Apple Google AI 守门正将公众愤怒转化为对平台的考验
- Aisha Washington
- 8月3日
- 讀畢需時 15 分鐘
尽管 Apple 和 Google 都将其应用商店定位为值得信赖的数字入口，两家公司面临的 AI 冲突已远不止消费者的简单反感。公众的愤怒如今不仅指向不准确的聊天机器人或难看的合成图像，也日益指向那些分发 AI 产品、制定规则并从其普及中获利的机构。
这正是 Rappler 的“[Tech Thoughts] Reconsidering the social dimensions of hating AI”中容易被忽视的一点。人们对 AI 的反感常被归为技术恐惧、抗拒变化，或对自动化的焦虑。然而，这些解释将 AI 视作孤立工具，而非一个受雇主、平台、市场和政治选择共同塑造的系统。
Apple Google AI 争论揭示了真正的张力。两家公司都能执行详尽的商店政策、审核应用，并下架违反规则的软件。然而，当开发者竞相加入生成式功能、订阅服务、广告资源位并推高云服务需求时，它们同样能从中获益。
这已不再是热爱技术的人与害怕技术的人之间的较量。争议的核心在于：当 AI 产品失灵时由谁承担代价，这些产品的能力建立在哪些人的劳动之上，以及哪些机构能够介入。Apple 和 Google 正处在这些问题与数十亿移动用户之间。
对 AI 的愤怒已超越模型本身
重要的变化在于，人们越来越依据 AI 的社会后果，而非基准测试分数或新奇程度来评判它。
公众早期接触生成式 AI 时，往往觉得它只是实验性的工具。用户会向聊天机器人提出奇怪的问题，生成超现实图片，或测试模型能否模仿熟悉的写作风格。这些互动让技术看起来与日常的制度性生活相互分离。
这种分离已经消失。AI 摘要出现在搜索结果旁边。生成图像在缺乏可靠背景信息的情况下流传。学校面对的作业可能包含机器生成的段落。雇主尚未厘清准确性、监控或责任问题，员工就已接到新的生产力要求。
“讨厌 AI”这一说法将这些经历压缩成一个情绪标签。它把对错误答案的挫败感，与对工作岗位流失、版权、深度伪造、监控、环境成本和不受欢迎自动化的愤怒并置。这些异议并非在描述同一个技术问题。
它们描述的是一个分配问题。公司选择 AI 出现在哪里，管理者决定何时必须使用它，平台则决定有害产品能多容易触达用户。个人通常是在产品部署之后，而非设计期间，才遭遇这些决定。
这种差别很重要，因为当 AI 被嵌入操作系统、浏览器、搜索或工作场所层面时，退出会变得更加困难。一个人可以避开某个聊天机器人，但要避开每一条 AI 生成摘要、自动排名、合成广告或筛选系统，则困难得多。
由此产生的反感未必是反对机器学习。许多批评者会使用推荐系统、翻译工具、无障碍功能、欺诈检测或导航软件，并不反对其底层方法。他们的抵触往往始于生成式 AI 改变了同意、署名或控制权。
一名员工或许欢迎用工具整理会议记录，却拒绝会暗中评估员工表现的软件。一位插画师或许会使用自动选区工具，却反对未经许可使用创作作品训练的模型。一名学生或许重视个性化讲解，却不信任会把原创写作标为生成内容的不可靠检测器。
这些区别暴露出把批评者一概描述为“反 AI”的局限性。冲突常常围绕某一具体应用、商业做法或权力关系展开。把每一种异议都视为对进步的恐惧，会让应负责的机构从视野中消失。
Rappler 的框架尤其具有现实意义，因为菲律宾已经经历过平台决策带来的社会后果。在线排序、有组织的影响力行动以及薄弱的问责机制，都可能从屏幕延伸到公共生活。生成式 AI 为既有的信息环境增添了更低成本的生产能力和更强的个性化。
这里的历史参照是社交媒体，而非某种早期家用电器。社交网络最初也被视为影响取决于用户的工具。随着时间推移，推荐系统、广告激励和平台治理被证明是决定这些工具最终成为什么的核心因素。
AI 也应受到同样的制度审视。模型会生成输出，但公司决定界面、安全限制、分发渠道和营收模式。另一家公司可能将该产品放入应用商店，并以经过审核的标识向用户展示。
