Мы привыкли слышать, что Apple проигрывает AI-гонку. У компании нет собственной фундаментальной модели frontier-уровня, способной конкурировать с Gemini, GPT или Claude, а Siri даже до появления современных LLM была скорее поводом для шуток, чем примером хорошего ассистента. Партнёрство с Google многие восприняли как окончательное признание поражения.

Но я бы пока не хоронил Apple. Она не раз приходила на рынок позже конкурентов, а затем собирала более цельный продукт — так было с Apple Watch и AirPods. История Siri доказывает, что получается не всегда. И всё же AI-гонку мы, возможно, измеряем не тем результатом.

Мы меряем не ту гонку

Обычно лидерство сводят к качеству фундаментальной модели: кто набрал больше баллов в бенчмарке, решил более сложную задачу или лучше справился с длинным контекстом. Для разработчиков моделей это важно. Пользователю нужен не победитель таблицы, а продукт, который помогает ему каждый день.

Самая мощная LLM не становится самым полезным ассистентом автоматически. Ей всё ещё нужны контекст, инструменты, доступ к приложениям и понятная система разрешений. Модель — центральная, но лишь одна часть продукта.

Поэтому я вижу две гонки: за лучшую frontier-модель и за персональный AI-слой между человеком, его приложениями и устройствами. Apple отстаёт в первой, зато во второй у неё редкое исходное положение.

Gemini как оптимизация, а не капитуляция

В январе 2026 года Apple и Google объявили о многолетнем сотрудничестве: следующее поколение Apple Foundation Models будет основано на моделях Gemini и облачных технологиях Google. Это легко прочитать как белый флаг: Apple не справилась и теперь покупает интеллект у конкурента.

Мне ближе другое объяснение. Разработка и эксплуатация frontier-моделей требуют колоссальных вычислительных ресурсов. Если Google уже умеет делать эту часть лучше, Apple необязательно сжигать деньги ради владения каждым слоем системы. Партнёрство может снизить затраты и риски, сократить сроки разработки, а Apple — сосредоточиться на той части, которая непосредственно формирует продукт.

Это лишь моя интерпретация: финансовые условия сделки не раскрыты. При этом Apple не отказалась от собственной разработки — новое семейство она называет созданным совместно с Google, а не обычным вызовом чужого API. Но если интеллект становится инфраструктурным компонентом, правильно встроить его может быть важнее, чем разработать всё самостоятельно.

Маленькой модели может быть достаточно

Сырая мощность важна, когда модели нужно решить новую и сложную задачу. Но действия персонального агента часто прозаичнее: понять намерение, выбрать инструмент, передать параметры и при необходимости попросить подтверждение.

Здесь небольшая языковая модель (SLM) может работать прямо на устройстве — быстро, без сети и без отправки личного контекста наружу. Сложные запросы уйдут более мощной модели в облаке. Это не выбор между маленькой и большой LLM, а иерархия: каждая подключается там, где нужны именно её возможности.

У Apple уже есть техническая основа для такого подхода. Её локальная модель примерно на 3 млрд параметров поддерживает структурированный вывод и вызов инструментов, о чём компания рассказывала в обновлении Apple Foundation Models. Это не frontier-уровень, но агенту часто важнее надёжно вызвать нужное действие, чем написать идеальное эссе.

Показателен и Qwen3.8-27B. Согласно карточке модели, на отдельных задачах она приближается к гораздо более крупным системам. 27 млрд параметров — слишком много для обычного телефона, а результаты опубликованы самим разработчиком. Это не готовое мобильное решение, а указатель направления: модели меньшего масштаба постепенно справляются со всё более сложными задачами.

AI не должен жить в отдельном окне

Сегодня AI-функции часто выглядят пристройкой к основному продукту. Нужно открыть ChatGPT, Claude или Gemini, принести туда контекст, получить ответ и самостоятельно перенести его обратно.

Apple может встроить AI глубже, потому что контролирует путь от чипа до интерфейса: Neural Engine, ОС, системные приложения, разрешения, фреймворки и правила для разработчиков. У неё уже есть Spotlight, Shortcuts, быстрые действия и App Intents, через которые приложения описывают доступные системе действия и сущности.

Эти части пока не образуют единого агента, а действие по удержанию иконки нельзя волшебным образом превратить в безопасный AI-инструмент. Но нужный словарь уже появляется: приложения сообщают ОС не только о своих экранах, но и о том, что внутри них можно сделать. Apple осталось связать эти возможности общей моделью, контекстом и правилами доступа.

