據(jù)《The Information》援引 OpenAI 內(nèi)部人士的報道8 月 31 日多家媒體轉(zhuǎn)載過去幾個月OpenAI 購買數(shù)萬臺 Mac mini 和 Mac Studio用于強(qiáng)化學(xué)習(xí)和會操作電腦的智能體computer-using agent的開發(fā)Anthropic 也在通過 AWS 租用大量 Mac 算力。AI 實驗室放著現(xiàn)成的 GPU 集群轉(zhuǎn)頭囤起蘋果電腦這事值得掰開看看。Mac 在強(qiáng)化學(xué)習(xí)里到底干什么活先理解背景這類智能體不是只會聊天而是要像人一樣操作電腦——點(diǎn)按鈕、敲字、拖文件、跨應(yīng)用連續(xù)干活OpenAI 的 Computer-Using Agent 正是靠強(qiáng)化學(xué)習(xí)學(xué)會操作圖形界面的據(jù)機(jī)器之心/36氪報道。訓(xùn)練這類系統(tǒng)有個特殊需求需要大量可以并行運(yùn)行、隨時重置的操作系統(tǒng)環(huán)境。智能體在這些環(huán)境里執(zhí)行任務(wù)系統(tǒng)記錄操作軌跡、判斷結(jié)果對不對再把反饋喂回去訓(xùn)練。這種負(fù)載的特點(diǎn)是數(shù)量大、單次輕、要真機(jī)Mac 提供原生 macOS 環(huán)境能避免模擬器與真實設(shè)備之間的界面、權(quán)限、兼容性偏差據(jù)機(jī)器之心/36氪整理。先說個關(guān)鍵點(diǎn)囤 Mac 不等于告別 GPU。據(jù)相關(guān)報道分析前沿模型的主訓(xùn)練大概率仍在英偉達(dá)集群上完成Mac 承擔(dān)的是并行交互、軌跡采集、任務(wù)驗證、本地推理以及部分后訓(xùn)練。換句話說大集群負(fù)責(zé)讓模型變聰明Mac 集群負(fù)責(zé)讓模型學(xué)會動手。蘋果芯片能被頂級實驗室看上硬件底子說得通M 系列是統(tǒng)一內(nèi)存架構(gòu)CPU、GPU、神經(jīng)網(wǎng)絡(luò)引擎共享同一塊內(nèi)存池省去數(shù)據(jù)在不同區(qū)域間反復(fù)搬運(yùn)。據(jù)機(jī)器之心引述蘋果官方信息M5 Ultra 版 Mac Studio 最高可選 512GB 統(tǒng)一內(nèi)存、1.2TB/s 內(nèi)存帶寬單機(jī)就能裝下大參數(shù)的量化模型新款還支持雷靂 5 多機(jī)組集群分布式推理性能最高約為單機(jī)的 3 倍。市場已經(jīng)先動起來了據(jù)《華爾街日報》報道Mac mini 上一年只占蘋果美國 Mac 銷量約 3%進(jìn)入 2026 年后卻成了常駐型智能體的熱門宿主部分高內(nèi)存版本一度出現(xiàn)數(shù)周乃至數(shù)月的交付延遲。8 月 25 日蘋果發(fā)布 M6 Mac mini 和 M5 Ultra Mac Studio宣傳重點(diǎn)轉(zhuǎn)向端側(cè) AI、大模型推理和多機(jī)集群M6 Mac mini 中國區(qū)起售價 6999 元2024 年的 M4 版是 4499 元兩年入門價漲了約 56%據(jù)報道。蘋果 2026 財年第三季度 Mac 業(yè)務(wù)收入 103.52 億美元同比增長約 28.7%據(jù)報道。英偉達(dá)也在跟進(jìn)。繼 DGX Spark 之后英偉達(dá)公布了 RTX Spark——集成 Grace CPU 和 Blackwell GPU最高 1 PFLOP 算力、128GB 統(tǒng)一內(nèi)存支持 CUDA 與 TensorRT 軟件棧定位成面向個人智能體的 PC首批產(chǎn)品今年秋季上市據(jù)稱華碩首批貨源已被渠道客戶訂空據(jù)報道。對普通開發(fā)者的實用建議這輪新聞對普通開發(fā)者的實際影響是本地跑模型這件事更正經(jīng)了——以前在 Mac 上跑大模型被當(dāng)成折騰現(xiàn)在它是 agent 開發(fā)、私有化部署的常規(guī)選項。幾個實操點(diǎn)第一先算內(nèi)存賬。7B/8B 級別的模型4bit 量化后的 GGUF 文件大約 4.5-5GB社區(qū)通行經(jīng)驗推理時還要給上下文窗口和操作系統(tǒng)留內(nèi)存。16GB 內(nèi)存的機(jī)器跑 7B 會有點(diǎn)緊32GB 會從容很多。第二選機(jī)器看三樣內(nèi)存容量、內(nèi)存帶寬、散熱。同一代芯片里標(biāo)準(zhǔn)版和 Pro/Max/Ultra 的內(nèi)存帶寬差距很大跑大模型時每秒生成的 token 數(shù)差別明顯別只盯著能塞下多大模型。本地推理用 llama.cpp 就能跑命令很簡單# 先下載量化好的 GGUF 模型再執(zhí)行推理-n 控制生成長度llama-cli-m./qwen2.5-7b-instruct-q4_k_m.gguf-p用Python寫一個快速排序-n256第三分清場景再掏錢日常推理、小模型微調(diào)、agent 調(diào)試Mac 夠用大規(guī)模訓(xùn)練和微調(diào)還是得上 CUDA 生態(tài)的 GPU 或者云。下單前也可以先租云上的 Mac 實例按小時試比直接買幾萬塊的機(jī)器穩(wěn)妥。算力正在從只堆數(shù)據(jù)中心向桌面和本地分流——智能體要在離用戶和操作系統(tǒng)近的地方干活硬件就得跟著過去。對打工人來說不用急著跟風(fēng)換設(shè)備但統(tǒng)一內(nèi)存本地推理這些詞以后只會越來越多地出現(xiàn)在工作里。你身邊有人開始用 Mac 跑本地模型了嗎評論區(qū)聊聊。