我上大学那几年（约2013-2017年），每年9月总有一个晚上会熬到很晚。凌晨一点，寝室舍友们几乎一起守着看苹果发布会。那时候大众对苹果发布会的热情很高，观看的直播一旦卡住，还会立刻切到文字直播，生怕错过一些令人惊喜的新品。
新品一出来，寝室里的讨论才刚开始。比如当年iPhone有了4.7英寸和5.5英寸两个尺寸，到底该选哪个，几个人能一路争到快凌晨三点。从屏幕大小到握持手感，再到哪个版本看起来更顺眼，有不少话题都能聊上半天。虽然受价格影响，当时寝室真正能买得起的人并不多，但这丝毫不影响大家讨论新品的热情。
那个时候，全球科技行业最受关注的舞台之一，苹果发布会占一席之地，甚至被称为“科技春晚”。
一台新iPhone长什么样、摄像头多了一颗还是少了一颗、芯片性能提升多少，常常能够在几天内占据全球科技媒体的头条。苹果发布会，曾经代表了整个消费电子行业最确定的增长方向：更好的硬件、更强的芯片、更完整的生态，以及每年一次稳定的产品迭代。
但这两年，一个明显的变化正在发生。
苹果发布会依然有巨大的传播声量，但让行业真正兴奋的东西越来越少了。
与此同时，不少AI开发者大会反而成了新的流量中心。比如OpenAI、Google、Anthropic、Meta乃至英伟达推出的大会，每次发布会往往都会引发一轮密集讨论：新模型能做什么、AI Agent走到哪一步、哪些产品形态可能被改写，甚至下一轮创业机会会出现在哪里。
因为现在的AI能力变化得太快了，一次产品更新，可能很
01、苹果发布会，失去“科技春晚”光环
如果把过去十几年的苹果发布会放在一起看，一个比较明显的变化是：它依然是全球消费电子领域最受关注的发布会之一，但外界获取新品信息的方式、对手机产品的期待，以及发布会本身的传播环境，都已经发生了变化。
首先是新品信息越来越难保密到发布会当天。
今天一部旗舰手机的研发和量产，会牵涉屏幕、芯片、摄像头、铰链、结构件以及代工等多条供应链。这些供应商往往同时服务多家手机厂商，随着供应链规模扩大，产品外观、尺寸、核心配置等信息更容易在正式发布前流出。
以苹果最新发布的折叠屏产品iPhone Duo为例，早在2026年上半年，网上就已经出现了不少渲染图和参数信息。等到产品正式亮相时，外界对它的形态已经有了相对清晰的预期。
这和早期苹果发布会的传播环境有很大不同。
乔布斯时代，“one more thing”之所以能成为经典，很大程度上与当时的信息环境有关。新品在发布前能够保持较高程度的保密，发布会本身承担了第一次完整揭晓产品的功能。现在，这部分功能已经被供应链爆料、社交媒体和自媒体提前分流。
第二个变化，是发布会形式本身发生了改变。
2020年以后，苹果的大型发布会更多采用提前录制的形式。好处是画面完成度更高，信息组织更紧凑，也更适合全球同步传播。但与此同时，发布会从传统的现场演示，逐渐变成一种高度制作化的视频内容。
过去一些直播中的临场反应和技术插曲，比如2014年直播故障，或者2017年Face ID 首次演示时出现的小状况，如今在这种制作方式下已经很少出现。发布会的稳定性提高了，但它所提供的现场感也和过去有所不同。
更深层的原因，则来自智能手机产业本身。
经过十多年的快速迭代，智能手机已经进入相对成熟的发展阶段。芯片、影像、屏幕、续航和系统体验仍然在持续升级，但创新越来越多地体现为性能提升、体验优化和产品形态完善。
这意味着，一场手机发布会所承载的意义也在变化。
在智能手机高速增长时期，一次新品发布往往可能同时带来新的交互方式、新的硬件形态和新的应用生态；进入成熟阶段之后，发布会更多承担的是展示年度技术迭代和产品组合更新的作用。
智能手机从高速创新周期进入成熟周期之后，产品信息传播方式、消费者预期和发布会本身的角色，都在重新调整。
所以，对于苹果发布会关注度的变化，我们很难简单归结为某一款产品“缺乏创新”。
02、AI发布会，“后起之秀”接棒
这两年越来越多人的注意力开始转向AI。
2024年5月，OpenAI发布GPT-4o，北京时间凌晨一点直播。第二天，社交媒体上大量讨论都集中在它的实时语音能力：可以自然对话、随时打断，也能根据语气作出回应。到了
AI发布会之所以容易形成高关注度，一个很重要的原因是，模型能力很难像硬件参数一样在发布前被完整预测。
