苹果公司CEO蒂姆·库克正在中国展开一系列活动。据美国媒体报道，苹果公司正在和百度进行谈判，以便在苹果设备使用百度人工智能生成技术。受此影响，百度美股周五盘前一度直线拉升，涨超6%。开盘后，股价高开，截至发稿，微涨0.21%。

　　苹果或与百度展开合作

　　据美国媒体《华尔街日报》报道，苹果公司与百度就前者在中国的设备中使用百度人工智能生成技术举行了初步会谈。苹果一直在探索利用外部合作伙伴来帮助加速人工智能雄心，已与包括谷歌和OpenAI在内的多家公司就使用它们的技术进行了讨论。上述人士表示，讨论仍处于探索阶段。目前尚不清楚苹果是否与其他中国人工智能公司进行过接触。

　　此前，苹果竞争对手三星最新的Galaxy系列手机在中国也使用了百度的文心一言来支持某些人工智能功能。

　　证券时报记者就此进行求证，截至发稿，百度方面尚未作出回应。

　　在百度2023年第四季度及全年财报电话会上，CEO李彦宏曾透露，文心大模型的日调用量已超过5000万次，季度环比增长190%；2023年12月，约有 2.6 万家企业调用文心大模型，季度环比增长150%。目前，三星、荣耀等手机企业均与百度达成合作。

　　据官方介绍，三星Galaxy AI深度集成百度文心大模型多项能力，可提供端侧赋能的通话、翻译功能，以及借助生成式 AI 带来的智能摘要、排版等功能。此外，Galaxy S24系列手机首创了“即圈即搜”，用户在文字、图片或视频上进行简单的手势操作，如画圈、划线等，即可立即获得相关搜索结果。

　　百度表示，2024年生成式人工智能与基础模型业务将为公司带来数十亿元人民币的增量收入。

　　苹果着急了！

　　在本轮由OpenAI引爆的生成式人工智能浪潮中，苹果公司被认为是反应迟缓的巨头之一。

　　今年2月，苹果公司放弃了汽车项目的研发，并表示将加大对生成式人工智能领域的投资。库克曾在和投资人的交流中表示，该公司一直在研究生成式AI，并计划在今年晚些时候公布进展情况。

　　库克也曾对媒体谈及AI话题，称该公司AI已经运用在了苹果产品的各方面。

　　“苹果的生成式AI，在今年晚些时候会宣布。”库克指出，生成式人工智能具有令人难以置信的突破潜力，它将为用户提供更加智能、高效的解决方案，进一步推动生产力的发展。

　　库克强调，苹果一直以来都致力于在人工智能领域进行深入研究，并积累了丰富的经验和技术。库克指的苹果在人工智能领域的布局，是指从AppleWatch的摔倒检测到iPhone的预测性文本输入，这些功能都是由AI驱动的。

　　但显然，这和投资者预期的OpenAI式的人工智能相去甚远。

　　但库克强调，苹果将充分利用其在硬件和软件方面的优势，为用户提供更加出色的生成式AI体验。他相信，苹果在生成式人工智能领域的创新将为用户带来全新的交互方式和解决问题的能力。

　　随后，市场传出苹果公司正与谷歌和OpenAI展开谈判，计划将这些公司的生成式大型语言模型用在其iPhone全新人工智能功能的底层框架中。

　　据外媒报道，苹果计划利用大型语言模型全面革新Siri，使其成为“终极虚拟助手”。“苹果正在开发的一项具体功能是改善Siri与信息应用的交互，例如让Siri更有效地自动完成句子并回答复杂问题” 。

　　自研+并购苹果努力追赶

　　事实上，苹果公司在人工智能领域的投入并不算少。除了加大研发投入外，还通过持续并购提升竞争力。

　　今年3月，苹果公司完成对加拿大AI公司DarwinAI的收购，这家创企的数十名员工已经加入了苹果的AI部门。据不完全统计，这是苹果已知收购的第33家AI公司。

　　资料显示，DarwinAI作为一家专注于AI技术研发方面的公司。该公司一直致力于为制造商提供高效的视觉检查AI系统，并致力于研发“使神经网络模型更小、更快”的创新技术。这种技术特色与苹果一贯推崇的在设备上运行AI而非完全依赖云端运行的理念不谋而合，因此，DarwinAI的加入被业界视为苹果AI战略的重要补充。

　　对于此次收购，苹果方面表示，收购小型科技公司是其常规的投资策略之一，旨在通过整合优质资源和技术，推动公司在各个领域的创新与发展。

　　据市场调研机构Stocklytics最新报告，到2023年，苹果总共收购了32家AI公司，是科技公司中收购数量最多的，谷歌母公司Alphabet收购了21家，Meta收购了18家，微软收购了17家。

　　在研发方面，苹果同样也拿出了新东西。

　　上周，苹果公司研发团队成员发布了一篇名为《MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training》的论文专业杠杆配资，并正式亮出了自己的300亿参数多模态大模型（MLLMs）。据称这些模型在预训练指标中是“最先进的”，并且在一系列已建立的多模态基准测试中，经过监督微调后实现了“有竞争力的”性能。此外，MM1可以支持增强的上下文学习和多图像推理，使得少数样本的思维链提示成为可能。