一旦这条链条变得可见，愤怒就不再显得非理性。它成为要求厘清整个系统中责任归属的诉求。
为什么 Apple Google AI 政策如今如此重要
Apple 和 Google 正面临压力，因为它们的商店将私人政策转化为了公共基础设施。
两家公司都不只是托管一个中立的软件目录。Apple 会在 iOS 应用通过其商店分发前进行审核。Google 同样评估 Android 应用，并在 Google Play 内执行相关规则。两家公司都发布了涵盖安全、隐私、欺骗行为和不当内容的标准。
这些标准赋予两家公司实质性的影响力。一次下架可能限制产品触达庞大移动用户群体，而一次批准则能带来覆盖范围、支付工具，以及一定程度上被认为具有合法性的印象。因此，商店上架决定了哪些 AI 产品会成为日常消费服务。
随之而来的是一个棘手问题：如果某个 AI 应用反复促成似乎与这些规则不相容的行为，商店运营方何时应对其持续分发承担责任？
这一问题在 2026 年 1 月从理论走向公共倡议。近 30 个组织组成的联盟敦促 Apple 和 Google 下架 X 和 Grok，此前有报道称其涉及女性和未成年人的性化合成图像。据Grok app scrutiny报道，这些组织认为相关应用违反了商店既有政策。
这一要求让两家公司陷入尴尬处境。立即下架将表明应用商店规则可以约束一个知名平台；继续允许其上架，则会显示执法所依赖的不仅仅是书面政策。
这场争议也表明，“AI 安全”不能再仅限于模型开发者。开发者控制模型和产品，商店运营方控制通向用户的关键路径。支付服务商、广告商、云服务商和监管机构则掌握其他形式的影响力。
每个机构都可以声称另一方承担主要责任。模型公司可以归咎于滥用者；商店可以指向开发者的防护措施；监管机构可以表示，政府介入前平台应先执行自身规则。
这种责任的流转本身就是 AI 部署的一项社会特征。伤害可能迅速出现，而问责却会缓慢地穿过合同、举报系统、申诉程序和司法辖区边界。
Apple 和 Google 也面临相互冲突的激励。它们的品牌受益于消费者信任，但其平台也会在开发者发布热门应用时获益。生成式 AI 可以提升设备使用度、订阅、搜索活动，以及对云基础设施的需求。
两家公司并不完全相同。Apple 强调整合的硬件、软件和隐私控制。Google 运营着更广泛的广告、搜索、移动和云业务，同时开发自己的 Gemini 模型。它们的经济定位不同，但两者既是规则制定者，也是 AI 竞争者。
这种双重角色使执法更加复杂。针对竞争对手 AI 应用的每项决定，都可能被解读为安全判断、商业操作，或两者兼具。透明标准至关重要，因为外界无法仅凭一次下架或批准就可靠地推断动机。
这正是Apple Google AI 争论超越任何单一应用的原因。它追问的是：当安全、政治和竞争利益发生碰撞时，私人守门人能否适用可预测的规则。
真正的分歧在于选择与强加
公众的接受程度往往较少取决于 AI 是否存在，而更多取决于人们能否在不失去服务、收入或地位的情况下拒绝它。
技术采用常被讲述成一种个人决定：用户下载应用、同意条款，并选择是否继续使用。但当 AI 成为基本服务或工作场所要求的一部分时，这一模型就会失效。
搜索就是一个明显例子。寻求常规来源列表的人，可能在抵达原始网页前先看到 AI 生成的回答。即使用户从未要求对话式答案，系统也已经完成了信息总结和优先排序。
同样的模式出现在创意软件、客户支持、教育、招聘和办公工具中。AI 可以通过一次产品更新进入用户生活，而不是通过一次有意识的购买。用户名义上的选择，变成了接受该功能或放弃熟悉服务之间的选择。
工作场所的采用又增加了一层复杂性。员工可能因管理者期待更快产出而面临使用 AI 的压力。如果工具产生错误，员工仍可能要为结果负责。生产力收益仍是组织的收益，而核验成本则转移给了员工。
这有助于解释 AI 批评与 AI 使用之间看似矛盾的现象。人们可以反对某个系统，同时依赖那些让回避变得不切实际的服务。使用不自动代表同意、信任或满意。
