端側 AI 與 Apple Intelligence:資料留在哪裏
從學生 iPad 上的 AI 功能出發,解釋端側運算為甚麼在私隱上有結構性優勢、能力上限在哪裏,以及學校如何把同一原則放大到校園網絡規模。
Read in English十一月家長晚會,一位小六家長舉手:「我女兒 iPad 上那個改英文句子的功能,她打的字會不會傳去美國?」負責回應的英文科副主任停頓了三秒,翻開手機設定頁,才發現自己也不確定答案——而這條問題,比「AI 會不會取代老師」更值得學校事先準備。
端側 AI 的私隱優勢不靠供應商口頭承諾,而是資料根本沒離開裝置。本課是本地部署模組的入門篇,承接第 22 課的校內伺服器,下一課會轉到 AI 講甚麼才安全。
抽屜、檔案室與中轉站
想像學生寫的句子是一份草稿。
雲端 AI 像把草稿送去校外檔案室代打:機器快、字體靚、長篇排版通常最好,但草稿離開過你的抽屜,經過傳送、經過他人系統、在對方伺服器上停留一段時間。你要信任整條鏈路。
端側 AI 像只在自家書桌抽屜裏修改:設備細、處理長文吃力、複雜任務力不從心,但草稿由頭到尾沒有離開那部 iPad 或 MacBook。
關鍵不在「檔案室承諾不看」,而在「草稿從未出門」。這叫結構性保障——比私隱政策條文更硬,因為它不依賴對方守不守規則。
Apple 的三層分法
Apple Intelligence 把上述取捨寫成三層,學校不必綁定品牌,但應學這套問法:
- 裝置上處理。 改寫句子、整理通知、短摘要——由裝置內小模型完成,資料不離開手機或平板。
- Private Cloud Compute。 任務超出裝置能力時,請求送往 Apple 專設伺服器;公開說明強調不保留使用者資料,並提供獨立研究人員檢視機制。
- 外部模型。 再進一步的請求轉交第三方,系統須先徵求使用者同意。
校本資料政策可以照抄這個順序:先問這件事最少要把資料送多遠——能留裝置就留,要出裝置也要出到受控節點,再遠就要明示同意與用途。
能力天花板
端側 AI 有三個短期內不會消失的硬限制:
- 模型細。 裝置上通常是幾十億參數以下的小模型(見第 13 課),且經大幅量化(見第 21 課)。改寫一句英文可以,設計一整份探究活動則吃力。
- 記憶短。 一次能讀的文字量有限,無法吞下整份教育局課程文件。
- 不認識你的學校。 裝置模型沒有校本評分準則、通告格式或歷屆試題;要它「知道學校」,需要知識庫檢索(第 15 課),而那需要平台。
還有一項學校特別在意的:沒有教師監控。 裝置內建功能不會把學生對話交給班主任查閱,也不產生稽核紀錄。對學生使用場景,這往往是決定性缺口。
端側保障的是「資料有沒有出門」,不是「內容對不對、有沒有人看見」——後兩項仍要靠平台與校規。
校本分類練習
一間直資中學檢討 BYOD 政策時,輔導組與資訊組做了一次簡單分類,把學生可能碰到的 AI 功能逐項填進三欄:功能名稱 → 資料去哪裏 → 學校決定。
裝置內建文字改寫:資料留在裝置,允許,但學生守則註明「不是代寫」。裝置內建的雲端助手:資料傳到供應商,校內網絡封鎖,並向家長解釋原因。學校 Edor.ai 智能導師:推論在校內伺服器,允許,有守門、教師監控與紀錄。學生自行安裝的聊天程式:去向不明,校內封鎖,納入學術誠信指引。
這份清單後來附在家長通告後面,直接回答開場那位家長的問題。最有價值的不是結論,而是養成先問資料去哪裏的習慣——一旦這條問題變成本能,大部分政策爭議會自己收斂。
校園規模的同一原則
端側的核心是「資料不出設備」。整間學校的對應版本是「資料不出校園網絡」——這正是 Edor.ai 支援校內部署的原因。
學校可把整個平台放在校內伺服器或私有雲,功能與雲端版相同,並用學校網域接入。搭配本地 Ollama 供應商,指定模組的推論完全在校內完成。對資料政策明文寫「不得離開校園」的學校,這不是加分項,而是能不能用的前提。
也要說清楚:校內部署不等於自動安全;雲端版同樣加密儲存、按保留期清理。兩種部署的資料都屬於學校,可一鍵匯出。延伸閱讀:本地部署 vs 雲端部署、學生用 AI 的安全網。
容易走歪的地方
- 把裝置內建功能當成學校已批准。 學生守則沒寫清楚哪些開、哪些關,執行時就變成個別老師自行判斷。自查:翻開現行守則,能否在兩分鐘內找到「iPad 內建改寫功能是否允許用於評估作業」的明確句子?
