苹果与Meta，在桌面上停战

几天前，扎克伯格公开感谢了苹果。

| 他在网上称，Meta刚刚开放权重的Muse Spark Open，在新款Mac Studio上运行出色，感谢与苹果及约翰·特努斯的合作。特努斯随后回应，能让这样规模的模型在桌面上高效运行，令人惊叹。

两位经营者谈论的是一件很具体的东西：几台连在一起的电脑，以及运行在电脑里的模型。

| 按照Meta的介绍，两台搭载M5 Ultra、各配备512GB统一内存的Mac Studio，可以承载Muse Spark Open。这款模型拥有8160亿总参数，面向编程、多步推理和智能体任务。

屏幕上写着Meta，桌面上的硬件属于苹果。

这一画面有些陌生。两家公司在隐私、平台规则和下一代计算设备上争执多年。扎克伯格曾经将苹果施加的限制，写成自己支持开放生态的重要理由。

如今，他把苹果列进了感谢名单。

我更感兴趣的，是这次握手发生的位置。

▲ 此图由AI辅助制作

| 双方没有宣布把彼此的业务装进同一家公司，也没有交出各自最重要的控制权。模型进入苹果电脑，苹果电脑也因此获得了一项新的用途。两家公司的利益，在桌面上短暂重合。

停战能够成立，首先因为双方在这里可以用不同的方式获益。

01

老对手，保留各自的位置

2024年7月，扎克伯格发表《开源AI是前进之路》。

文中有一段直接谈到苹果。他称，自己长期在苹果允许的范围内建设服务，这种经历塑造了他对开放生态的看法。他批评平台收费、规则，以及受到阻碍的产品创新。

那段文字背后，是应用公司与操作系统公司的不同处境。

| Meta可以拥有庞大的用户网络，产品仍然需要运行在别人管理的设备与系统上。用户如何授权、应用能取得哪些信息、哪些功能可以上线，平台都有能力施加影响。

苹果2021年实施应用追踪透明度规则，要求应用在追踪用户或访问设备广告标识符之前取得许可。一个系统级决定，能够改变跨应用数据的使用条件。

对苹果而言，这是用户隐私与平台治理。这对依赖广告业务的应用公司而言，系统规则也直接关系到经营空间。

这段冲突没有因为一次模型适配而消失。

但把模型下载到Mac，与让应用跨越多个服务追踪用户，涉及不同的数据流向，也带来不同的商业机会。

| 在本地推理的配置中，模型可以进入用户的设备，部分计算随之留在设备内部。苹果提供芯片、内存、操作系统和运行框架；Meta提供模型。双方无需先解决所有分歧，就能围绕一项具体能力合作。

苹果也无需独自训练出每一款领先模型，才能从AI中获得硬件价值。

只要外部模型能够高效运行在Mac上，模型越有用，Mac就越有机会成为用户部署这些能力的选择。对于Meta，多一种可靠的运行环境，就多一种抵达开发者和企业的方式。

同一项模型能力，可以同时增加软件的使用范围与硬件的购买理由。

这解释了停战，也限定了停战。

苹果没有因此成为Meta的分销部门，Meta也没有把模型只交给苹果。双方合作的是一段能够共同获益的路径，各自仍然保留离开这段路径、继续竞争的能力。

03

模型开放，桌面仍然昂贵

把模型搬上桌面，需要先处理一个不太浪漫的问题：装得下吗？

| Muse Spark Open采用混合专家架构，每次计算只激活部分参数。激活参数减少了推理时需要动用的计算量，却没有让其余权重凭空消失。运行系统仍需为模型安排足够的存储与内存空间。

苹果的技术文章给出了具体尺度：模型原生BF16权重需要超过1.6TB内存；采用四位量化格式后，模型本身的内存占用约493GB，再加上推理过程中的额外开销，仍需要多台机器共同承担。

