На WWDC 2026 Apple представила обновлённый Siri с AI-возможностями нового уровня. В основе — лицензированная модель на базе Gemini, запускаемая на собственной инфраструктуре Private Cloud Compute. Параллельно анонсирована библиотека Core AI для разработчиков, построенная поверх Meta PyTorch, и использование vision-LLM для извлечения данных прямо с экрана пользователя. Бета iOS 27 уже доступна для разработчиков — но доступ к новому Siri AI выдаётся через лист ожидания.
Контекст
Apple Intelligence — проект с непростой репутацией. Анонсы WWDC 2024 обещали глубокую интеграцию AI в экосистему, но реальные поставки сильно отстали от обещанного. Часть функций вышла с задержкой в несколько кварталов, часть — в урезанном виде. В результате наблюдатели, включая Саймона Уиллисона — одного из самых цитируемых технических блогеров в области LLM, — выработали жёсткую позицию: «поверю, когда увижу».
На этот раз архитектура выглядит более реалистичной. Использование Gemini-derived модели через лицензию означает, что Apple не строит собственный frontier model с нуля — она встраивает готовый фундамент в свою инфраструктуру Private Cloud Compute. Это рациональное решение: компания получает мощную модель, сохраняя контроль над данными и вычислениями на своей стороне.
Vision LLM для чтения экрана — отдельно интересный ход. Он снимает с разработчиков обязанность писать кастомные интеграции для каждого приложения: Siri просто «видит» экран и понимает контекст. Это значительно упрощает путь к системным AI-функциям без переписывания всей экосистемы приложений.
Аналитика
Ключевой сигнал — не столько Siri, сколько Core AI. Библиотека на базе PyTorch с расширением coreai-torch позволяет разработчикам экспортировать собственные модели (torch.export.ExportedProgram) и запускать их на Apple-железе через AIProgram. Это прямой ответ на годами накопившуюся боль: Apple Silicon — мощное железо с Neural Engine, но доступ к нему через ML-фреймворки всегда был ограничен. Core AI потенциально открывает настоящую on-device inference для любых PyTorch-моделей.
Для рынка это важно на двух уровнях. Первый — пользовательский: privacy-first AI прямо на устройстве без отправки данных в облако становится реально достижимым. Второй — инфраструктурный: Apple формирует альтернативный AI-стек рядом с NVIDIA/CUDA-доминированием. Если Core AI получит нормальную документацию и community, это может стать значимым полюсом для on-device AI в 2026–2027.
Vision LLM как системный слой — тренд, который параллельно развивают и другие игроки. Способность модели «смотреть» на экран и понимать контекст без API-интеграций меняет сценарий для agentic-систем: агент больше не зависит от того, открыл ли разработчик приложения нужный endpoint. Это фундаментально расширяет пространство автоматизации.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если Core AI заработает как обещано, продукты с iOS-клиентом получат доступ к on-device inference без cloud-зависимости. Сценарий: классификация, summarization, локальный RAG прямо на устройстве клиента. Для SaaS, работающего с чувствительными данными (медицина, юриспруденция, финансы), это снижает compliance-риски и убирает latency облачных вызовов.
Корпорация с legacy-стеком. Vision LLM для чтения экрана — прямая ценность для компаний, где внутренние системы не имеют API. Siri AI, «видящий» экран 1С, старой ERP или кастомного десктоп-приложения, может стать прослойкой автоматизации без переписывания бэкенда. Пилот: голосовые команды поверх legacy-интерфейсов через Siri на корпоративных iPhone.
SMB и локальный бизнес в КР/СНГ. Компании, которые уже используют iPhone как основное рабочее устройство, получат AI-ассистента без дополнительных подписок. Суммаризация переписки, быстрый поиск по экрану, голосовые действия в приложениях — всё это без отправки данных наружу. Для бизнеса в регионе с ограниченным доверием к облачным сервисам on-device AI — это аргумент.
Кейсы в личной жизни
Разработчик на Apple Silicon. Core AI с PyTorch-бриджем — это повод попробовать запустить собственные fine-tuned модели локально на Mac или iPhone. Экспорт через torch.export и маппинг ATen-операторов уже описан в документации. Первый шаг: установить iOS 27 Developer Beta, изучить coreai-torch и запустить небольшой PyTorch-эксперимент на устройстве.
Контент-мейкер. Vision Siri, понимающий экран, потенциально ускоряет работу с монтажными таймлайнами, текстовыми редакторами, структурами проектов. Вместо переключения между приложениями — голосовые команды в контексте текущего экрана. Когда выйдет из листа ожидания — тестировать на реальных рабочих сценариях.
Студент или исследователь. On-device модели без облака означают работу без интернета и без передачи текстов на серверы. Для работы с конфиденциальными исследовательскими материалами или офлайн-сценариев — это принципиально другой уровень приватности по сравнению с cloud-LLM.
Как применить сегодня
- Установить iOS 27 Developer Beta на тестовое устройство и подать заявку на доступ к Siri AI через лист ожидания.
- Изучить документацию Core AI PyTorch Extensions (
coreai-torch) — особенно механизм экспортаtorch.export.ExportedProgramи маппинг ATen-операторов. - Если ведёте iOS-продукт: составить список сценариев, где vision-LLM для чтения экрана заменяет кастомную интеграцию с Apple Intelligence.
- Следить за реальными отчётами от разработчиков, прошедших лист ожидания (MacRumors, simonwillison.net) — первые достоверные данные о качестве должны появиться в ближайшие дни.
- Сохранить скептицизм: оценивать по реальным демо и бенчмаркам, не по WWDC-слайдам.
«Учитывая, как больно обожглись те, кто принял анонсы Apple Intelligence на WWDC 2024 за чистую монету, я придерживаюсь строгой политики: поверю, когда увижу» — Саймон Уиллисон, 8 июня 2026