比如说新模型叫什么、什么时候发布，外界有时可以提前获知，但真正的体验往往要等产品上线之后才能判断。语音交互自然到什么程度、推理能力提升多少、成本能压到什么水平，这些都很难只靠供应链信息或者参数表提前还原。
这也让AI产品发布天然保留了更强的不确定性。
GPT-4o发布之前，外界已经知道OpenAI会继续推进多模态，但实时语音最终呈现出的交互效果，仍然是在产品演示之后才变得具体。
与此同时，AI的用户基础也在快速扩大。
几年前，新模型发布主要还是技术从业者、投资人和早期用户关注的话题。现在，越来越多普通用户已经开始把AI用在写材料、做表格、搜索信息、制定攻略、学习辅导等日常场景中。用户范围扩大之后，一次模型更新所影响的人群也随之扩大。
这也让AI发布会的影响开始超出单一产品本身。
一项新的模型能力，可能影响开发者接下来怎么做产品，也可能影响企业的软件采购、算力投入和业务流程。资本市场同样会迅速作出反应。
另一个特点，是AI产品从“发布”到“使用”的距离通常比较短。
很多模型会在发布当天或很短时间内开放网页端、App或API。用户看完发布会，很快就能自己测试；开发者也能直接把新模型接入现有产品。
因此，一场发布会结束之后，网上很快就会出现大量实测、对比和新的使用方式，讨论也会从发布会本身继续延伸。
这种变化对产业链的影响也非常快。模型一旦升级，开发者会重新评估能力和成本，企业会调整产品方案，原来成立的一些技术路线也可能需要重新计算。尤其是模型价格、上下文长度、工具调用和多模态能力发生变化之后，很多应用的实现方式都会跟着调整。
所以，AI发布会的影响往往不会停留在发布当天，还会迅速传导到产品、开发和商业决策中。
03、科技春晚，OpenAI们也没接住
这两年，越来越多人开始像过去等苹果发布会一样，期待OpenAI、Anthropic、Meta这些AI公司的新品发布和开发者大会。
我个人的感受是，最近几场AI发布会看下来，已经开始出现和成熟科技发布会很相似的问题：更新越来越多，真正的新东西却未必同步增加。
在2026年9月，OpenAI召开了DevDay。这次发布会的规模不小，OpenAI一口气公布了二十多项更新，但如果把这些内容拆开来看，会发现真正能够明显改变外界预期的东西并不多。更多更新，集中在Agent、订阅体系、插件生态和开发工具上。
这场DevDay，OpenAI重点推出了Dots，一个可以长期运行、逐渐学习用户工作习惯的个人Agent，但这个方向并不陌生。Dots本身当然有产品价值，但它很难像早期ChatGPT或GPT-4o 那样，让外界第一次看到一种完全不同的产品形态。
剩下几项更新，也更多集中在商业化和平台建设上。GPT-6.1 Sol调整了价格体系，OpenAI增加了每月500美元的新会员档位，同时继续推进应用市场、插件和 Codex 云端化。
这些事情对OpenAI的商业模式很重要，但对普通用户来说，它们提供的“新鲜感”显然和一次模型能力跃迁不是一回事。
另一个变化是，AI发布会也越来越难维持过去那种悬念。DevDay开始前几天，X上已经陆续出现关于新Agent和500美元订阅档位的消息。随着合作伙伴、测试用户和开发者越来越早参与产品测试和上线，AI公司同样开始面临新品信息提前外泄的问题。
与此同时，AI发布会的实时Demo也更容易出现意外。DevDay上，Dots演示出现卡顿，Codex语音演示也连续出错。
更值得注意的是，OpenAI的DevDay今年才第四届，却已经开始出现新品增量有限、信息提前泄露、平台化更新增多等成熟科技发布会常见的问题。
不过，这并不意味着大家对AI新品失去了兴趣。Meta的Muse就是一个例子。9月8日上线后，Muse很快冲上美国应用商店榜单，短短两周左右下载量便超过250万，随后进一步突破340万。它也成为Meta近期股价上涨的重要叙事之一。
我和身边的朋友也经常聊起相关的话题。如果把“科技春晚”的标准放在这里，我们认为至少到目前为止，还没有哪一家AI公司真正接住苹果当年的那个位置。苹果发布会的悬念感已经明显减弱，但还没有哪个AI公司的发布会能形成那种一年一次、足以集中整个科技行业注意力的确定性时刻。
04、看懂AI，得跳出发布会本身