Здесь вертикальная интеграция становится важнее очередного процента в бенчмарке. Разработчику ассистента, который не контролирует платформу, придётся договариваться с владельцами ОС, приложений и устройств. Apple часто договаривается сама с собой.

Агент, который следует за человеком

Представим утро. Я выхожу на пробежку с Apple Watch и наушниками, спрашиваю о планах на день и прошу подготовить материалы к первой встрече. Возвращаюсь домой и через HomePod уточняю один из пунктов. Когда я сажусь за Mac, агент продолжает задачу, открывает нужные документы и показывает короткую сводку перед началом встречи.

Пока это фантазия, а не работающая функция. Отдельные элементы существуют, но надёжного агента, который переносит незавершённую задачу между всеми устройствами, у Apple нет. Зато мало у кого настолько плотно интегрированы телефон, часы, наушники, колонка, планшет и компьютер.

Непрерывность — это не бесконечный чат. Интерфейс меняется вместе с ситуацией, а намерение остаётся прежним: на пробежке агент отвечает голосом, дома продолжает разговор, за рабочим столом показывает документы. AI становится свойством всей системы.

Без доверия ничего не получится

Такому помощнику потребуется доступ к календарю, письмам, местоположению, документам и авторизованным сессиям. Чем полезнее агент, тем больше данных и прав ему приходится доверить — и тем опаснее его ошибка. Пользователь должен понимать, что агент видит, что может сделать и где остановится без подтверждения.

Apple уже пытается решить облачную часть проблемы через Private Cloud Compute. Компания утверждает, что запросы обрабатываются на аттестованных узлах, данные не сохраняются, а программные образы доступны исследователям для проверки. Это конкретнее обычного обещания «мы ценим вашу приватность».

Похожее будущее недавно описал и Марк Цукерберг. В манифесте The Future is for Everyone он говорит о персональном агенте, который понимает цели пользователя и работает в его интересах «24/7». В тот же день Meta выпустила открытые веса Muse Glimmer-30B под Apache 2.0. Сама Meta называет эту модель оптимизированной для «always-on local agent workflows». Это локальная модель для мощного Mac или PC, а не готовый массовый ассистент, но направление обозначено вполне конкретно.

Сама идея звучит разумно даже для автора критической колонки. Рассел Брэндом писал в TechCrunch, что «в общих чертах» согласен с Цукербергом. Проблема для него — в посланнике: общество не доверяет руководителям технологических компаний определять последствия новых технологий. Для Meta этот скепсис возник не на пустом месте. В 2019 году Facebook согласилась выплатить рекордный штраф в $5 млрд, урегулировав выдвинутые FTC обвинения в нарушении распоряжения о защите приватности 2012 года.

Здесь у Apple может оказаться преимущество: она подкрепляет разговор о приватности конкретной архитектурой PCC и репутацией, которую строила годами. Но PCC не делает агента безопасным автоматически. Он не спасёт от неверно понятой команды, лишних разрешений, prompt injection в письме или ошибки приложения. И доверие к бренду нельзя один раз заработать, а затем расходовать бесконечно.

Почему Apple всё равно может проиграть

Главный аргумент против всего написанного выше — сама Apple. Компания годами не могла сделать Siri по-настоящему полезной. В марте 2025 года Apple признала задержку функций персонального контекста и действий в приложениях, обещанных годом ранее. В июне 2026 года она представила новую Siri AI, но к моменту публикации та всё ещё оставалась бета-версией. Контроль над стеком бесполезен, если команда не умеет соединить его части в работающий продукт.

Есть и стратегический риск. Google теперь не только партнёр, но и поставщик критически важной технологии — при этом он развивает Gemini, Android и собственную экосистему устройств. У Google и Samsung уже есть Gemini с действиями в нескольких приложениях, поэтому фора Apple далеко не уникальна.

Настоящий агент требует и участия сторонних разработчиков: им придётся описывать действия, работать с разрешениями и предусматривать отмену ошибок. Безопасность добавляет подтверждения и ограничения, автономность повышает цену ошибки. Найти баланс сложнее, чем показать красивую демонстрацию на WWDC.

Вместо вывода

Победитель потребительской AI-гонки может определиться не в таблице бенчмарков. Им станет тот, кто сделает агента полезным во всех устройствах и приложениях, а ещё достаточно безопасным для реальных действий. У Apple есть ОС, системные инструменты, локальные модели, приватное облако и пользователи, давно живущие внутри её экосистемы.

Осталось самое трудное — собрать всё это вместе. Если получится, сегодняшнее отставание в фундаментальных моделях окажется не приговором, а лишь одной из деталей. Если нет, вертикальная интеграция станет ещё одним красивым преимуществом, которое Apple не смогла использовать.