苹果Siri想让智能眼镜真正能办事

2026.11.15 23:49
苹果正通过 App Intents 把第三方应用的内容与操作接入 Siri AI,使语音助手有机会从“回答问题”升级为“执行任务”的系统入口。这套架构为无屏或弱屏智能眼镜提供了软件基础,但最终成败仍取决于延迟、隐私、可靠性和开发者参与度;所谓 iPhone Duo 及其 Face ID 方案则仍属于未经苹果确认的传闻。

智能眼镜最危险的误区,是把“能听见”误当成“能完成任务”。苹果正在推进的 Siri AI 和 App Intents,真正可能改变的并不是语音搜索的准确率,而是 Siri 与第三方应用之间的关系。如果应用愿意把内容和操作以结构化方式交给系统,用户就不必再盯着一块屏幕完成每一步,语音、上下文和权限可以组成一条新的交互链路。

这也是苹果智能眼镜想象空间的关键。眼镜可以拥有摄像头、麦克风和扬声器,却不必急于塞入一块复杂显示屏。前提是 Siri 不再只是回答问题,而是能调用应用、传递参数、返回结果,并在涉及风险时要求确认。

苹果真正想重做的不是 Siri,而是系统入口

苹果开发者文档对 App Intents 的定义并不神秘。开发者可以声明应用执行的操作,也可以声明应用中的数据实体和枚举类型。编译器再生成供 Apple Intelligence、Siri、Spotlight 和 Shortcuts 发现这些能力所需的信息。

看起来,这只是一个开发框架。实际上,它更像一份操作协议。应用不必把全部内部实现交给 Siri,而是把“播放一首歌”“打开某条记录”“给某个联系人发送信息”“对一张照片应用滤镜”这样的动作,包装成系统能够识别、传参和调用的结构化能力。

苹果在 Apple Intelligence 开发者页面中明确提到,App Intents 通过 schemas 让应用内容可被发现,让应用能力可以通过自然语言调用。苹果在 WWDC25 的开发者演示中也展示了带参数和返回值的 intents、代表动态数据的 App Entities,以及可以串联的多步操作。

这意味着 Siri 的竞争单位不再只是一次问答,而是一条任务链。用户说的是“帮我处理一件事”,系统要做的是识别对象、补齐参数、调用应用、处理返回值,并在必要时继续下一步。

“操作系统交易层”是对这套结构的一个分析性概括。这里的交易不只包括支付,也包括任何需要权限、参数和结果确认的系统动作。Siri 处于用户意图和应用执行之间,应用提供能力,系统负责发现、编排和授权。

为什么这套架构特别适合智能眼镜

手机的核心优势是屏幕。屏幕可以展示候选项、表单、地图、确认按钮和错误提示。眼镜如果没有显示屏,或者显示屏只承担极少量提示,就不能照搬手机应用的交互逻辑。

无屏设备的难题,不是让模型理解一句话,而是让用户在没有视觉反馈的情况下完成闭环。问天气很容易,真正困难的是“把这封邮件里的会议时间加入日历,再通知同事”“找到昨天拍的那张照片,调高亮度后发给某人”。这些任务需要访问跨应用信息,也需要在执行前后给用户清晰反馈。

App Intents 提供的恰好是一层中间结构。它把复杂应用拆成可被系统调用的动作,把动态内容变成可引用的实体,再把多个动作组合成工作流。对智能眼镜而言,麦克风只是输入设备,扬声器只是反馈设备,真正决定产品价值的是中间那层能否把“我想做什么”稳定变成“哪个应用执行了什么”。

如果这层成立,眼镜不需要复制手机的全部界面。它可以感知环境、接收意图、反馈结果,日历、导航、通信、音乐、相机和健康应用则通过系统协议提供能力。

但这里有一个容易被忽略的前提,眼镜不是 Siri 的免费外壳。它会把延迟、误识别和隐私问题放大。

延迟和可靠性,决定 Siri 能不能离开屏幕

在手机上,语音助手偶尔答错,用户还可以改用触控。眼镜一旦成为主要入口,用户就很难用另一种界面补救。一次错误导航可能只是尴尬,一次错误发送消息则可能变成真实的社交成本。

苹果自己的产品节奏已经说明,跨应用操作不是把大模型接上 Siri 那么简单。CNBC 在 2025 年 3 月报道,苹果将原计划在春季推出的、能够在其他应用中采取行动的 Siri 功能推迟到下一年。报道同时提到,苹果需要开发者通过 app intents 为下一代 Siri 打基础。

这次延期的重要性在于,它暴露了任务型 AI 和聊天型 AI 的差异。聊天系统只要生成一个看起来合理的答案,就可能被认为完成了一半工作。操作系统必须把动作真正执行到正确对象上,参数不能错,权限不能越界,失败时还要解释清楚。

CNBC 同一报道还提到,苹果此前停用过部分 Apple Intelligence 新闻摘要功能,原因与系统生成不准确的新闻摘要有关。新闻摘要与应用操作并不是同一个产品,但它们共享同一个风险,用户不会把错误归咎于某个模型组件,而会认为整个系统不可靠。

因此,智能眼镜需要的不是“更会聊天的 Siri”,而是具备明确边界的任务执行器。低风险动作可以直接完成,高风险动作必须确认,无法确认的动作应当拒绝,而不是用一段流畅回答掩盖失败。

