苹果起诉 OpenAI：AI 硬件最难复制的是组织记忆

Sat, 11 Jul 2026 13:10:00 +0800

7 月 10 日，苹果在美国加州北区联邦地区法院起诉 OpenAI、io Products 及数名前员工，指控对方不当获取其与未发布技术、工程流程和产品有关的保密信息。OpenAI 随后回应称，公司“无意获取其他公司的商业机密”。案件刚刚进入司法程序，双方说法都不等于已经被法院认定的事实。

这起案子让我想到的，不是谁又从谁那里挖走了人。做硬件的人都知道，真正难带走的从来不是某张图纸，而是图纸之外那堆零碎却致命的判断：某个部件为什么上次没过，某家供应商的承诺该信到什么程度，哪项测试可以压缩，哪项绝不能省。

这些东西凑在一起，才是我说的组织记忆。它不会整齐地躺在知识库里，常常散在复盘记录、评审时的追问和几个老同事的条件反射中。

先把事实边界放在前面

根据苹果提交的诉状及多家媒体对文件的报道，苹果指控部分前员工在离职、面试或进入 OpenAI 相关硬件业务的过程中，不当接触、下载或披露与苹果保密项目有关的信息。诉状涉及工程文件、原型部件、供应商沟通和制造流程等内容；苹果请求禁令救济和损害赔偿。

这些是苹果的指控，不是法院已经确认的结论。特别是关于动机、具体信息是否构成商业秘密、信息是否真的被使用，以及 OpenAI 应承担何种责任，都有待后续答辩、证据交换和审理。

OpenAI 的公开回应同样很简短：公司称自己对其他公司的商业机密没有兴趣，并将继续专注于研发产品。

因此，下面的讨论不会把“苹果指控的行为”写成既成事实。真正值得讨论的，是为什么类似争议会在 AI 硬件这个时间点出现，以及它暴露了哪些比“模型参数更多、设计师更强”更现实的竞争问题。

模型能做什么，图纸怎么画，经验又留在哪里，是三回事。

模型决定设备能否理解语音、图像和任务；硬件方案把这些能力塞进结构、器件、系统架构、BOM 与测试规范；组织记忆则来自那些反复做过选择、见过后果的人。现在模型可以自研，也可以采购或接入 API。硬件方案可以交接，但它总有没写透的部分。

真正让量产项目容易卡住的，往往就是这部分。

过去的消费硬件项目可以把责任切得相对清楚：设计管外观和结构，系统团队管软件，供应链盯成本与交付，质量团队守住出货门槛。

AI 设备会让这些人更早地互相牵制。团队想让它随时可用，就得考虑常驻监听、快速唤醒和上下文理解，功耗、发热、隐私、误触发随即都冒出来。为了减轻云端延迟，更多能力想放到本地；本地模型又吃掉存储、内存和电池预算。为了做轻一点，电池或散热空间又要让步，模型能跑多久随之改变。

这些取舍很少有一个“正确答案”。它们会在原型评审、可靠性测试、供应商导入和售后数据里慢慢留下痕迹。一个老工程师在会议上多问的一句“上次那批件为什么没过”，有时比新做一页 PPT 更有用。模型能帮团队快一点做出原型，却替代不了这些失败留下的判断。

科技行业的人才流动很常见，也完全正常。一位资深硬件工程师加入新团队，带去的是他的能力、判断力和职业经验。法律真正关心的边界，在于个人经验与受保护的保密信息之间如何划分；这也正是本案需要由司法程序厘清的地方。

从产品角度看，即使不考虑任何涉密问题，挖到一批优秀人才也不等于把原公司的硬件能力搬走了。

因为硬件不是靠单点高手完成的。一个产品从概念到量产，依赖的是设计、系统、电气、材料、采购、制造、测试、质量与售后之间的长期配合。某个工程师知道一个关键参数，未必知道它为什么会在特定供应商、特定产线和特定软件版本组合下失效；即使知道，也未必能在新组织里立即获得同样的决策权、测试资源和协作接口。

这就是组织记忆的顽固之处。

它不是秘密配方，也不必被神化成不可学习的“文化”。它更像一个不断更新的决策数据库，只不过数据库的一部分存在流程里，另一部分存在人和人之间。团队换了人、换了供应商、换了节奏，这套记忆也要重新训练。

因此，AI 硬件公司最危险的错觉是：只要找到足够多来自成熟硬件公司的员工，就能跳过成熟硬件公司走过的弯路。

现实通常更接近另一种情况：你可以更快知道哪些坑存在，但仍然要在自己的架构、预算、供应链和产品定义里重新做一遍取舍。

硬件团队真正攒下来的优势，很少是一份“别人永远做不出来”的技术。更多时候，是他们已经为错误付过账：某个结构改动会拖慢试产，某个供应商的批次波动会在什么条件下放大，某个看似合理的指标会在售后阶段反噬。

这些经验会落在很具体的地方：少一次返工，少一个批次事故，更早发现售后异常，下一代产品立项时少吵几轮。它们不适合做发布会卖点，却能直接决定一个团队能不能按节奏把产品交出去。

如果是新团队，我会更在意四件小事：技术决策别只留最终版本，失败原因也要留；研发、质量和供应商的问题最好进同一个追踪系统；员工能带走的职业经验与公司必须保护的资料，要在流程上分清；关键选择别只靠“某人说过”，应该能回头查到当时的依据。

说到底，这既关乎效率，也关乎边界。团队扩张得越快，越不能把关键经验押在少数人的记忆里。

苹果与 OpenAI 的案件会如何收场，现在没人知道。它可能和解，也可能进入更长的审理；一份诉状也不足以替任何一方定性。

不过，这件事至少让人重新看见了 AI 硬件的基本功。模型决定设备能理解什么，硬件决定它在日常使用里是否可靠，组织记忆决定团队能不能把前两者持续做下去。

模型能加速探索，硬件把能力变成用户摸得到的东西，组织记忆让团队不必每一代产品都从同一个坑里爬出来。三样东西缺一不可。把模型当成全部，会低估工程；守着旧硬件流程不动，也会错过新的交互方式。

最后拉开差距的，未必是谁先做出一个能演示的设备。更可能是谁能把一次次试错留下来，再把它们变成下一次少犯一点错的系统。

以上来源用于梳理公开诉讼材料、公司回应和产品背景。诉状中的事实主张尚待司法程序审理，本文对其均以“苹果指控”或“诉状称”的方式表述；关于 OpenAI 后续硬件形态的媒体传闻未作为本文论据。