Siri脱胎换骨，苹果AI Agent藏不住了

库克在WWDC26上的告别只说了200多字，没有煽情，没有长篇大论，就是简单一句「各位的创造力将继续为人们带来改变」。但在他身后，苹果留下了一个完全重做的Siri。与其说这是Siri的升级，不如说苹果终于把Siri做成了一个真正的AI Agent。

发布会上演示的那些场景。用户对着相机拍一盘菜算热量、让Siri从信息App里翻聊天记录找地址、一键规划途经朋友家的路线，每一个单独看都像功能点，但串起来看，苹果在做的这件事，行业内有个更准确的名字叫设备端Agent化。

一、Siri不再只是语音助手

苹果给新一代Siri取了个新名字叫「Siri AI」。名字变化背后是定位的根本性转变。以前的Siri是一个语音交互界面，你问它天气，它告诉你今天多少度。现在的Siri是一个具备自主行动能力的AI系统。

怎么理解这个区别？语音助手是被动的，你问一句它答一句。Agent是主动的，你说「帮我安排观赛派对」，它能自己查询赛程、策划菜单、找聊天记录里女儿提过的甜品、生成完整方案、然后起草邀请消息让你确认发送。整个过程用户只需要表达意图，Siri自己完成信息检索、逻辑推理、跨App操作。

这才是Agent化的本质：从信息查询工具，升级为意图执行引擎。

二、五大能力拆解，Agent骨架清晰可见

苹果公布了Siri AI的五大核心能力：个人上下文理解、App操作、屏幕感知、图像理解、广泛世界知识。拆开看每一条，都是在补一个AI Agent必需的组件。

个人上下文理解相当于Agent的「记忆系统」。它能读懂你信息App里的聊天记录、照片库里的人物关系、日历上的日程安排。不是简单读取，而是理解这些信息之间的关联，知道你女儿提过椰子饼干、知道Jeff搬家了、知道你和朋友约了世界杯观赛。

App操作是Agent的「行动系统」。Siri可以直接操作Safari、邮件、日历、电话、信息、照片等原生App，还能通过App工具箱调用第三方工具。这意味着Agent的执行边界不只是「回答问题」，而是「完成任务」。

屏幕感知和图像理解是Agent的「感知系统」。相机对着一盘菜就知道热量，对着账单就能分摊金额，打开一张照片就能识别这是哪个海滩。Mac上框选屏幕内容就能让Siri处理，这些能力让Agent不再依赖用户用语言描述环境，而是直接感知环境。

五大能力合在一起，就是一个接近完整的AI Agent架构：感知→理解→决策→执行。以前的Siri只有「理解」这一环，现在补齐了其他四环。

三、借Gemini的模型，做自己的Agent

这次WWDC26最被低估的信息，可能是苹果和谷歌的合作。苹果引入了Gemini系列模型的技术来打造新一代苹果基础模型。这在苹果历史上很少见。一家以「全栈自研」为信仰的公司，在AI模型这个核心组件上选择了合作。

仔细想想这个选择很聪明。做AI Agent的难点从来不在模型本身，而在于系统集成。模型的能力可以被API化，但Agent要真正好用，需要调用系统级的能力，屏幕内容、App状态、用户数据、硬件传感器。这些恰恰是苹果的优势。谷歌有Gemini但没法深度控制Android生态的每一层，OpenAI有GPT但根本不碰硬件。苹果借Gemini的模型能力，把自己硬件+系统+生态的优势加上AI引擎，打了一套组合拳。

核心矛盾：模型可以外借，但系统集成能力是买不来的。苹果选了一个务实路线，模型合作，系统自研。

四、给AI产品经理的三个启示

看完WWDC26的Siri AI发布，有三点值得AI产品经理关注。

第一，Agent的入口之争正在从云端沉到设备端。OpenAI把Agent放在云端，用户通过网页或API调用。苹果把Agent放在设备上，通过系统级整合直接触达用户。两种路线各有优劣，但对消费场景来说，设备端的响应速度和隐私保护有明显优势。

第二，「系统级AI」是比「模型能力」更深厚的护城河。苹果没有在发布会上比拼模型的参数、benchmark分数，而是反复演示Siri如何在信息、邮件、日历、相机之间穿梭。对产品经理来说，这提醒了一个事实：用户感受到的AI价值，更多来自AI与产品的整合深度，而非模型本身的强大程度。

第三，Agent的产品化关键是「渐进式落地」。苹果没有一上来就说Siri能取代一切。它先做五件事：记住你的上下文、看懂屏幕上的内容、操作你常用的App、识别图像、查询知识。这五件事单独看都不算革命性，但组合在一起，用户的使用习惯就悄悄变了。从「我问你答」到「我表达你执行」，这个转变不是靠一个杀手功能实现的，是靠一个又一个场景的累积。

库克的时代即将落幕，但苹果在AI Agent这条路上，可能才刚刚开始。