Apple自研晶片早有端倪?蘋果創始人賈伯斯當年一席話埋伏筆
Apple自研晶片早有端倪?蘋果創始人賈伯斯當年一席話埋伏筆

每隔一段時間,就會有個革命性的產品出現,然後改變一切。人一生能參與一件這樣的產品就已經非常幸運了。

賈伯斯口中的「革命性產品」,Bob Borchers幸運地見證和參與了兩個。作為蘋果全球產品行銷副總裁,他如今掌控著更大的擔子,iPhone、iPad、Mac、Apple Watch…

Bob進入公司的那一年,iPod mini攜Click Wheel面世,這個同時支持旋轉觸控和點控的標誌性設計,不僅在人機互動史上留下濃墨重彩的一筆,也開啟了蘋果繼個人電腦之後的下一個時代。

iPod classic
圖/ 維基百科

重新發明手機的想法也是從那個時代孕育的,而iPhone項目正是Bob Borchers入職蘋果後參與的第一個產品。

推出第一款沒有鍵盤的手機,需要很大的勇氣。主流的聲音是用戶需要更大更快的鍵盤。但我們卻背道而馳。我們把你的手指作為唯一的輸入裝置。為什麼人們要犧牲一半的螢幕,去妥協不是時刻需要的鍵盤?

初代iPhone 發布前智慧手機的主流形態
初代iPhone發布前智慧手機的主流形態
圖/ 愛范兒

iPhone重塑形態背後的隱喻是,對於一個隨身裝置而言,內容消費比鍵盤更重要。

市場和時間證明了團隊的遠見:之後的十多年,智慧手機的手機造型已經愈來愈趨近相同,但相似的螢幕裡呈現的內容,卻是前所未有的豐富。
如果說iPod是把1000首歌裝進了口袋,那iPhone和iOS則是把網路裝進了每一個人的口袋。

在Windows Phone和幾個小眾操作系統偃旗息鼓後,iOS和Android兩分天下,統治著數以百億計的智慧終端。而藉助App這個容器,智慧手機幾乎串聯起人們每一天的日常起居和衣食住行。

你不再需要掐點去看天氣預報,不再需要走到路邊招手叫車,不再需要走到戶外一家家物色餐廳。你幾乎所有的需求,都可以在拇指之間一個App上得到滿足。

AI、演算法、隱私和人性

在15年的進化中,iPhone OS 3.0算得上一次舉足輕重的迭代——iPhone第一次可以實現消息的推送(Push Notifications)。

推送改變了用戶獲取資訊的方式,它讓App的資訊通知自動到達用戶面前,某種意義上,手機成了一個私人秘書。

直到人們發現,這個秘書有點聒噪,夾帶的廣告也有點多。
在我們生活中,越來越多的事物吸引我們的眼球。但我們希望能設計出更多工具和能力,讓用戶行走世間,可以在任何需要的時候關閉這些噪音和雜訊,回到這個真實的世界。

在數位健康(Digital Wellbeing)的浪潮下,蘋果做了一些有悖於商業利益的行動,比如在iOS12中增加了「螢幕時間」統計你手機的使用情況,並且能夠給App設定使用時長的上限。

而在最新的iOS 15中,蘋果也革新了通知形式,用通知摘要(Notification summary)簡化通知的內容和頻率。

與此同時,iOS 15還帶來了專注模式(Focus)。可以讓用戶根據不同的場景,允許不同的App發送通知。

ios15.0.2
圖/ Unwire.hk

在App統治了人機互動規則的十年後,軟體依舊在吞噬著世界,但App在為人們提供服務的同時,也不知不覺地把曾經開放共享的網路內容隔離在一台台服務器上。

演算法以一種「工具理性」的邏輯主導議題設置,消磨著人類的求知慾和好奇心,也在客觀上激發這個世界的對立。

當演算法發現仇恨可以讓你轉發和評論,反智的言論和爭議的話題就會鋪滿你的時間線。演算法也許不知道什麼叫憤怒,但它知道憤怒背後創造的流量和收益。

Bob認為應該靠「保護隱私」解決「工具理性」和「資訊繭房」的問題,他也解釋了蘋果人工智慧演算法的一些細節:

很重要的一點是,當我們處理影像、資料等數據組的時候,我們會選擇把什麼樣的數據餵給機器學習的模型,為此我們與全球的團隊合作,確保這個過程中不會引入任何偏見。

與其他大公司利用雲端運算做機器學習不同,蘋果低於AI能力的調用完全來自於本地晶片的能力。

這個「大腦」有多大?iPhone上有多少用戶數據快取可供機器學習調用?

對於絕大多數公司,這個大腦可能是數以TB級的雲端數據,但對於蘋果而言,只有平均200MB——這些大到你的聲音和臉部數據,小到你滑手機的軌跡與習慣,都以加密的形式儲存在iPhone的晶片之上。

對於用戶隱私和數據的保護一直是我們最重視的工作。

操作系統的未來

經過15年的發展,iOS系統日漸成熟,你很難想像這麼一個手機操作系統,已經逐漸承擔一些過去在電腦上都無法勝任的工作。
時過境遷的是,智慧手機也不再是用戶唯一的智慧裝置。從腕上的手錶,到沙發上的iPad、家庭娛樂中心,再輻射到無處不在的智慧家居,毫無疑問,萬物互聯是智慧化的下一步。
這意味著,在不同場景下,用戶會不停地在裝置之間流轉,這也意味著開發者需要針對不同的終端適配不同的app。

一如當年iPhone OS脫胎於Mac OSX,iOS如今也桃李滿天下,分化出iPad OS、watch OS、Home OS等五大操作系統,而業界巨頭的另一種做法則是,試圖用一套系統打通萬物互聯,比如華為的鴻蒙和Google的Fuchsia。

對於這兩種思路,Bob的態度是「連續性很重要,但不能因為連續性,犧牲掉這些裝置獨特的體驗。

macbook imac
圖/ Unsplash

他以iPad和Mac舉例:

很多人會問:為什麼iPad不乾脆和Mac共用一個操作系統?但如果深入的去思考這兩個裝置,會發現它們的體驗是完全不同的:iPad從一開始設計,手指就是主要的互動方式,它是一款觸控優先的裝置。當然,隨著時間推移,它也延展了一些其他能力,比如鍵盤和光標,但即便有光標,你也發現這個光標也是基於觸控的環境裡的。而macOS則是圍繞鍵盤和游標的互動界面去設計的。

Bob表示,蘋果所有的操作系統共享了許多框架和組件,因此充分地保障了裝置之間的互通性,這是一種平衡。

比如通用剪貼板,你可以在iPhone上複製,在Mac上貼上,你可以用AirDrop在兩個裝置間共享。

軟體、硬體和服務

蘋果的江湖地位,往往被過分地歸功於iOS和AppStore生態的老本。
可以試著思考一下:上一次你覺得蘋果產品好用的時候,究竟是什麼造就的?
是按下快門後毫無遲滯的快感?是AirPods開蓋後螢幕彈窗的優雅?是視訊聊天時自動居中的智慧?
你看到的是界面,但背後是軟體、硬體和晶片的通力配合。

其實這15年,我們一直不變的理念,那就是軟體、硬體和服務的結合。從iPhone初代的多點觸控,一路發展到今天的AppleSilicon。」

Bob把這種結合的理念稱為——Holistic。

他認為iPhone13Pro的影像能力就是最好的體現,每一張照片背後,都是計算攝影的功勞,是感光元件、ISP、演算法,甚至機器學習的配合與協同。
這件事並不容易,編程語言向高級化發展,使得軟體工程師並不像早年計算器科學家那樣,同時掌握底層硬體物理特性和工作原理。

steve jobs
圖/ 截圖自Twitter

2019年蘋果高級副總裁菲爾·席勒曾在專訪透露,晶片的研發週期大約在2-3年,涉及多個團隊,這期間架構工程師要同數目龐大的軟體和硬體人員共同協作。

比如說鏡頭經常會調用GPU。晶片部門設計的GPU可以告訴相機部門如何把它用到最好,而相機部門的需求也會指導GPU未來的發展。

在講軟硬結合的時候,一個廣為人知的例子是,iPhone初代發布會上賈伯斯引用科學家AlanKay的一句話:

對軟體極度較真的人,應該生產自己的硬體。(People who are really serious about software should make their own hardware.)

往前看,這句話可以視為對於iTunes Phone滑鐵盧的反思——蘋果曾與摩托羅拉合作過ROKRE1音樂手機,賈伯斯對其體驗極度不滿。

而放在今天回味,它更像是為Apple自研晶片埋下的伏筆。
但事實上,Holistic的基因可以至少可以追溯到下面賈伯斯的一段影像資料,你甚至很難想像這是來自一段42年前的洞察:

軟體和硬體的結合正在變得更加徹底…昨天的軟體就是今天的硬體。這兩個東西正在融合。它們之間的界限正在變得越來越細。我們需要做的眾多事情之一就是預測幾年後的趨勢;嘗試就不同科技領域的融合做一些假設,了解客戶對高端工具的需求,來找到兩者的交叉點。

Holistic之所以難能可貴,是因為它要求廠商具備強大垂直整合能力——對於核心元器件和操作系統的把控,對生態系統和合作夥伴的控制力,以及對人機互動的前瞻性探索。

在採訪的最後,我讓Bob回憶一下2004年初入蘋果公司的感受,他想了一下,感嘆道:

我當時最驚訝的是,一家公司,可以帶來如此多的轉變。所有來自Apple的人都熱衷於以不同的方式去思考。這些改變來自熱情、偶爾打破規則去完成目標。打破界限,想像未來在哪裡,而不是等待未來的發生。

Bob說,他特別喜歡引用曲棍球運動員韋恩·格雷茨基(Wayne Gretzky)的一句話:

我總是溜向冰球將達到的點,而不是追逐它曾在的地方。(I skate to where the puck is going to be,not where it has been.)

本文授權轉載自:愛范兒 ifanr

責任編輯:傅珮晴、侯品如

關鍵字: #Apple蘋果
往下滑看下一篇文章
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現

火熱的 AI 風潮掀起客廳革命,到底 AI 電視可以幹嘛?簡單來說,AI 電視透過 AI 處理器與演算法,即時進行 AI 畫質優化、音效調整、智慧語音搜尋和極致的個人化推薦,全面顛覆傳統智慧電視。在 AI 電視功能中,最讓消費者有感的是 AI 畫質優化,但許多人往往忽略了,畫質提升不只關乎演算法,更取決於底層的背光、色彩與控光技術。Sony BRAVIA True RGB LED 電視,正是將軟體思維與硬體工藝深度結合的最好示範。透過創新的 XR 認知智慧處理器搭配 True RGB 技術,精準呈現 AI 電視的畫質優化能力。

AI 電視是什麼?不只是能上網看串流的智慧電視

要理解 AI 電視可以幹嘛,首先必須釐清 AI 電視與一般智慧電視的差異。傳統智慧電視是為電視接上網路,讓使用者單向觀看連網影音。AI 電視則是在智慧電視的基礎上,導入了 AI 處理器與先進演算法,讓智慧電視具備「主動分析與學習」的能力,可即時判斷每一幀影像的畫質特徵、聲音頻率、觀看環境(如白天強光或夜晚暗光),甚至是家庭成員的使用習慣,進而動態調整視聽呈現。簡單來說,傳統智慧電視解決的是「能不能連網看內容」的問題,而 AI 電視解決的是「如何讓內容呈現得最好」的體驗問題。