社交媒体也曾存在同样的矛盾。用户批评隐私做法和有害的推荐系统，却仍留在其中，因为其社群、客户或职业网络早已存在于此。持续参与并未消除其根本诉求。
AI 公司常将使用量增长解读为接受的证据。使用数据可能反映实用性、好奇心、制度压力或缺乏替代方案。没有更深入的证据，它们无法区分这些动机。
因此，有用的社会分析会追问谁掌握决定权。创作者是否授权训练或再利用？用户是否主动要求 AI 生成答案？员工是否参与选择该系统？个人能否质疑自动化判断？是否存在有意义的非 AI 路径？
这些问题比抽象地询问某人是否喜欢 AI 更具信息价值。它们将冲突置于平台、雇主、开发者、创作者和用户之间的真实关系中。
选择同样影响信任。当人们了解工具的边界，并能决定何时使用时，他们可以容忍它并不完美。但当系统自动出现、以权威口吻发声，或无法绕过时，同样的不完美就会显得更具威胁。
Apple 和 Google 可以通过应用商店要求与操作系统设计影响这种体验。他们可以要求更清晰的披露、便捷的举报渠道、年龄保护措施和实质性的控制权。他们也可以默认突出 AI 功能，并将拒绝使用的负担转嫁给用户。
这并不只是创新与监管之间的取舍，而是分发速度与同意质量之间的权衡。快速部署可以发现有用的应用场景，但也可能在受影响群体来得及质疑其条款之前，就让一款产品被常态化。
一个个人知识系统提供了这一原则的较小尺度示例。当用户决定哪些信息进入系统，以及何时由 AI 处理时，他们便拥有更多控制权。当收集或分析在缺乏相应选择的情况下发生时，这种社会关系便会改变。
控制权无法化解所有异议。训练数据、劳动影响、环境成本和信息完整性的问题，都超出了单个界面的范畴。尽管如此，有意义的选择仍将协助与强加区分开来，而这正是公众信任的核心。
这场反弹说对了什么，又说错了什么
对 AI 的批评指出了真实的制度失灵，但一个笼统标签可能掩盖系统、用途和伤害程度之间的重要差异。
反弹最有力的理由始于问责。深度伪造可能针对从未同意参与的人。合成内容可能淹没信息发现系统。不可靠的输出可能出现在用户默认其具备基本事实严谨性的场景中。
近期的执法压力说明了这一点。2026 年 7 月，旧金山市检察长 David Chiu 发出法律通知，要求 Apple 和 Google 下架 13 款据称被用于生成未经同意的私密图像的应用。报道所称的行动针对的是分发与获利行为，而不只是输入滥用提示词的人。
根据对 nudify app notices 的报道，两家商店均有禁止色情、虐待或骚扰内容的政策。Google 表示，已因违反政策而下架数百款包含去衣功能的应用，其中包括该市点名的五款 Android 应用。
这一回应既体现了平台执法的覆盖力，也反映出其局限性。下架可以减少传播，但往往发生在外部调查之后。类似产品可以换用不同名称、营销措辞或技术设计重新出现。
批评者也有理由质疑“有害输出完全由用户造成”的说法。用户会作出选择，但开发者决定系统能生成什么、哪些防护措施生效，以及如何处理滥用举报。产品设计会影响滥用的规模与可预测性。
然而，广泛的敌意可能失去准确性。“AI”涵盖图像生成、蛋白质分析、无障碍辅助、欺诈检测、翻译、医疗支持、推荐和预测等系统。这些应用并不共享同一种风险画像或社会目的。
即使在生成式 AI 内部，本地转录工具也不同于公开图像生成器。前者处理由用户选定的材料；后者可能生成从未提供同意之人的逼真形象。将两者在道德上视为等同，会妨碍形成有用的政策区分。
笼统标签也会把愤怒从决策者身上转移开来。说“AI 抢走了一份工作”听起来像是不可避免。说雇主购买某个特定系统后替换了一个团队，则指出了一项可以审视和质疑的企业决策。
创意问题上的论述也存在同样的问题。模型不会决定署名、报酬或归属应如何运作。开发者、出版商、代理机构和客户才会建立这些实践。技术改变了可能性，但机构决定什么会变得可接受。
AI 的支持者有时会犯相反的错误。他们列举有益应用，暗示对某一种部署方式的批评会威胁到所有用途。这种做法同样抹杀了必要的区别。