- 以為端側就夠處理評分與個人資料。 改句子、查生字可以;寫評語、批改、處理 SEN 備註應回到有守門與紀錄的平台。自查:這個任務的輸出會不會進入正式學生檔案?會的話,端側工具就不該單獨完成。
- 只談私隱,不談可見性。 資料留在裝置,但螢幕仍可能被同學看到、裝置仍可能被借用。自查:你的課堂有沒有教學生「在公眾場合使用 AI 改寫時,先遮蓋個人資料」這類具體習慣?
動手做一次
做甚麼: 拿一部學校實際使用的 iPad 或 Mac(或你自己的 Apple 裝置),打開一個內建 AI 功能(例如改寫英文句子),輸入一句不含個人資料的測試句。同時在另一部裝置上開飛行模式再試一次——觀察功能是否仍可用。
交出甚麼: 一張三欄小表(手寫或試算表均可):功能名稱、有網絡時是否可用、飛行模式下是否可用;再加一句你對「資料可能去哪裏」的判斷。
怎樣算做對: 能向家長用兩分鐘解釋資料流向;飛行模式仍可用則歸類「裝置端」,不可用則歸類「需雲端」。不確定時寫「待資訊組確認」。
這一課的重點
- 分辨裝置內建 AI 與學校平台 AI 在「資料去向」上的根本差異
- 按 Apple Intelligence 的三層架構,判斷某項功能資料最少要走多遠
- 列出端側 AI 在模型大小、上下文與教師監控上的三個硬限制
- 說明校內部署如何把「資料不出設備」放大成「資料不出校園網絡」
幾條常被問到的問題
要。裝置內建 AI 與學校平台是兩個系統。學校應在流動裝置管理政策中明確說明哪些內建 AI 功能開啟、哪些關閉,並在學生守則中寫清楚。內建功能通常沒有教師監控,不能取代有守門的學習平台。
在「資料傳去哪裏」這一點上有結構性優勢,但不等於全部安全。裝置遺失、共用帳戶、同學借用、螢幕被旁人看到,這些都是端側同樣存在的風險。私隱保護仍然是一整套措施,不是單一技術。
規模不同,原則相同。端側是資料留在一部裝置內,校內部署是資料留在學校的伺服器與網絡內。對學校而言後者更實用,因為可以集中管理、集中監控,並且承載得起更大的模型。
- Apple — Apple Intelligence 官方頁面
- Apple Security Research — Private Cloud Compute
- 香港個人資料私隱專員公署 — 人工智能:個人資料保障模範框架
- · 文中的價格、功能與規格以上列官方文檔為準。供應商隨時會改,採購之前請自行覆核一次。
- · 文中提及的產品名稱與商標屬各自擁有者所有。Edor.ai 與該等公司沒有合作、代理或贊助關係。
- · 這是為教育用途做的獨立整理,不是採購建議,也不是法律意見。
- · 凡涉及學生個人資料的用法,請先按學校政策與《個人資料(私隱)條例》(PDPO)評估,然後才在校內推行。