氪星晚报 ｜联想创投等入股诺仕机器人；苹果将在WWDC展示端侧AI能力；国家外汇管理局公布4月数据

苹果WWDC押注端侧AI：ChatGPT与API成本考量

36氪晚报报道，苹果计划在 WWDC（Worldwide Developers Conference）上重点展示端侧AI技术。同一时期还发生了另一件值得关注的科技事件——联想创投等投资了诺仕机器人公司，从两个方向推动AI技术的发展。

消费电子产品的核心功能正逐渐向智能化转变，而AI正逐步成为日常设备、内容生产和业务系统不可或缺的一部分。对普通用户来说，AI 工具的应用不仅限于偶尔使用，而是会进入他们的工作流中，影响模型能力、调用方式和 成本等。

热点分析：端侧AI的意义

苹果在 WWDC 上强调端侧 AI 能力的展示，说明未来AI技术将更多地集成到用户的本地设备上。端侧AI指的是让部分AI功能在手机或电脑这类终端硬件上运行，而非全部请求都发送至云端。

这一策略带来了多项优势：例如响应速度更快、隐私保护更严格以及某些任务无需依赖互联网连接。然而，这并不意味着云端大模型的消失，复杂的写作、代码生成和多轮推理等任务依然离不开云端的强大支持。

端侧AI与云API协同

未来的发展趋势很可能是“端侧小模型+云端大模型+多工具协同”的组合模式。例如，在手机上进行简单的摘要处理和本地搜索；而在需要生成完整文章、批量改写内容或运行RAG知识库问答时，则依赖稳定且可控的云端API。

这种组合方式能够确保在性能与成本之间取得平衡，使开发者可以灵活选择适合不同任务需求的模型，并根据实际调用量选择合适的API方案。

对各类用户的影响

普通用户

普通用户将更习惯于将AI作为手机、电脑中的基础功能使用。日常写作、翻译、总结和学习资料整理等任务都将更加顺手。然而，依赖单一App可能会遇到模型限制、速度波动或使用次数限制等问题。

自媒体与运营团队

自媒体及运营团队可以利用AI批量生成选题、文章改写、标题生成、短视频脚本以及客服话术等内容。矩阵内容生产已成为日常工作中不可或缺的一部分，而长期稳定的API接入将成为关键。

开发者

对于开发者而言，Cursor、Trae、Cline、Continue等工具的普及意味着他们需要测试多种模型，比较代码生成质量、上下文长度和响应速度等指标。成本管理变得尤为重要，以确保在复杂任务中获得最佳性能。

成本的重要性

随着AI技术逐渐融入工作流，成本问题变得日益突出。普通人每天使用AI进行资料总结、文档翻译或邮件改写时虽然每次用量不大，但月累计下来也构成了一定的消耗。自媒体团队和运营人员则在批量内容生产中面临着更高的需求。

选择且稳定的API接入方案对于确保长期使用至关重要。成本可控性不仅能够避免月底出现意外高花费的情况，还能保证日常工作的连续性和可靠性。同时，多模型切换能力使得开发者可以根据不同任务灵活调整策略，而按量使用的灵活性则能帮助用户更好地控制预算。

实际应用案例

普通人的AI用例

例如，可以将行业报告交给AI进行整理和总结，提取核心观点、关键数据及行动建议。这不仅能提高工作效率，还能确保信息准确无误。

自媒体与运营团队的AI用例

在处理热点事件时，生成公众号文章、小红书笔记、视频脚本、社群讨论话题和私域转化文案等各类内容，并进行审核和润色，以提升整体质量。这种批量处理不仅提高了工作效率，还能保证内容的一致性和连贯性。

开发者与工具用户的AI用例

将API Key 接入Cursor、Trae、Cline 等工具，用于代码阅读、函数补全、生成测试脚本、解释错误信息、编写接口文档等操作。进一步结合MCP、RAG、Agent和自动化脚本，使AI能够连接本地文件、数据库、网页搜索或内部知识库。

工具开发者用例

对于聊天机器人、企业知识库、浏览器插件、命令行工具、客服系统及工作流自动化平台而言，这些应用都需要模型API支持。在选择具体方案时不仅要考虑模型效果，还要兼顾调用成本、响应速度、上下文长度和后续维护难度。

如何估算成本

对于接入前最关心的问题之一就是如何准确预估月度 成本。一种实用的方法是先根据应用场景进行粗略计算：每天处理多少篇文章、每篇文章的平均长度以及需要生成几个版本的结果等信息。开发人员可以进一步通过估算每天的代码问答次数及其上下文深度来进行预测。

此外，还可以使用计算器（路径：/token-calculator）进行更精确的成本估算，输入具体情况并根据每月消耗量选择合适的套餐范围。这一步骤对于内容团队、运营团队和工具开发者来说尤其重要，因为它可以帮助他们制定更加明智的接入策略。

总结

苹果在WWDC上强调端侧AI技术的发展趋势表明未来AI将更加贴近用户设备，并渗透到日常工作中。但对于高频使用AI的技术团队而言，云端模型与API仍然是不可或缺的核心基础设施。对于普通用户来说，在确保体验顺手的同时也要关注成本管理；而对于开发者和工具使用者来说，则需要平衡性能、成本及长期可维护性。

因此，在选择任何方案之前建议先进行两步操作：一是通过计算器估算月度成本，二是进行小规模测试以评估不同模型在实际使用中的效果。对于寻求多场景测试和工作流接入的 API用户，可以从这里注册并开始评估用量：

[

希望本文能帮助大家更好地理解和应用AI技术，并为未来的智能化转型做好准备！