帮助学生理解方程式的辅导应用，并不能为欺骗性的合成媒体开脱。能够识别科学数据模式的研究模型，也无法解决创意作品是否应在未经授权的情况下被用于商业训练的问题。
双方都可以通过明确主体、应用和伤害来改进辩论。“Google 应解释 Play Store 的执法如何适用于一款被举报的深度伪造应用”是一项可检验的要求。“AI 是邪恶的”在情绪上很明确，但在操作层面很薄弱。
准确性也让相称的回应成为可能。有些产品需要披露；另一些则需要更严格的年龄控制、审计或对特定输出的限制。少数产品可能带来足以正当化下架或法律禁止的风险。
这正是 Apple Google AI debate 变得具有建设性的地方。商店运营方已经对应用进行分类并施加条件。问题在于，这些体系能否足够快地演进，以识别新型 AI 驱动的滥用形式，同时避免变得武断。
答案仍不确定。商店审核不是独立法院，私营执法可能影响言论、竞争与访问权。若在缺乏透明度的情况下赋予守门人更多权力，会制造另一种风险。
因此，问责需要双向推进。开发者应为产品行为负责，商店运营方也应解释执法决定。监管机构和法院必须继续具备审查两者的能力。
应用商店无法独自解决信任危机
平台执法很重要，但最深层的 AI 争议关乎应用审核无法修复的权力结构。
Apple 可以从商店下架一款应用。Google 可以暂停一名开发者的资格，或限制某一类内容。但这两种行动都无法解决训练数据如何收集、工作场所自动化如何协商，或能源基础设施如何影响周边社区的问题。
当违规行为具体明确时，应用商店干预最为有效。例如，一款应用传播非法内容、欺骗用户、冒充他人，或不当处理敏感信息。书面政策可以界定该行为，并为执法提供依据。
社会伤害往往更难孤立出来。聊天机器人可能生成在个体层面合法的回答，却在大量互动中鼓励不健康的依赖。内容生成器可能充斥广告渠道，但没有任何单一输出违反明确规则。
商店运营方也只会在某一特定时点评估产品。生成式系统可在获批后通过服务端更新发生变化。其行为取决于提示词、模型版本、安全分类器和产品设置，而审核人员未必能持续观察这些因素。
开发者可以回应公众压力，却不披露足够证据来评估改进情况。他们可能宣布加强防护、限制某些功能，或称已修复被发现的漏洞。独立观察者仍需要方法来检验有害行为是否持续存在。
透明度提供了部分答案。公司可以报告下架数量、违规类别、申诉结果和响应时长等指标。他们可以说明政策是适用于整个应用，还是仅适用于某项功能。
但若报告的类别过于宽泛，透明度就可能沦为仪式。声称下架了数百款应用，并不能说明还有多少仍可使用、行动发生得有多快，或重复违规的开发者是否重新出现。
独立研究可以有所帮助，但研究人员需要稳定的访问权限和法律保护。平台有时会限制自动化测试，因为这类测试看似滥用或违反条款。一个有用的问责框架必须区分善意审计与试图造成伤害的行为。
监管机构也面临时机问题。正式调查和诉讼推进缓慢，而生成式产品可以在数天内触达大量受众。私营商店执法速度更快，但缺乏政府应有的程序保障。
这一张力没有简单解法。如果 Apple 和 Google 行动缓慢，有害产品可能扩大规模；如果他们行动过于激进，两家公司就会获得更大的权力，决定哪些 AI 应用能够触达移动端用户。
两家公司自身的 AI 雄心使中立性更难确立。Google 开发模型、分发 Android、运营 Google Play、销售云服务，并控制主要的信息发现入口。Apple 设计设备、操作系统、商店规则和集成式 AI 体验。
竞争开发者有理由问：执法是否一致地对待第一方和第三方服务。当内置功能获得比用户单独安装的应用更深层的访问权限时，用户也可能提出同样的问题。
产品团队和执法团队之间更清晰的分离会有所帮助，但组织层面的保障需要验证。公开的政策说明、外部审计和一致的申诉流程，能够让这些边界更可信。
信任危机超越了合规问题。人们希望确信，机构不会仅仅因为采用技术能改善市场地位，就让他们暴露于本可避免的伤害之中。这是关于企业优先级的问题，而不只是技术安全问题。