苹果开发者资料已经把确认机制写进 App Intents 的设计中。涉及数据或外部世界重大副作用的操作,需要在执行前让用户确认。这个机制会降低自动化速度,却提高了可控性。对眼镜来说,慢半拍的确认远比无声地做错更有价值。

隐私不是宣传语,而是采用门槛

智能眼镜比手机更贴近现实世界。它可能持续接收谈话、街景、会议和人的面部信息。若 Siri 要根据个人上下文完成任务,系统还需要处理邮件、消息、照片、联系人和位置等数据。

苹果的优势是可以把 Siri、权限系统、芯片和应用生态放在同一个平台治理。苹果官方页面强调,Apple Intelligence 以端侧处理为核心,并通过 Private Cloud Compute 承担更大的模型任务,苹果称用户数据不会对苹果或其他人可访问。

但“隐私设计”不等于“隐私风险消失”。用户仍然需要知道眼镜什么时候在听,哪些内容被用于理解上下文,哪些应用获得了什么权限,任务是否由本地模型完成,哪些请求需要云端计算。对手机来说,这些提示可以显示在屏幕上。对眼镜来说,反馈方式更难设计。

App Intents 的价值正在这里显现。与让模型直接操作任意界面相比,结构化动作更有利于系统识别操作对象、参数和可能的副作用,也更容易设置确认边界。系统级 AI 的安全能力,不能建立在模型“应该理解”之上,而要建立在可验证的调用协议之上。

这也是苹果比单纯的语音应用更有机会的地方。它不一定拥有最开放的模型,却拥有把模型嵌进权限、设备和开发者生态的能力。对于智能眼镜,后者可能比模型参数规模更重要。

开发者参与度,才是这场赌局的供给侧

任何系统入口最终都要面对一个现实问题,开发者是否愿意接入。

App Intents 并不会自动让所有应用变成智能应用。开发者需要定义动作、实体、参数、返回结果和确认逻辑,还要测试不同的表达方式和失败场景。对于大公司来说,这可能是平台红利;对于小团队来说,这是一笔需要看到回报才能支付的工程成本。

苹果可以通过系统曝光、Spotlight、Shortcuts、Siri 和未来的硬件入口提供激励,但开发者仍会问一个问题,接入之后,用户是否真的会通过 Siri 使用我的应用。

如果 Siri 只是偶尔把用户带回应用,开发者可能愿意接入发现能力。如果 Siri 能完成核心交易,开发者就会更关注分发权、数据权和品牌关系。一个系统级助手越强,第三方应用越可能担心自己从产品入口退化为无名工具。

这构成苹果必须处理的生态矛盾。Siri 要足够强,才能让眼镜有用;但如果它把所有应用都抽象成后台动作,开发者可能减少投入。苹果需要让开发者从“被调用”中获得新增使用和商业价值,而不是只获得一套额外的合规工作。

因此,判断 Siri AI 是否成功,不能只看演示效果。更有意义的指标包括接入 App Intents 的头部应用数量、用户通过 Siri 完成的跨应用任务比例、任务一次成功率、误操作率、确认后放弃率,以及开发者维护这些 intents 的持续性。

iPhone Duo 传闻提醒了另一种风险

围绕苹果折叠 iPhone、包括所谓“iPhone Duo”的讨论,也常被拿来与 Siri 和智能眼镜放在同一张路线图上。需要明确的是,具体产品名称、Face ID 方案和发布时间表,若没有苹果正式确认,都只能视为传闻。

这类传闻仍然有分析价值,因为它提醒人们,苹果的系统能力最终要落在真实硬件上。折叠设备会带来屏幕结构、机身厚度、前置摄像头和生物识别布局等工程约束。Face ID 是否能够以与现有产品相同的方式集成,并不是软件团队单方面可以决定的事情。

同样的逻辑也适用于智能眼镜。传闻可以描绘出一个没有屏幕的轻量设备,再把 Siri 作为主要交互层,但真正的产品必须解决麦克风阵列、扬声器漏音、续航、散热、摄像头指示、网络连接和佩戴舒适度。软件架构能降低屏幕依赖,却不能消除硬件约束。

更重要的是,Siri 的成熟度必须先于眼镜承担核心任务。如果苹果仍然需要反复延期跨应用动作,眼镜就只能成为一个更贵、更隐蔽的语音终端。它可以听歌、接电话、回答简单问题,却无法证明自己是新的计算平台。

真正的验证标准不是会不会说,而是能不能做完

苹果把 Siri 更深地放进操作系统体系,方向是对的。App Intents 也提供了比“让大模型自由点击界面”更稳健的工程路径。它把应用能力转换成系统可发现、可调用、可授权的结构化单元,为无屏设备保留了实现复杂任务的可能。

但可能性不是产品。苹果必须证明,语音请求能够在足够短的时间内得到反馈,第三方应用能够持续提供高质量 intents,系统能够在敏感操作前清楚征得同意,任务失败时用户仍然知道发生了什么。

智能眼镜的未来因此不应该从一张产品渲染图开始判断,而应从 Siri 的任务完成率开始判断。若用户只能让它回答问题,眼镜仍然只是一个麦克风和扬声器的组合。若用户可以在不掏出手机的情况下稳定完成跨应用任务,苹果才真正拥有了进入下一种计算形态的钥匙。

苹果想卖的或许不是一副更聪明的眼镜,而是一套让用户少看屏幕的操作系统。Siri 能否成为这套系统的入口,不取决于它说得多像人,而取决于它能否在现实世界里少犯错、真办事。

作品声明:内容由AI生成