因此，“运行在个人桌面”描述的是部署位置。

桌面上摆放的，依然是高配置专业设备。模型权重能够下载，也没有消除硬件、维护和使用上的门槛。

这里恰好存在双方可以分享的利益。

| 开放权重让用户获得自行部署的选择，也将一部分竞争转移到模型之外：哪种设备能够容纳模型、哪套框架能够减少部署麻烦、如何在可以接受的等待时间里完成任务……

苹果的统一内存与MLX框架，由此有了新的展示对象。用户购买一套高性能设备的理由，可以从处理图像、视频和代码，继续延伸到运行替自己处理这些工作的模型。

Meta获得的则是一种更完整的交付可能。模型下载以后，用户还需要找到适合的机器和软件。一个能够协同优化的硬件伙伴，可以缩短模型从发布到实际使用的距离。

| 开放，在这里产生了一种容易被忽略的效果：一层能力变得更容易获得，可能让另一层能力变得更有价值。

模型开发者、芯片公司、设备制造商和应用开发者，并不会平均分配这种价值。各方都在寻找一个位置，让其他环节的进步增加自身的重要性。

苹果与Meta暂时找到了这样的位置。

| 但性能仍有明确边界。苹果公布的测试中，四台M5 Ultra Mac Studio在8192 tokens上下文配置下，Muse Spark Open的生成速度约为每秒36.73 tokens。这一数字属于特定精度、上下文长度和生成设置，不能直接等同于复杂智能体任务的完成速度，更无法替多用户、高并发场景作出保证。

桌面计算获得了一块新的用途。云端计算依然拥有自己的规模与效率条件。

真正发生的变化在于，是用户可以开始根据任务，选择计算留在哪里。

03

停战条件？写在许可里

倘若只看发布时的合影与相互致谢，这会像一则关于硅谷关系缓和的故事。

但读到模型许可，事情变得更具体。

| Muse Spark Open允许使用、修改、微调和分发等行为，同时设置了商业条件。其中一项条款针对模型服务：当使用方及其关联方在连续十二个月内的合计总营收超过2000万美元，并通过API等形式向第三方提供模型服务时，在把该模型或衍生模型用于这项业务之前，需要通知Meta并签署额外书面协议。

▲ 此图由AI辅助制作

条款同时列明，内部使用、研究，以及把模型作为自有产品功能组成部分等情形，不适用这一项额外要求。

区别就在这里。

企业将模型部署在内部，为自己的员工工作，与企业把模型包装成服务、向外部客户提供调用，在许可中受到不同对待。

当然，这份条款无法证明Meta专门为苹果设计了合作空间。但从商业结构看，硬件与应用公司扩大模型使用，与大型模型服务商转售模型，确实被分开处理。

Meta愿意让更多人把模型用起来，同时为部分规模化服务业务保留谈判条件。

这种开放带着清晰的方向感。

苹果能够从设备销售与生态使用中获益，未必需要先成为模型服务商。企业可以为了自己的工作部署模型，也未必需要把同一套模型能力重新出售。几种不同的经营方式，有机会在同一项技术上相互配合。

与此同时，Meta也没有放弃收费服务。

| 10月12日，Meta刚刚推出Muse Wonder与Muse Wonder Full，通过API、Muse Code及订阅产品等渠道提供能力。开放权重与服务收费，已经同时存在于这家公司的产品安排中。

因此，用“开放”或“封闭”给整家公司归类，会丢掉很多重要细节。

更有解释力的追问理应是：开放了哪一部分？允许谁以什么方式使用？又在哪一种经营活动上保留条件？

“开放”，正在成为一种分工方式。不同企业可以围绕同一项能力赚钱，也会在能力如何被再次出售时重新划定边界。

这比“巨头终于和解”更接近桌面上的现实。

04

谁的数据？又是谁的工作？

模型运行在哪里，最终会改变一些很日常的选择。

一家剪辑工作室，希望AI阅读尚未发布的素材；一个开发团队，希望模型理解内部代码。任务是否值得上传，往往同时取决于成本、等待时间，以及团队愿意把哪些内容交给外部服务。

本地部署增加了一种处理方式。

| Meta称，已经测试由Muse Spark Open驱动的本地智能体工作流，包括修改开源客户端的代码，以及操作DaVinci Resolve审阅素材、选择片段和调整画面。

这些演示有一个共同点：模型开始围绕电脑里的实际工作运转。

代码仓库、视频素材、应用界面与运行环境，逐渐成为模型完成任务所需的上下文。AI的价值不再只由回答本身体现，还体现在能否进入用户已经使用的工具，接续一项工作。

这给拥有设备与操作系统的公司增加了重要性。

模型能够理解一个任务，仍需获得访问文件、调用软件和执行操作的条件。计算即使留在本地，任务中的网络服务、插件和工具仍可能向外发送信息。数据是否离开设备，必须沿着完整工作流程判断。

本地部署提供了更多控制空间，也将更多管理工作交给部署者。