Rappler 的社会视角抓住了这一更广泛的问题。对 AI 的愤怒往往代指对那些一再先部署技术、后协商后果的机构的挫败感。公众抵制成为放慢这一过程的少数可用方式之一。
公司不应将这种抵制视为品牌缺陷。更好的广告无法解决有关同意、劳动或问责的争议。如果公关活动将社会异议描绘为误解，甚至可能加深不信任。
当受影响的人在决策中获得真实角色时，信任才会增长。工人在监控或自动化系统到来之前需要参与权。创作者需要对其作品拥有可执行的选择权。用户需要易于理解的控制措施和有效的救济。
Apple 和 Google 可以支持这些条件，但无法独自创造它们。雇主、开发者、立法者、法院、研究人员和公民社会都会塑造结果。
Apple 和 Google 接下来必须证明什么
下一个考验在于，Apple 和 Google 能否将宽泛的安全承诺转化为一致、可观察的决策。
第一个信号是执法透明度。两家公司应提供足够细节，让外部人士能够将书面政策与实际结果进行比较。有用的报告应说明违规类别、响应时间、重复违规情况和申诉的作用。
如果报告变得更加具体，平台主导治理的理由就会增强。如果披露仍然宽泛，批评者将继续认为执法是被动且选择性的。
第二个信号是商店如何处理获批后发生变化的应用。服务端模型可以在没有常规应用更新的情况下获得新功能或改变防护措施。审核体系需要一种发现重大行为变化的方法。
持续测试并不要求阅读每一段对话。它可以聚焦于已有文档记录的高风险能力、年龄保护、举报路径，以及开发者对已知滥用模式的回应。若其访问权限与方法受到保护，独立审计人员可以增添可信度。
第三个信号是对第一方和第三方 AI 的一致对待。Apple 和 Google 必须证明，内置服务面临的标准与外部开发者被施加的标准相当。缺少这种对称性，安全执法仍将容易引发竞争方面的担忧。
这些信号的重要性将超过任何一次单独下架。一次备受瞩目的暂停可以展示权力，但可预测的体系才能体现治理。用户和开发者需要在下一次丑闻发生前就了解规则，而不是只在公众压力达到顶峰之后才知道。
监管行动将提供另一项衡量标准。旧金山发出的通知表明，当有害应用仍可被获取时，官员愿意将矛头指向应用商店分发。类似干预将加大压力，促使审核更快、更有记录可查。
随着合成媒体变得更难辨认，Apple Google AI 辩论也将发生转变。过去，视觉瑕疵曾为用户提供一种非正式的警示。更好的生成能力削弱了这种防线，也提升了来源追溯、标注和快速举报的价值。
来源追溯是指有关数字材料来自何处、如何发生变化的信息。它可以帮助平台和用户评估合成内容，但标签可能被移除，元数据也可能在转发过程中消失。
没有任何单一技术标记能够解决这个问题。有效的体系需要政策执行、产品设计、法律补救措施和公众素养。它们还需要让一再无视预警信号的机构承担后果。
最重要的改变，是从被动下架转向可问责的部署。开发者应在发布前预判滥用风险。应用商店应在分发前测试高风险声明。监管机构应界定最低责任，同时避免将每一项内容决定都交给私营守门人。
读者应关注，当下一款备受瞩目的 AI 产品与已公布规则发生冲突时，Apple 和 Google 会如何回应。他们是否会说明标准、一致地执行标准，并披露结果？还是会等到记者、研究人员和官员迫使他们作出决定？
答案将揭示，应用商店的信任究竟仍只是一项营销承诺，还是会成为一种可执行的关系。
憎恨 AI，是对复杂系统一种不够精确的回应。但这种情绪往往传递着理性的信息：人们觉得，影响深远的选择正在围绕他们作出，而不是与他们共同作出。
正确的回应不是告诉批评者，采用 AI 是不可避免的。应当厘清是谁选择了这个系统，谁从中获益，谁承担其代价，以及谁能够阻止有害部署。
Apple 和 Google 比两家公司愿意承认的更常处于最后这一位置。它们接下来的决定将表明，移动平台能否在同一市场内竞争的同时，负责任地治理 AI。在这些公司批准下一款要求用户信任的 AI 应用之前，用户应当要求什么标准？