但當 AI 演算法分析出最佳的畫面設定後,如果硬體無法精準跟上,優化效果就會大打折扣。這也是為什麼高階顯示技術 True RGB 開始受到市場矚目,確保 AI 算出的極致色彩與對比,能精準落地在觀眾眼前。

傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
圖/ 數位時代

AI 電視可以幹嘛?從畫質、場景、音效到個人化推薦的四大核心進化

面對消費者的核心疑問「AI 電視可以幹嘛?」,可從四大 AI 電視功能深入拆解。

AI 畫質升頻與降噪:讓低解析度內容更清晰

透過 AI 升頻與降噪技術,可分析解析度較低或經過壓縮的影音內容,改善線條、紋理與雜訊,使畫面在 4K 螢幕上呈現得更清晰。True RGB 則能協助 AI 優化後的畫面亮度、色彩與對比度精準呈現。不過實際效果仍會受到原始片源解析度與壓縮品質影響。

智慧場景辨識:依電影、球賽、遊戲自動調整畫面

AI 電視能即時辨識播放內容,自動調整畫面呈現,比如看電影時調整為劇院感色溫、看球賽即時插幀消除動態殘影、玩遊戲時自動切換至低延遲模式。在不同場景轉換時,True RGB 讓亮度與色彩對比表現依然精準自然。

左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
圖/ 數位時代

AI 音效優化:讓人聲與環境音更清楚

AI 音效演算法能分離出人聲對白與背景音效。看動作大片時,能放大環繞立體感;看新聞時,則優化人聲頻率,甚至能根據客廳結構進行空間音效校正。

除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
圖/ 數位時代

語音互動與個人化推薦:減少尋找內容時間

AI 語音互動更能理解複雜語意,當你說出「我想看適合週末晚上的搞笑電影」時,AI 便會結合使用者的觀看偏好推薦清單,真正做到懂你所想。

整體而言,在眾多 AI 電視功能中,消費者最能直觀感受到的是 AI 畫質升頻與場景優化。但不論軟體演算法如何強大,都需要有對應的硬體執行力,而 True RGB 正是讓這些高階 AI 畫質能精準落地的關鍵技術。

AI 畫質優化的關鍵:不只靠演算法,硬體也是決勝點

在討論 AI 電視時,大眾常有一種迷思,認為只要電視內建強大的 AI 處理器和演算法就行,事實上,AI 電視的畫質優化不是靠單一演算法完成,而是包含「AI 判斷」與「硬體呈現」兩大層次:

首先由 AI 負責辨識畫面中的主體物件、人眼焦點、光影分佈及動態物體的移動軌跡等。根據 AI 判斷結果,演算法在底層即時計算出一套優化藍圖,決定哪些區域需要進行 AI 升頻、降噪、提高畫質、調整亮度、對比或色彩飽和度等。而硬體則負責最終畫面呈現,包含電視的背光、面板、控光技術與色彩控制技術,才是真正決定這張優化藍圖能被實現到什麼程度的關鍵。

而 Sony BRAVIA True RGB LED 電視便精準示範,硬體如何賦予 AI 電視極致表現。傳統 LED 電視使用單一藍色 LED,再搭配濾光片混色的方式,容易產生色彩混濁或亮度減損,True RGB 技術則以獨立驅動紅(Red)、綠(Green)、藍(Blue)三原色 LED 作為背光源,當 XR 認知智慧處理器分析影像內容,發出畫面調整指令後,True RGB 能精準響應,讓紅、綠、藍三色背光以極高精度進行獨立控光,將 AI 畫面調整的判斷精準呈現。

一般智慧電視、AI 電視、搭載 True RGB 的 AI 電視差在哪?

