苹果Siri将支持替换为Claude、ChatGPT,代码已现端倪

欧盟DMA监管压力下,苹果代码显示Siri或将支持替换Claude、ChatGPT等第三方大模型。
曝光的苹果开发代码显示,Siri正在深度开发第三方AI模型集成方案,未来用户可能将底层模型替换为Anthropic Claude或OpenAI ChatGPT。这一变化的直接推手并非苹果主动战略转型,而是欧盟《数字市场法》(DMA)的合规压力——该法案要求苹果向竞争对手平等开放Siri入口,苹果申请守门人规则豁免遭拒后不得不转向开放路径。若最终落地,用户将获得自主选择AI模型的权利,苹果庞大的设备生态也将转变为各家大模型的分发渠道。目前相关功能仍处于代码开发阶段,尚未官方公布,且初期主要面向欧盟地区合规需求,其他地区是否同步受益仍不明朗。
Siri的封闭堡垒出现裂缝
苹果一向以封闭生态著称,Siri背后的AI模型也不例外。但最新曝光的代码显示,苹果正在深度开发一套模型集成方案,未来用户或许能够将Siri的底层AI模型替换为Anthropic的Claude、OpenAI的ChatGPT等第三方大模型。
从代码迹象来看,这套集成并非简单的插件形式。它既可能表现为一个「询问Claude」的可选入口,也可能允许用户彻底替换掉苹果自研的模型,让第三方大模型成为Siri的默认大脑。这意味着Siri可能从一个封闭的语音助手,转变为一个可切换后端引擎的智能入口。

欧盟监管是背后推手
这一变化的直接导火索并非苹果的主动选择,而是来自监管压力。此前在WWDC前后,Siri AI迟迟未能在欧洲和中国上线一事就已引发广泛关注。
核心问题在于欧盟的《数字市场法》(Digital Markets Act,DMA)。欧盟委员会要求Siri AI必须向其他模型提供商开放,为竞争对手提供平等的接入机会。换句话说,苹果不能只让自家模型独享Siri这一庞大的用户入口。
据原始报道,苹果最初希望获得「守门人规则」(gatekeeper rule)的豁免,以便在不开放的前提下将Siri AI带入欧盟市场。但欧盟委员会拒绝了这一请求。这也解释了为何苹果不得不转向开发第三方模型集成的路径——这更像是被监管倒逼出来的技术妥协。
《数字市场法》(DMA)于2022年正式生效,2023年开始执行,是欧盟针对大型科技平台的核心监管框架。它将月活用户超过4500万、市值超过750亿欧元的平台认定为「守门人」(Gatekeeper),苹果、谷歌、Meta等均在列。DMA的核心逻辑是防止守门人利用平台地位自我优待——比如强制预装自家服务、拒绝第三方公平接入等。对Siri的具体要求,正是这一逻辑的延伸:苹果不得以技术手段让自研AI模型独享Siri入口,而必须为竞争对手提供同等接入条件。违反DMA的罚款上限为全球年营收的10%,情节严重可达20%,这使得申请豁免而非合规成为极高风险的选择。
对用户与行业意味着什么
如果这套方案最终落地,对普通用户而言无疑是利好。用户将拥有更多选择权,可以根据自身需求挑选最适合的AI模型,而不是被绑定在苹果单一的技术路线上。对于偏好Claude的编程与长文本能力,或看重ChatGPT综合能力的用户来说,这提供了前所未有的灵活性。
从行业角度看,这标志着AI助手竞争格局的一次微妙转变。以往科技巨头都倾向于用自研模型锁定用户,形成封闭护城河。而Siri开放模型接口,实际上把苹果庞大的设备生态变成了各家大模型的「分发渠道」。Anthropic、OpenAI等厂商有机会直接触达数以亿计的苹果设备用户。
值得关注的是地域差异。目前的开放动作主要是为满足欧盟的合规要求,是否会同步惠及其他地区尚不明朗。中国市场同样面临Siri AI尚未落地的问题,其模型接入策略可能又是另一套逻辑。
这种「平台中立化」模式在浏览器领域有过先例。欧盟此前要求微软在Windows中提供浏览器选择界面,让用户自主选择Chrome、Firefox等替代品,而非默认绑定IE或Edge。Siri开放模型接口的逻辑与此类似,区别在于AI模型的切换成本和用户感知远比浏览器复杂——不同模型在能力边界、隐私政策、数据处理方式上存在显著差异,苹果如何在开放的同时维持统一的用户体验与隐私承诺,将是落地过程中的关键挑战。
尚处早期,仍需谨慎看待
需要强调的是,这些信息目前来源于代码层面的发现,属于开发进行中的迹象,而非苹果官方正式公布的功能。代码中存在的集成能力,不一定意味着最终会向所有用户开放,也可能只在特定地区、特定条件下启用。
从「监管要求开放」到「代码开发验证」,苹果在模型开放这条路上的推进速度似乎比外界预想的要快。这场由监管、技术与商业博弈交织而成的变局,值得持续观察。它不仅关乎Siri的未来形态,也可能成为整个AI助手行业开放化的一个重要风向标。
相关推荐

反向传播的替代者?增广拉格朗日预测编码解析
增广拉格朗日预测编码(Augmented Lagrangian Predictive Coding)是一种反向传播的替代训练方法,结合预测编码的生物合理性与约束优化理论,本文解析其原理、优势与现实局限。

恐惧的传染:当AI专家渲染末日论时该被质疑
系统工程师 Bryan Cantrill 撰文《恐惧的传染》,回应 Anthropic 研究人员关于"AI 可能在十年内灭绝人类"的言论。他质疑末日论缺乏专业依据,强调技术专家不应滥用公众信任,用模糊推断制造恐慌。

向量RAG的天花板:为什么它答不出"为什么"?
向量RAG能召回相关文本块,却无法解释推理、连接跨文档事实。本文剖析向量检索在多跳推理上的结构性短板,以及用Neo4j知识图谱构建可解释、可审计RAG的架构思路。