macOS 27 的发布已进入倒计时,距离正式亮相仅剩数周。除了将停止对四款 Mac 机型的支持外,据传这一新版本系统将搭载大量 AI 功能并带来界面设计层面的更新。以下是目前已知的主要内容。
Siri 迎来 AI 全面升级
Siri 的 AI 深度改造预计将成为 iOS 27 乃至苹果几乎所有软件平台的核心亮点,macOS 27 也不例外。
Mac 端将新增一款 Siri 应用,提供类似 ChatGPT 和 Google Gemini 的对话式聊天界面。与此同时,Siri 将具备全新的智能体能力,能够根据用户指令以及当前屏幕显示内容,在 Mac 上跨应用执行操作。
此外,Siri 还将通过大语言模型支持的世界知识库来回答更多问题并执行搜索,并支持多步骤连续请求等多项功能提升。
Safari 新增 AI 标签页整理功能
苹果将在 macOS 27 中借助 AI 技术推出全新的"整理标签页"功能,帮助用户管理混乱的浏览器标签。
据悉,当标签页数量过多时,Safari 将提供一个新的"整理标签页"按钮,可根据内容主题自动将标签页归类分组。
这项功能并非对所有用户都不可或缺,但若运行效果理想,对于 Safari 重度用户而言将是一项实用工具。
Apple Intelligence 带来三项图像编辑新功能
macOS 27 和 iOS 27 将同步引入由 Apple Intelligence 驱动的三项图像编辑新工具。
据马克·古尔曼(Mark Gurman)透露,这三项功能分别命名为 Extend(扩展)、Enhance(增强)和 Reframe(重构)。
预计上述功能将基于由 Gemini 驱动的新版 Apple 基础模型实现。
快捷指令支持自然语言创建
苹果的"快捷指令"应用即将大幅降低自定义捷径的创建门槛。
在 macOS 27 中,用户据报可以直接用自然语言描述所需的快捷指令,系统随即会自动完成构建。
借助 Apple Intelligence,快捷指令应用不仅能够建议可用动作,还能根据用户需求全新生成对应的操作步骤。
界面设计迎来调整与触控优化
macOS 27 据传同样将带来设计层面的变化,主要集中在两个方向:
在 Liquid Glass 设计语言方面,macOS Tahoe 此前因重新设计力度不及 iOS 26 而受到批评。对此,彭博社表示苹果正在着手修复阴影效果和透明度等方面的常见问题。
在触控优化方面,搭载触控屏的全新 MacBook Ultra 预计将于今年晚些时候发布,成为首款支持触控操作的 Mac。为此,系统界面预计将进行小幅调整以更好地适配触控交互。
Q&A
Q1:macOS 27 的 Siri 有哪些新能力?
A:macOS 27 中的 Siri 将迎来全面升级,包括全新的对话式聊天界面、基于大语言模型的世界知识库支持、多步骤连续请求处理,以及跨应用执行操作的智能体能力。用户不仅可以像使用 ChatGPT 一样与 Siri 对话,还能让它根据屏幕内容自动完成复杂任务。
Q2:Safari 的"整理标签页"功能是怎么用的?
A:在 macOS 27 中,当 Safari 标签页数量过多时,用户可以点击新增的"整理标签页"按钮,系统会自动利用 AI 技术将标签页按内容主题分组归类,无需手动整理,适合经常开启大量标签页的用户使用。
Q3:macOS 27 的快捷指令有什么变化?
A:macOS 27 中的快捷指令应用将支持自然语言创建功能。用户只需用日常语言描述想要实现的操作,系统便会借助 Apple Intelligence 自动构建对应的快捷指令,还能根据需求生成全新的操作步骤,大幅降低了自定义快捷指令的使用门槛。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。