苹果AI转向英伟达GPU，自研芯片遇瓶颈
苹果曾长期强调芯片自研能力，从iPhone到Mac，M系列芯片让公司摆脱了对英特尔处理器的依赖，也成为其硬件生态的重要竞争壁垒。但在人工智能基础设施领域，这套逻辑正在遇到新的挑战。
据消息称，苹果因自研 M2 Ultra 芯片在运行高强度 AI 工作负载时表现未达到预期，正在调整人工智能计算路线，转而更多依赖英伟达 GPU 提供算力支持。
这意味着，苹果在消费端设备芯片上的优势，并不能简单复制到大规模AI训练和推理场景。
过去几年，AI模型规模快速扩大，计算需求已经发生变化。传统CPU和面向终端优化的芯片设计，很难满足大型语言模型持续增长的参数量和复杂推理任务。英伟达凭借CUDA生态、数据中心GPU以及完整的软件工具链，已经成为多数科技公司的默认选择。
苹果也无法完全绕开这一现实。
消息人士透露，苹果此前尝试使用自有服务器运行谷歌 Gemini 模型，为新版 Siri提供AI能力支持，希望通过自建基础设施降低长期成本，同时保持数据控制。但在实际运行过程中，M2 Ultra芯片的性能表现难以满足高级AI任务需求，最终转向使用部署在Google Cloud上的英伟达GPU。
这背后反映出苹果当前AI战略中的一个矛盾。
一方面，公司希望像过去打造A系列、M系列芯片一样，通过垂直整合掌控核心技术；另一方面，生成式AI的发展速度远超传统芯片迭代周期，算力竞争已经形成新的产业链格局。
微软、谷歌、亚马逊等企业近年都在投入自研AI芯片，但与此同时，它们依然大量采购英伟达GPU。原因很简单，AI基础设施竞争不仅是芯片性能竞争，更是软件生态、开发工具和供应链能力的综合比拼。
苹果正在面对同样的问题。
据报道，苹果下一代AI服务器芯片“Baltra”的研发进度出现延迟，而被认为未来可能挑战英伟达Blackwell架构性能的M7 Ultra芯片，最快也要到2029年左右才可能推出。
如果这一时间表属实，苹果在AI基础设施领域与行业领先者之间的差距可能还会持续几年。
不过，这并不意味着苹果会放弃自研路线。苹果过去在芯片领域的成功，很大程度来自长期投入，而不是短期追赶。公司可能采取更现实的方式：在关键阶段借助外部算力，同时继续推进内部芯片研发。
类似策略在科技行业并不少见。谷歌拥有TPU，但依然采购英伟达GPU；亚马逊开发Trainium芯片，也没有完全摆脱第三方算力供应。大型科技公司正在形成一种“双轨模式”——自研芯片用于降低长期成本和增强控制力，外部GPU则帮助快速扩张AI业务。
对于苹果而言，真正的压力并不是是否购买英伟达GPU，而是AI能力能否跟上竞争节奏。
新版Siri被视为苹果进入生成式AI时代的重要入口。如果底层算力不足，影响的不只是服务器成本，更可能影响产品发布时间和用户体验。
过去十年，苹果依靠芯片自主化建立了硬件优势。下一阶段，这家公司需要证明自己能否在AI时代复制类似的成功。只是这一次，竞争对手手中的武器，已经从手机处理器变成了数据中心里的巨型算力集群。