如果真想看懂AI到底进步到了哪一步，光盯发布会其实不太够。就算看，也别太迷信 benchmark分数。
一个公开榜单出现之后，模型厂商会逐渐围绕既定评价标准进行针对性优化，最终很容易出现分数不断逼近上限的情况。但分数高，不一定代表你实际用起来就更好。很多榜单过几年就快被刷满了，所以新模型发布时那些跑分，看看就行，不用太当真。
比起分数，更值得看的其实是成本。
第一笔账，是token价格。比如GPT-6.1 Sol用大约五分之一的价格，做到了接近 Astra 的水平。这个变化放在发布会上可能没那么吸睛，但对做产品的人士很重要。
2023年GPT-3.5 Turbo大幅降价之后，很快就冒出来一批新应用。很多时候，AI 真正开始普及，不只是因为能力变强了，也是因为终于便宜到大家用得起了。
第二笔账，是一件事从头做到尾，到底要花多少钱。
token单价降了，不代表总成本一定降了。Agent执行一个持续数小时的任务，要读很多资料、反复调用工具，执行过程中一旦出现偏差，还可能需要回退甚至重新执行，最后往往还需要人来检查和返工。
所以更重要的是：一件事完整做下来，而且最后结果能用，连人工检查的钱一起算进去，到底要花多少。只有当这笔综合成本开始低于人工完成同类任务的成本，Agent 才有可能真正大规模用起来。
再往长远看，有几个指标比发布会更值得盯。
第一个，是AI能不能通过自主试错完成越来越复杂的任务。
编程之所以进步得这么快，一个重要原因是它的反馈周期很短：代码能不能运行、测试能不能通过，很快就能得到结果。数学在一定程度上也类似。
相比之下，生物、材料这些领域要复杂得多，很多判断最终都要靠真实实验来验证，AI很难只靠计算就知道自己的答案是不是对的。
如果有一天，一项科学发现从提出假设、设计实验到得出结论，主要都是AI自己完成，而且这个结论不是从现有论文里拼出来的，那才说明 AI 真正开始往人类还没走过的地方探索。
第二个，是它会不会边用边学、模型本身的能力并没有因此得到更新。
现在很多 Agent 所谓的“记忆”，其实更像记笔记。之前发生过什么，它先存下来，下次需要时再翻出来，但模型本身并没有因此变得更会做事。
真正值得关注的是，什么时候模型可以在使用过程中自己学会新东西，而不是每次都要等厂商下一轮训练之后，能力才跟着升级。
第三个，是Agent知不知道什么时候该停下来问人。
现在大家很喜欢比“一个Agent能连续干多少小时”，但这未必是最重要的。更关键的是，需求没说清楚的时候、执行到一半出现两条路的时候、信息不够的时候，它能不能意识到，此时需要先向用户确认，而不是继续自行执行。
更棘手的问题，是Agent从一开始就对任务形成了错误理解，并在这个前提下持续执行，最终产出一份结构完整、表面上也很合理的结果。相比单纯的任务失败，这类错误更难被及时发现，而很多现有跑分也很难衡量这种能力。
第四个，是训练下一代模型的时候，有多少工作已经可以交给AI自己做。
目前，数据筛选、测试集生成、模型版本评估等环节，已经开始较多引入AI。对于那些标准相对明确、结果容易验证的任务，AI已经能够承担相当一部分工作。
但到了“什么样的回答才算高质量”这一层，问题会复杂得多。如果主要依赖模型为下一代模型进行评价，再根据这些评价结果继续训练，最终指标可能持续提升，但这种提升未必对应人真正关心的能力。因此，在这一环节，人类仍然需要参与判断和校准。
最后还有一个特别实际的指标，甚至不用看发布会，在公司里就能观察到：
AI写出来的代码，有多少AI生成的代码已经可以不经过逐行人工审核，直接进入合并和部署流程？
如果未来这一比例能够从较低水平提升至一半以上，那可能比很多benchmark都更有说服力。因为这说明，在一个真实、复杂、出了问题要负责的工作场景里，人已经开始真正把一部分工作交给AI独立完成。而这种变化，大概率也不会在哪一场发布会上突然宣布。
虽然苹果可能已经很难再维持过去那种“科技春晚”的位置，但这个位置也未必会被某一家AI公司完整接过去。苹果式发布会属于硬件时代：产品按年迭代，新品集中发布；AI 的更新则更快，也更分散，模型做好了就会上线，重要变化随时都可能发生。
总之，发布会的热闹会过去，真正留下来的，还是那些把技术和行业往前推了一步的变化。
上海期智研究院首席研究员 李彪
简体中文
English