甚至是在 2019 年的数据泄露 “重灾区” 人脸识别中，苹果几乎都能 “片叶不沾身” 地全身而退：据 Appleinsider2019 年报道，一份报告声称，研究人员正在通过一些方式来获取图像数据库，这些数据库由频繁使用面部识别却不自知的人组成，但是当研究人员整理收集到的图像和结果数据时，发现里面并没有苹果公司的数据。虽然这些数据库的来源是公开来源的图片和其他公司收集的图片，但没有一张来自苹果。
目前还不清楚苹果的人脸识别研究工作采用的具体数据集，但起码尚无证据表明这些数据来自其用户。
事实上，手机人脸识别的功能实现，是一个体现苹果如何在重视隐私的基本原则下追求创新的典型案例。
苹果曾在其官方机器学习博客中发表文章系统地介绍其人脸识别算法，即如何通过 Vision 这个 API 背后所牵涉到的神经网络机制，以及最初如何靠由简单的非神经网络算法实现人脸识别。
2014 年的时候，苹果看到深度学习在大型计算平台上的应用愈发成熟，进而设想逐渐实用化的深度学习应该在移动平台也具有很大应用潜力。不过，在当时的技术实现上，把深度学习放在手机上实现更酷炫、更精确的识别功能，几乎是天方夜谭。
现在我们已经习惯于手机中集成了用来处理 AI 计算的专用处理单元，比如华为在麒麟 970 中使用的 NPU，可在 2014 年，手机芯片计算性能非常羸弱，不堪作为深度学习的视觉模型计算平台。
一个捷径是，通过云端 API 提供相关的深度学习方案。借助云服务设备，手机这样的终端也能使用深度学习来解决问题。
但这又产生了另一个问题，苹果的 iCloud 受到严格的隐私与数据使用限制，尽管 iCloud 上存在庞大照片数据，但这些数据都不能被用来进行深度学习。所以，要进行深度学习，苹果只能选择在手机上直接进行相关计算，而不是在云端处理。
云端 AI 牵扯到隐私问题，促使苹果转而寻求终端解法，通过改变设计理念来保护隐私。
最终，苹果通过用 OverFeat 深度学习算法取代传统 Viola-Jones 的特征识别方式、建立标准的处理流程来执行人脸识别以及其他配套的系统优化，最终成功在手机上实现人脸识别深度神经网络算法，而非走了其他厂商所选择的云端路线。
手机销量停滞不前之际，苹果也变了
一直以来，与谷歌、亚马逊、Facebook 不同，苹果不愿意使用用户数据来提供有针对性的广告或者个性化推荐。根据此前外媒的报道，此前有几位的苹果前雇员表示，任何涉及苹果用户数据收集的工作都需要经过 3 位“隐私沙皇”（privacy czars）和一位高级管理人员的批准。
许多员工为苹果的立场感到自豪，而 CEO 库克则将其视为一项原则问题。
库克曾在一封信中写道：“客户希望苹果和其他科技公司尽其所能来保护自己的个人信息，”该公司甚至反对过来自政府的要求：帮助解锁一起袭击中的嫌犯的 iPhone。
这样的隐私政策也体现着苹果特别的商业策略：苹果显然愿意为了隐私而牺牲一些利润，以强化其用户至上的企业形象。当然，这样的策略与 Facebook 或 Amazon 相比，也相对容易坚持，毕竟在很长一段时间里，苹果的主要业务都是销售硬件设备，而不是广告或电子商务。
然而，这个阶段正在翻页，新的考验已然降临。
苹果在 2017 财年第四财季的财报显示，尽管 iPhone 的销售给苹果带来的收入仍高达 371.85 亿美元，但其销售量基本处于零增长，近乎与过去两年持平。iPhone 销售停滞的情况下，外界对于其硬件创新能力能否持续的质疑声也愈演愈烈。
与硬件销售逐渐见顶形成对比的是，苹果服务收入多年来一直稳步增长，2017 年，苹果的服务收入为 310 亿美元，占总收入的 13 %，苹果也已将 iCloud、Apple Music 等服务作为新的增长主要来源。
然而，一项几乎被屡屡验证的规则是，对用户个人数据挖掘得越好，才越有可能提供好的互联网服务。
对于接下来想要在服务上创造更大增长空间的苹果来说，这将是对公司限制使用个人数据的承诺的更大考验。
