Apple 起訴 OpenAI：大模型做硬件的真正難題

「LOL，我發現我還能登入網絡存儲，太搞笑了。」

2026 年 1 月，前 Apple 資深系統電子工程師 Chang Liu 離職加入 OpenAI 後，向同事發送了這條簡訊。起訴書稱，Apple 在調查 Liu 的離職後存取紀錄時發現這段訊息。

Apple 指控 Liu 在離職後數星期內，利用系統漏洞越權下載了數十份檔案，其中包括一批超過一千頁的技術文件，涵蓋主板製造與測試簡報等核心資料。

與 Liu 同列被告的，還有前 Apple 產品設計副總裁 Tang Tan。Apple 指控 Tan 在為 OpenAI 面試候選人時，要求應徵者攜帶 Apple 實體零件進行「Show and Tell」式面試。訴狀稱 Tan 個人涉嫌要求攜帶的零件包括電池、封裝組件、主板及屏蔽罩。

以上是 Apple 起訴書描述的版本，尚未經法院裁定；OpenAI 表示無意取得其他公司的商業機密。本文關注的不是預判誰勝誰負，而是這宗官司暴露的產業問題。

為甚麼 OpenAI 要做硬件

過去兩年，大模型迭代很快，模型能力和 API 價格同時受到愈來愈大的競爭壓力。

與此同時，分發渠道始終握在操作系統巨頭手中。當操作系統把相近能力內置，第三方模型的曝光、議價能力和用戶關係都可能被削弱。

將智能裝進一個物理產品，直接進入用戶的口袋或耳朵，是打破這種依賴的一種方式。這是 OpenAI 積極招攬硬件人才的重要原因之一。

真正難複製的是量產

但硬件的世界有自己的規則。

軟件可以透過遠端更新修補錯誤，而硬件進入量產後，修改設計、替換零件和重新驗證都需要時間與成本。散熱、電池穩定性及供應商協作等經驗，往往來自多次量產和修正，難以單靠設計文件完整複製。

最有商業價值的工藝細節，往往不會完整出現在公開論文或數據庫中。它們積累在工廠的良率報告、供應商與品牌數十年合作磨合出來的工序參數，以及無數次量產試錯的經驗裡。模型可以整理公開知識，卻不能憑空補上沒有被記錄的量產經驗。

硬件護城河不只在專利和設計圖紙，更在量產經驗、供應鏈協作與工藝知識。它們難以文字化，更難以快速複製。

這宗官司中 Apple 對供應商的指控，恰恰觸及了這一點。訴狀指出，一家製造合作夥伴據稱在被誤導「Apple 已批准」的情況下，替 OpenAI 執行了特定的金屬表面處理工序。另一家電源及電池供應商，據稱收到使用 Apple 內部專有術語提出的技術問詢。

這些指控若屬實，指向的是一個更根本的難題：一家新公司如何吸收員工帶來的經驗，同時證明產品沒有使用其前僱主的機密。這也是整宗官司最值得討論的商業問題。

官司帶來的商業風險

相較於賠償金額，更值得關注的是這場官司為 OpenAI 硬件計劃帶來的不確定性。

若 Apple 能向法院證明機密進入了設計流程，OpenAI 可能需要對相關團隊或資料實施隔離，並重新審查既有硬件設計的來源。視乎法院後續決定，產品推出時間也可能受到影響。

訴訟本身也可能改變外部合作的信任基礎。供應商和投資者都可能對 OpenAI 硬件團隊的知識來源提出更多疑問。即使最終法庭不認定機密遭到盜取，訴訟過程中的設計來源審查，也可能令產品節奏放緩。

這宗官司尚未證明 OpenAI 盜取 Apple 技術。但它揭示了一條新的競爭邊界：當 AI 公司走入物理世界，競爭規則就從算法性能延伸至產品設計、製造工藝與供應鏈知識。

AI 可以在雲端快速迭代。但量產經驗沒有捷徑。