苹果的iOS 27/macOS 27开发周期正在揭示一个新的趋势:AI的表现上限,取决于底层操作系统的支持能力。最新的测试版发布表明,在苹果承诺全面拥抱AI两年之后,测试人员终于感受到这一目标正在逐步落地——苹果正在将系统性能优化与Siri AI升级列为核心优先级。
以本周发布的第二个开发者测试版为例,两周前曾出现的模糊"索引中"提示已被替换为更清晰的说明文字:"正在优化搜索与Siri"。
深入研究代码的开发者发现,系统正在主动为短信、备忘录和照片构建上下文映射,使更新后的本地架构能够快速调取个人数据,同时不损害用户隐私。虽然这一过程仍需要一定时间,但其用途已经得到了明确说明。
改进后的索引机制整体上带来了更流畅的设备性能,体现了此次版本在底层架构上的深度优化。在Reddit等社区中,早期测试用户普遍表示,对于如此早期的测试版本而言,这次的打磨程度达到了前所未有的水平。
在无需依赖外部服务器的场景下,测试用户反映Siri的响应速度明显加快。许多人也在尝试第二个测试版中新增的"用Siri写作"功能——该功能在支持的应用中以键盘上方专属入口的形式呈现。
"用Siri写作"取代了此前的"写作工具"面板,提供与Siri深度整合的自然语言交互界面。这意味着Siri AI可以调取短信、邮件及其他文档中的相关信息,生成更具针对性的内容。点击提示后,一个文本输入框会从灵动岛向下滑出。该工具可在备忘录、邮件和信息等应用中,根据请求生成具有上下文关联性的内容,同时原有的写作工具功能仍然保留。
测试人员指出,个性化上下文功能在追溯过往假期信息或历史消息时表现相当出色;但视觉智能、跨应用操作等部分功能在早期测试版中仍受到较多限制或刻意降速处理。
这一现象反映出苹果目前在测试阶段仅开放了有限的服务器资源,更多算力将在正式版发布后逐步投入,以支持完整功能的运行。值得注意的是,苹果目前仍对Siri AI测试资格实行候补名单制度。
此次更新还修复了大量影响日常使用的问题。此前测试版中存在的截图裁剪功能异常已得到解决,长期困扰用户的Wi-Fi频繁断连问题也趋于稳定。密码等系统原生应用完成了界面优化,在主界面直接新增了"+"快捷按钮,无需再经过多步菜单操作。
新测试版还带来了一批实用的跨设备工具,开发者现在可以通过Mac键盘和触控板直接操控iPhone界面,大幅简化了应用开发测试流程。有开发者还反映,在这种工作模式下,音频也能无缝通过桌面硬件输出。
对于普通iPhone用户而言,最显著的改进是Handoff的响应速度更快、更稳定。此外,信息应用中的RCS功能也得到了强化,钱包应用新增了"洞察"功能,有助于用户优化个人财务管理。
新版操作系统还为苹果未来的产品布局提供了支撑。tvOS 27的代码中已被发现包含多项Apple Intelligence相关框架,这意味着HomePod和Apple TV设备将进化为功能完整的AI终端;而watchOS 27则有望将Apple Watch打造成覆盖范围最广的可穿戴AI平台。
苹果计划于7月推出iOS 27首个公开测试版,正式版将于今年秋季面向所有用户发布。遗憾的是,新版Siri AI功能因监管问题,将不会在欧洲和中国地区上线,此举已引发部分用户不满。
总体来看,此次测试版的完成度之高令人印象深刻,几乎接近正式发布的状态。更重要的是,通过对各平台底层架构的系统性强化,苹果正为其未来所依赖的生态级一体化AI奠定更坚实的基础。
Q&A
Q1:iOS 27的"用Siri写作"功能具体怎么用?
A:在支持的应用中,键盘上方会出现"用Siri写作"的专属入口,点击后会从灵动岛向下滑出文本输入框。用户可以用自然语言描述需求,Siri AI会调取短信、邮件等文档中的相关信息,在备忘录、邮件和信息等应用中生成具有上下文关联性的内容。原有的写作工具面板功能同时保留,两者并不冲突。
Q2:iOS 27测试版的Siri AI为什么有些功能受到限制?
A:目前苹果在测试阶段仅开放了有限的服务器资源,因此视觉智能、跨应用操作等依赖服务器端支持的功能在早期测试版中受到较多限制或降速处理。随着正式版发布,苹果将投入更多算力支持完整功能运行。此外,Siri AI的测试资格目前仍实行候补名单制度,并非所有测试用户都能立即体验。
Q3:iOS 27正式版什么时候发布?新版Siri AI功能会在中国上线吗?
A:苹果计划于2025年7月推出iOS 27首个公开测试版,正式版将于今年秋季面向全球用户发布。但由于监管问题,新版Siri AI功能不会在欧洲和中国地区上线,这一决定已引发部分受影响地区用户的不满。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。