在昨日举行的WWDC主题演讲中,苹果CEO蒂姆·库克提到,"开发者正在以前所未有的速度提交应用,App Store每小时收到的提交数量已超过1000个。"
库克的这番话意在强调App Store的活跃态势,尤其是在应用开发门槛降至历史新低的当下,这一数字显得尤为亮眼。
然而,低门槛也是一把双刃剑。生成式AI辅助开发工具帮助更多人将创意转化为应用的同时,也让批量制造低质软件变得轻而易举。
正是基于这一背景,苹果去年11月对App Store审核规范进行了多项更新,其中包括一条专门针对"山寨应用"的限制规则。
而就在数月前,科技媒体The Information报道称,App Store新增应用数量出现了84%的激增,这一现象似乎给苹果的审核团队带来了更大压力。对此,苹果方面予以反驳:
苹果发言人否认了审核时间延长的说法,并表示审核团队能在48小时内处理90%的提交申请。过去12周内,团队每周处理的应用提交量超过20万个,平均审核时间为1.5天。发言人还补充称,虽然每一份提交都需要经过人工审核,但公司正越来越多地借助AI工具辅助这一流程。
尽管如此,苹果近期仍对App Store审核规范第4.3(b)条款进行了更新(据MacRumors报道),进一步收紧了对"平庸、低质或低投入"应用提交行为的限制。更新后的条款内容如下:
"不要提交与市面上已有应用高度雷同的产品。投机性地复制现有应用类别或热门应用,会降低App Store的可发现性,拉低整体应用质量,并对用户和开发者双方造成损害。某些类型的应用,如约会、手电筒、音效、壁纸、简单计时器和算命等,在App Store上已发展成熟,除非能提供明显差异化或更优质的使用体验,否则我们将不再受理新的提交申请。如果这类应用未经更新、未有改进,或无法吸引用户,我们可能会将其从App Store下架。至于喝酒游戏、性爱体位指南、放屁音效和打嗝音效等应用,属于平庸、低质或低投入内容,对App Store毫无价值,多次提交此类应用可能导致开发者账号被移出苹果开发者计划。"
此外,本次更新还在用户生成内容相关规定(条款1.2)以及利用Live Activities发送垃圾信息、网络钓鱼或未经请求的消息等行为(条款4.5.3)方面新增了相应说明。
如需查阅完整的App Store审核规范更新内容,可访问苹果官方指引页面。
Q&A
Q1:苹果此次更新App Store审核规范主要针对哪些类型的应用?
A:本次更新主要针对与现有应用高度雷同、缺乏差异化的产品,以及平庸、低质或低投入的应用。具体包括约会、手电筒、壁纸、算命等已饱和类别中无明显创新的新提交应用,以及喝酒游戏、放屁音效等被认定为低价值的内容。多次提交此类应用的开发者,甚至可能面临被移出苹果开发者计划的风险。
Q2:苹果App Store每周能处理多少应用审核?平均需要多长时间?
A:根据苹果官方说法,过去12周内,App Store审核团队每周处理的应用提交量超过20万个,平均审核时间为1.5天,且90%的提交申请能在48小时内完成处理。苹果还表示,虽然每份提交都需要人工审核,但目前已引入AI工具辅助提升审核效率。
Q3:开发者如果提交了低质应用会有什么后果?
A:根据更新后的审核规范,若开发者持续提交平庸、低质或低投入的应用,可能面临以下处理:相关应用被从App Store下架,尤其是那些未经更新、未有改进或无法吸引用户的产品;情节严重者还可能被移出苹果开发者计划,影响后续所有应用的上架资格。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。