跳脫複雜的規格參數,一次搞懂三代智慧電視有何不同。簡單來說,一般 AI 電視可以做到升頻、降噪與場景辨識;搭載 True RGB 的 AI 電視則進一步把 AI 判斷延伸到背光與色彩控制,真實還原亮度、色彩與對比。

一般智慧電視 AI電視 搭載 True RGB 的 AI 電視
核心定位 解決「連網與內容獲取」 解決「基礎畫面自動優化」 解決「極致高階畫質精準執行」
畫質處理能力 支援基本的數位降噪,無法因應訊號源差而改善 具備 AI 升頻技術,能動態辨識場景並優化低解析度影片 結合 XR 認知智慧處理器與硬體優勢,進行深度的 AI 畫面優化
背光技術 傳統常亮背光,容易產生漏光與局部發灰現象 具備區域控光,但演算法與硬體匹配度較為普遍 採用 True RGB 三色獨立背光,控光精準度極高,無溢光與色偏
色彩與亮度表現 色彩表現較為平淡,高亮處易過曝,暗部細節容易丟失 色彩飽和度高,但有時因演算法過度補償而顯得不夠自然 實現豐富飽和的色彩表現層次,精準還原真實色彩
主要適合情境 看第四台、日常追劇 看 4K 串流,希望電視能自動適應不同影音內容 追求劇院級體驗,喜歡高畫質影音、球賽、遊戲的用戶
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
圖/ 數位時代

買 AI 電視時,真正該看哪些規格?

當你準備為家裡添購 AI 電視時,除了關心它是否支援智慧語音、刷新率有多高、個人化推薦好不好用之外,以下四個核心 AI 電視功能才是決定長期觀看品質的關鍵指標:

AI 處理器

大腦優劣決定電視表現,挑選時認準旗艦級的 AI 處理器,如 Sony 的 XR 認知智慧處理器,不只單純堆疊算力,而能模擬人類大腦的認知方式,打造身歷其境的畫面真實感。

AI 升頻能力

優秀的 AI 升頻能力應能精準區分「影像噪訊」與「畫面原生紋理」,在去除雜訊的同時保留皮膚毛孔、衣服編織等細節,而非一味抹平。

背光與控光技術

若重視高階畫質,True RGB 可作為判斷 AI 畫質能否精準呈現的重要顯示技術,徹底告別傳統畫面暗部發灰、亮部慘白的通病。

色彩與亮度表現

不能只看標榜的 HDR 規格,更要檢視硬體能否真實呈現。True RGB 能賦予 AI 電視更強悍的畫面執行力,銳利呈現 AI 算出的明暗對比與色彩飽和度。

關於 AI 電視與 True RGB 的常見問答

Q1:AI 電視適合哪些人?
AI 電視適合所有對影音品質有追求的人。不論你是愛看高畫質影音的追劇族、追求畫面流暢不殘影的運動迷、重視高刷新率與低延遲的遊戲玩家,AI 電視都能大幅提升觀影體驗。

Q2:AI 升頻會把影片變成 4K 嗎?
無法完全等同原生 4K,但能讓畫面更接近高解析度的觀看效果。AI 升頻利用比對與像素補插,將原本模糊線條變得銳利清晰,結合 True RGB 的高精細控光後,視覺表現會非常接近 4K 原生畫質。

Q3:買 AI 電視時,只看 AI 處理器夠嗎?
絕對不夠。演算法算出的完美畫面需要顯示硬體來執行,電視的背光技術、控光與色彩管理能力(如 True RGB)同樣重要。軟硬完美結合,才是高畫質的保障。

Q4:AI 電視對看球賽或玩遊戲有什麼差別?
AI 電視能根據不同場景優化畫面表現,觀看球賽時,能動態識別高速移動對象,即時插幀消除動態殘影;玩遊戲時,能自動切換至低延遲模式和強化暗部細節。

Q5:白天和晚上看電視,AI 電視會自動切換不同的畫質設定嗎?
Sony 搭載 True RGB 的 AI 電視內建環境光感測器,能根據環境光線變化動態調節畫面呈現,在白天明亮時自動增亮、晚上變暗時調降亮度並柔化對比,省去手動切換的麻煩。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