的絕對領先。
具體而言，蘋果的 AI 架構採取了「自研＋外部」的雙軌策略。在 2026 年 WWDC 上，蘋果揭露了 Apple Intelligence 的自研模型架構，同時確認與輝達及 Google 合作建構雲端算力基礎設施。蘋果軟體工程資深副總裁 Craig Federighi 表示，蘋果作業系統內設有一個「系統編排器」模組，可根據 AI 請求所需的算力與個人資料量，將請求路由至端側模型或雲端模型。
這一架構的關鍵在於：絕大多數日常 AI 互動都保留在裝置本地完成。蘋果於 WWDC 展示了針對端側 AI 工作負載的實質性效能提升，並推出 Core AI Engine。早期基準測試顯示，針對較小 AI 模型的處理速度顯著提升。
端側 AI 的深層壁壘：晶片、壓縮與生態閉環
輕資產並不等於不作為。蘋果的端側 AI 策略建立在三層遞進的技術壁壘之上。
第一層是晶片的垂直整合。 蘋果自 2008 年收購 PA Semi 以來，累積超過 15 年的自研晶片經驗。據供應鏈消息，蘋果 M7 晶片已完成流片，從 M6 到 M7 的迭代週期大幅壓縮至半年。iPhone 18 Pro 系列將搭載基於台積電 2nm 製程的 A20 Pro 晶片，晶片速度預計提升約 15%，能效提升約 30%。端側大模型對晶片 NPU 算力與能效比提出了更高標準，蘋果透過硬體端的快速迭代為端側 AI 提供了運算底座。
第二層是模型壓縮技術的探索。 2026年7月，據 CNBC 報導，蘋果正與矽谷 AI 新創公司 PrismML 洽談合作，擬引進先進模型壓縮技術。PrismML 宣稱可將阿里通義千問 270 億參數大模型從 54GB 精簡至 4GB 以內，適配 iPhone 15 及新款機型。壓縮後的模型具備低功耗、高速度優勢，可有效解決傳統雲端 AI 延遲高、依賴網路、隱私風險高等痛點。若該技術通過驗證，蘋果的端側 AI 能力將迎來實質性躍升——更多 AI 任務可於本地完成，進一步降低對雲端算力的依賴。
第三層是生態的分發效率。 蘋果擁有超過 25 億台活躍裝置的安裝基礎。任何有意義的 AI 改進都能透過軟體更新迅速觸及數億用戶。這個分發網路本身就是蘋果最核心的策略資產之一。當 AI 能力不再稀缺、模型趨於同質化時，誰能以最低成本、最快速度將 AI 能力交付給最大規模的用戶，誰就掌握了商業化的主導權。
中國市場的「輕資產」延伸：合作而非自建
蘋果的輕資產邏輯在中國市場獲得了進一步延伸。
2026年7月15日，網信辦發布公告，蘋果旗下「Apple 智能」大模型已於 7 月 8 日完成備案，適用於 iPhone。與海外市場類似，蘋果並未完全依靠單一自研模型支撐 Apple 智能，而是採取「自研模型＋外部模型補充」策略。
阿里千問將作為 AI 能力整合至 Apple 智能，提供文字與圖像理解、內容生成、多輪對話等服務；百度則主要為 Apple 智能提供 AI 搜尋及資訊檢索相關能力。阿里千問在 Apple 智能中扮演的角色與 Google 類似，在雲端承接複雜推理任務；百度則延續了 Siri 預設搜尋引擎的定位。
這種「借力」策略讓蘋果在不投入巨額自研成本的前提下，完成了中國這一關鍵市場的 AI 合規與功能落地。蘋果並未將外部模型視為永久性依賴，而是將其定位為「可替換的能力模組」——無論是 ChatGPT、Gemini 還是千問，模型廠商僅負責提供底層 AI 能力，蘋果則在上層牢牢掌握用戶關係與系統入口。
市場驗證：輕資產路線正在被重新定價
市場的反應正在驗證這一策略的有效性。
蘋果股價的強勢表現並非孤立事件。根據道瓊市場數據，蘋果在過去 15 個交易日內對大盤的領先幅度為 2020 年 8 月以來最大。匯豐報告指出，蘋果獲得的 AI 提振「來得正是時候」——當前正值蘋果被分析師認為擁有「最具創新力產品線」之一的時間窗口。
