苹果第一个AI机器人，可能是个能动的HomeView

上周，苹果一口气端出了十多款智能家居新品，其中最引人注目的，当属起价 299 美元的带屏中控 HomeView。

就在大伙还在琢磨这块屏幕能做些什么之时，彭博社记者马克·古尔曼（Mark Gurman）又放出了一个新猛料：

苹果内部其实还在秘密研发一款更激进的高端型号，代号 J595。

它配备约 9 英寸屏幕，底座连着一条电动机械臂，能够通过语音识别判断谁在说话，并将屏幕自动转向对方，预计最早在 2027 至 2028 年面世。

Gurman 在昨天的 Power On 新闻通讯中吐槽道：在苹果官方为 HomeView 拍摄的宣传片里，一家人轮流凑到屏幕前，有人查日历，有人发消息，但每个人走过去的第一件事，都是伸手去硬掰一下屏幕的俯仰角度。

宣传片本意是展示全家人轮流使用的顺畅，却无意中暴露出固定屏幕的局限。很显然，苹果自己也意识到了这种别扭——光认出你是谁还不够。下一步，他们要让这台设备自己「找到」你。

想象一下这个场景：在厨房里，你正在洗菜备料，顺嘴向几米开外的 HomeView 问了一句食谱步骤。

很不巧，另一边的 HomeView 只留给你一个冷冰冰的侧脸。不仅屏幕上的内容看不清，连它听没听见也没把握。

Gurman 爆料里这款机械臂 HomeView，瞄准的就是这个痛点。

现款 HomeView 的半球形底座搭配一根不锈钢连接轴，造型致敬 2002 年经典的「台灯」iMac G4。

当年乔布斯最得意的细节，就是那根单手就能随意拨动的镀铬机械臂，屏幕像向日葵一样可以悬停在任意角度。

但不管是当年的 iMac G4 还是如今的 HomeView，归根结底都得靠手掰：人走到哪，就得伸手把它拉向哪。

而机械臂 HomeView 的核心变化，是它的脖子终于能够动起来：半球形底座内塞入无刷电机，支持 360 度水平旋转；连杆支架内部则布置舵机，实现屏幕的上下仰角俯仰。

依靠麦克风阵列与声纹识别，只要听见有人在叫它，电机便会自动发力，把屏幕转过来面向讲话者。

但学会扭头，只是最表层的一步。如果屋里有人走动、电视放句台词它就四处乱转，再灵巧的机械结构，放在家里也成了打扰。

这款机械臂版本真正的底气，全靠苹果过去十年在各类硬件里攒下的感知家底。

这件事的起点，是 2017 年秋天亮相的 iPhone X。Face ID 彻底改写了人与手机的交互关系。过去是人伸手找按键，从 iPhone X 开始，变成了你抬起手机，它「认出」你，然后无感地解锁。

但要把这套能力搬进客厅，事情就不一样了。手机始终是攥在手里的私密物件，从早到晚只面对你一个人；但客厅的屏幕，得面对全家人甚至来串门的客人。

正因如此，它必须得学会「察言观色」——谁走过来看到什么、私信和日程的隐私边界，都得非常谨慎。

过去几年，苹果其实是在各个设备上，一块块拼凑让机器理解「空间和人」的拼图：先是在客厅里让 HomePod 学会听声辨人，分清是大人在问日程还是孩子在点歌；

接着用 UWB 技术，让 AirTag 和手机学会判断彼此在房间里的朝向与距离；再到 iPad 上那颗能在打视频电话时帮你自动运镜、居中的 Center Stage 摄像头。

这些功能分散在不同产品里，但都在教设备同一件事：感知屋子里的人究竟在哪里、在干什么。

图｜Apple，Center Stage 人物居中追踪

随着 HomeView 的发布，苹果把这套感知正式搬进了客厅。前置摄像头能认出最多 6 位家庭成员，谁走过去就切出谁的主页。

但光认出人脸并不稳妥，为了保护隐私，苹果还特别要求你绑定的 iPhone 必须在附近且处于解锁状态。

苹果这么急切地想要「认识你」，其实是在为一个更大的野心铺路：让 Siri 真正拥有个人与家庭上下文。

在个人设备上，苹果靠跨设备生态串起了一整套个人档案。iPhone 里记着待办，Mac 里排着日程，Apple Watch 记录着作息，Siri AI 都一清二楚。

但在你家里的客厅，苹果生态是长期缺位的。尽管 HomePod 和 Apple TV 能够提供一定的个性化服务，它们依旧摸不清眼前坐着谁，只能做些查天气、定闹钟的简单应答，或是在电视首页给不同的家庭成员推荐不同的内容。

HomeView 做的，便是填补这个空缺。一旦设备能在空间里把人和生态对上号，原本分散在随身设备里的数据流，就在家庭公用场景里找到了锚点。

先在空间里认出人，结合生态上下文理解意图，再用物理动作把结果送过来——家庭场景里的具身智能，本质上就是这么一套逻辑。

「让屏幕自己转起来」，在消费电子行业并算不上什么独门秘籍。

早在 2020 年，亚马逊就推出过带旋转屏幕的 Echo Show 10。底座里塞进无刷电机，10.1 英寸屏幕能横向旋转 350 度。

但亚马逊当年的思路太简单粗暴了：麦克风听见动静就找方向，摄像头看见人影就转底座。为了规避隐私争议，这套系统完全不识别人脸，只认人形。

不识别人脸初衷是为了避嫌，但放到真实的客厅和厨房里，体验很快露了馅。

电视里只要有人说话、猫狗从跟前跑过，屏幕就会神经质地四处乱晃；夜深人静时电机齿轮转动的轻微嗡嗡声，更是让人心里发毛。

很多 Echo Show 10 用户买回家用了一阵子，最后几乎无一例外在设置里彻底关掉了自动旋转。

亚马逊当年的探索确实很具先锋性，但它本质上缺乏具身智能的思考：只有机械位移，却没有上下文感知。

设备并不知道眼前的人是谁、在干什么，更无从判断对方此刻是否需要它。在敏感的家庭空间里，缺乏意图理解的转动，很容易从主动服务退化成无端打扰。

除了什么时候该动，另一个更微妙的考验，是动作本身的分寸：放在桌面上，设备该怎么转，才不至于让人感到被冒犯？

在半米到两米的近距离内，如果设备听到声音就以最短路径直挺挺、猛扭头冲着人，就像安防摄像头锁定可疑目标，反而会激起用户的心理戒备。

在苹果今年初公开的人机交互论文《ELEGNT》中，我们能略窥他们的解题思路。这篇论文的主角，恰恰就是一台被固定在桌上的机械臂设备。