股票投资用什么app:股票开户什么时候可以买股票-中国版“苹果智能”近了？阿里+苹果大消息

　　命途多舛的中国版“苹果智能”，又有新进展 。

　　记者最新获悉 ，阿里巴巴通义千问团队正式推出并开源Qwen3全系列32款MLX量化模型
。MLX是由苹果机器学习研究团队开发的
，专为苹果芯片设计的一种机器学习框架，可高效地训练和部署AI大模型 ，已经被越来越多的AI开发者采用。

　　自今年2月阿里确认与苹果合作中国区Apple Intelligence（苹果智能）之后，相关消息就不时传出 。据外媒报道
，苹果智能在中国的落地引发美国政府严格审查，目前仍然在审批过程中。阿里此次将Qwen3全系列与苹果芯片深度适配 ，被业界视为是在为中国版“苹果智能 ”落地铺路
。

　　阿里Qwen3全系列深度适配苹果芯片

　　据阿里巴巴通义千问团队
，团队此次将全部32款官方Qwen3模型进行优化，适配MLX 框架 ，并提供4bit、6bit 、8bit 和BF16等不同精度的量化版本。这意味着从Mac Pro
、Mac Studio、Mac mini到MacBook等Mac系列产品
，以及iPad和iPhone，均可流畅部署Qwen3模型 ，实现全场景覆盖 。

　　阿里通义千问此次提供了从0.6B到235B的8个尺寸
，以及4bit 、6bit、8bit
、BF16的4种精度，构建了前所未有的精度光谱 ，直指苹果设备算力差异痛点
。具体来看
，低量化的4bit版本可以在iPhone等内存有限的设备中流畅运行，而高精度的BF16版本则能够适应Mac Studio等需要更高推理质量的设备。

　　据了解 ，作为苹果专门为其芯片设计的高效机器学习框架，MLX提供了类PyTorch的API
，兼容Numpy语法，支持C++/Swift扩展 ，利用统一内存架构
，数据在CPU/GPU间共享，可降低功耗、提升处理速度 ，还具备动态图构建 、多模态支持
、端侧部署优化等功能
，能在iPhone、iPad 、Mac等设备上高效运行模型 。

　　大模型在端侧部署，已经成为行业的大势所趋 ，MLX正是苹果为了在其智能终端上运行AI大模型所量身打造的解决方案
。阿里Qwen3模型支持MLX
，将其开源全系列模型完整地融入苹果生态，是与苹果硬件的积极协同。业内人士分析称 ，Qwen3有望进一步提升其在苹果生态及整个开源社区的影响力 。

　　为中国版“苹果智能
”落地铺路

　　此前
，苹果在中国大模型合作伙伴的选择上可谓历经波折
。

　　2024年，苹果推出了“苹果智能” ，升级Siri并新增邮件整理
、语音转录等功能，旨在刺激iPhone 16系列销售。但在中国
，由于数据本地化和算法备案等合规要求，苹果需要与本地AI供应商合作 ，并面临中美双方严格的监管要求
，AI功能尚未在中国设备落地 。

　　Canalys的数据显示，苹果在中国的智能手机市场份额持续面临压力
。2024年第四季度 ，苹果在中国的智能手机出货量暴跌25%。为了提振销量
，苹果也采取了罕见的折扣措施来刺激销售 。分析人士指出，苹果若不引入本地AI ，恐进一步失守中国市场。

　　此前
，苹果曾与包括百度、阿里巴巴 、腾讯
、字节跳动、DeepSeek等在内的多家中国公司洽谈过合作事宜，而阿里巴巴最终成为其合作首选
。今年2月 ，在迪拜2025世界政府峰会
，阿里巴巴联合创始人 、董事局主席蔡崇信确认了阿里与苹果就AI合作的传闻。蔡崇信表示，苹果在中国需要一个本地化的合作伙伴 ，为其手机服务 。

　　今年4月29日，阿里发布了开源大语言模型家族最新成员Qwen3
。作为阿里最新的模型
，Qwen3在GPQA
、AIME24/25、LiveCodeBench等多个权威基准测试中全面超越R1 、OpenAI-o1等全球顶尖模型，表现出极具竞争力的结果 ，登顶全球开源模型。通过将通义千问的Qwen3模型深度集成到苹果智能中
，苹果有望为中国用户提供更贴合需求的AI功能，如更精准的语音交互、个性化推荐和图像生成服务等 。

　　不过 ，阿里与苹果之间的“联姻 ”面临着双方政府严格的监管与审查
。据外媒报道
，近几个月来，美国白宫和国会官员一直在审查苹果拟与阿里达成的合作。今年5月 ，据知名科技记者马克·古尔曼爆料称
，苹果AI有望在iOS18.6 系统中首次在中国启用部分功能 。但在日前召开的苹果WWDC2025大会上，苹果并没有宣布苹果智能在中国获批的进展 ，给苹果在中国市场的AI布局又泼了一盆冷水
。

　　在此背景下
，阿里通义千问将Qwen3全系列与苹果芯片深度适配，被视作在为中国版“苹果智能”落地铺路。业界期待 ，随着技术的优化和监管审批的推进，搭载Qwen3模型的苹果智能功能有望正式与中国用户见面 。