更深層的支撐來自蘋果長期的資本回饋策略。自 2012 年以來，蘋果在股票回購上的累計投入已達 8,510 億美元。僅在過去兩個財報季度，公司就斥資 360 億美元回購股票。從 2012 財年至 2025 財年，蘋果淨利成長 169%，但由於回購使流通股數量減少逾 40%，同期稀釋後每股盈餘增幅高達 373%。低資本投入的 AI 策略令其遠離燒錢爭議，而持續十餘年的大規模股票回購則為股東鎖定了豐厚的實際回報。
當然，這一策略也面臨現實約束。據 The Information 報導，蘋果原計畫今年推出的自研 AI 伺服器晶片「Baltra」專案已被延後。為補足算力短板，蘋果採取多線布局策略：除規劃晶片企業併購外，還與博通合作研發 AI 伺服器晶片，雙方合作協議已延長至 2031 年。此外，蘋果已敲定以 20 億美元收購 AI 音訊新創公司 Q.Ai。這些動態顯示，蘋果的「輕資產」並非不投入，而是將資本精準配置在晶片設計、關鍵併購與生態整合上，而非大規模資料中心建設。
結語：一種不同於「規模競賽」的 AI 競爭範式
當全球科技產業的主流敘事仍是「更大模型、更多算力、更高資本支出」時，蘋果展現了一種截然不同的可能性。
這種可能性的核心邏輯在於：當 AI 模型本身正走向商品化，真正的競爭壁壘可能不在於誰擁有最大的模型或最多的 GPU，而在於誰擁有最高效的 AI 交付網路、最深的用戶黏著度，以及最低的單位成本。
蘋果的輕資產 AI 策略本質上是一種槓桿策略——用 2.5% 的資本支出占比，撬動 22.5 億台活躍裝置的端側算力；用外部模型合作，彌補自研能力的階段性不足；用端側智慧的隱私與速度優勢，打造與雲端 AI 的差異化定位。
這條路並非沒有風險——自研晶片的延宕、外部合作的依賴、端側算力的物理極限，都是需要持續應對的挑戰。但至少在當下，市場正以真金白銀為這種「非共識」投下信任票。
AI 競賽的終局未必只有一種贏法。不建資料中心的公司，或許同樣能贏得 AI 時代。
FAQ
Q1：蘋果的「輕資產 AI 策略」具體是指什麼？
指蘋果在 AI 佈局中維持極低的資本支出強度——預計 2026 年用於 AI 相關資本支出的收入占比僅約 2.5%，遠低於超大規模雲端業者 39% 的水準。蘋果主要透過端側裝置算力、外部模型合作與生態整合實現 AI 能力落地，而非大規模自建資料中心。
Q2：蘋果為什麼不選擇大規模自建 AI 資料中心？
蘋果對 AI 技術演進路徑的判斷是：基礎大模型正快速走向標準化與可獲取性。與其投入數百億美元自建算力基礎設施，不如透過租賃外部模型、強化端側晶片與生態整合來實現 AI 能力覆蓋。這種策略讓其避開了產業對 AI 資本支出過高的爭議。
Q3：蘋果的端側 AI 與其他公司的雲端 AI 有何不同？
蘋果的端側 AI 模型直接在 iPhone、iPad、Mac 等裝置上運行，而非完全依賴雲端伺服器。這帶來更快的回應速度、更強的隱私保護、更低的營運成本，且在網路連線有限的情況下也能運作。蘋果認為「AI 的未來在用戶口袋裡，而不只是雲端」。
Q4：蘋果在中國市場的 AI 佈局有何特色？
蘋果在中國採取「自研模型＋外部模型補充」的雙軌策略。阿里千問提供文字與圖像理解、內容生成等雲端 AI 能力，百度提供 AI 搜尋及資訊檢索服務。蘋果將外部模型定位為「可替換的能力模組」，自身仍掌握用戶關係與系統入口。
Q5：蘋果的輕資產 AI 策略是否存在風險？
存在。主要風險包括：自研 AI 伺服器晶片「Baltra」專案已被延後；對 Google、阿里等外部模型供應商存在技術依賴；端側裝置算力與記憶體存在物理極限，複雜 AI 任務仍需調用雲端。蘋果正透過晶片併購、與博通合作等方式應對這些挑戰。
