OpenAI被曝按吨囤Mac mini，几万台全拿去训AI了

等等，AI实验室囤积Mac mini，竟然是以“吨”为计量单位囤积的？！

The Information 最新披露，OpenAI 已经购买了数万台 Mac mini 和 Mac Studio，目前仍在持续向苹果追加订单。

Anthropic 则选择了不同的路径，从亚马逊 AWS 租赁 Mac 算力。根据网友的计算，每台每小时费用大约一美元，一个月下来在五百到九百多美元之间。

租赁并不便宜，购买也不划算。从算力性价比来看，苹果芯片无法与英伟达抗衡，这一点几乎没有争议。

那究竟是为了什么？

这些设备被用于强化学习，训练的是能够自主操作电脑的 Computer-use Agent。

数万台金属小盒子，被运入 AI 实验室

训练 Agent，需要让模型在真实电脑上进行实践。

成千上万台机器同时运行，模型在其中点击鼠标、打开应用、查看屏幕、犯错并重试。

算力方面，任何厂商的显卡都能购买，但有些任务只有 Mac 才能胜任。

苹果的规定是这样的：

macOS 虚拟机只能运行在苹果自家的硬件上

在 Apple 芯片的 Mac 上，每台机器最多同时开启两个 macOS 虚拟机

AWS 的 EC2 Mac 至今仍是“专用主机”模式，租赁即是一整台物理 Mac，最少按 24 小时收费，文档中给出的理由是苹果的许可协议如此要求

因此，要获得一万个 macOS 环境，就需要部署几千台真机。

苹果芯片产品高级经理 Doug Brooks 曾对此给出解释。

Agent 需要一台完全自主控制、与主力电脑隔离、并能连续几天几夜不关机的设备。而 Mac mini 正是这样一套理想的系统。

这股需求有多强劲，从财报中可见一斑。

苹果最新一季 Mac 营收达到 104 亿美元，同比增长 29%，在所有产品线中增速最快。而这，正是靠这个小方盒子驱动的。

代价是供应短缺，最受 AI 开发者欢迎的几款配置，已经断货好几个月了。

X 上已有人庆幸，自己的 Mac Studio 订单下得早。

统一内存，加上一颗不会降频的风扇

仅靠 macOS 环境还不够，设备本身必须能运行大型模型。

苹果芯片虽然不及英伟达 GPU，但统一内存这一架构，短期内其他厂商难以模仿。

CPU 和 GPU 共享一个内存池，无需将大模型分割后塞入多张显卡再来回搬运。

在运行大模型时，“装得下”往往比“跑得快”更关键。

M5 Ultra 最高支持 512GB 统一内存，带宽达 1.2TB/s。M6 Mac mini 在 LM Studio 中处理大模型提示的速度，苹果称是 M4 的 4.8 倍、M1 的 13.5 倍。

第二个优势是能够承受长时间满载运行。

轻薄 MacBook 运行几十分钟就会降频，而 Agent 的任务是 7×24 小时连续工作，一跑就是好几天。

散热在这里直接决定了能否正常工作。

EXO Labs 的开源方案能将多台 Mac 串联成集群，本地运行 671B 参数级别的模型。

社区中“Mac mini 作为常驻家庭服务器”的教程层出不穷，甚至连按小时出租 Mac 算力的服务也出现了。

用 Mac 跑 Agent，到底是什么体验

大型企业购买它是为了堆砌机房。

普通人买回去，则是真正要用于工作。

开发者 Octavio Herrera 花了一周时间，在他的 M4 Mac mini 32GB 基础款上，一口气实测了 6 款模型。

Qwen3-30B-A3B，MoE、Q4 量化：24-30 tok/s，占用 17.3GB

GPT-OSS-20B：28-29 tok/s，占用 11.3GB

Gemma 4 26B-A4B：20-22 tok/s，占用 14.6GB

稠密的 Qwen3.8-27B：4.4 tok/s

对照组，DeepSeek v4-flash 通过 API：约 57 tok/s

结果显而易见。使用入门级设备运行本地模型，MoE 几乎是必然选择。

芯片算力是一方面，另一个瓶颈是内存。

JetBrains 那个完全在本地运行的编程 Agent，光是自带的 27B 量化模型就要求 64GB 起步。

PCWorld 的配机文章更直接，64GB 就是底线。

X 上有人对每一档配置进行了计算。

3499 美元，M5 Max 64GB：Qwen3.6-27B 跑 30-40 tok/s。4K 提示词约 5 秒处理完毕，修改一处 500 token 的补丁 13-17 秒，端到端 20 秒。同样的任务在 mini 上是 37 秒

5099 美元，M5 Max 128GB：带宽不变，模型池翻倍，MLX 上跑 80B 的 Qwen3-Coder-Next 能达到 75-90 tok/s

5499 美元，M5 Ultra 96GB：内存未增加，芯片更快，同一个 27B 模型推到 48-80 tok/s，端到端压缩到 10 秒

11299 美元，M5 Ultra 256GB：第一台能将 DeepSeek V4 Flash 完整 4-bit 装进单机的 Mac，预计 80-90 tok/s

根据 Artificial Analysis 的数据，GPT-5.6 Sol 从云端服务是 75-79 tok/s，Opus 4.8 约 58。

也就是说，一台放在桌上的 Mac，输出速度已经追平最快的前沿模型服务。

最近，库克在财报会上表示：“我们正处在内存定价的百年一遇洪水里，价格在指数级上涨。”

国行 Mac mini 一年多前那台性价比神机，售价是 4499 元。

现在的 M6 Mac mini，已经涨到 6999 元起了。

苹果不接单，老黄已经站在门口

数万台的订单摆在面前，苹果没有接。

它这些年一直在退出企业市场。

2011 年砍掉 Xserve 服务器，2022 年停掉 macOS Server，今年 3 月连 Mac Pro 都停产了。

它自己也用 Mac 芯片造服务器，但只给 Private Cloud Compute 使用。

有企业上门想购买这套算力，被拒绝了。

The Information 还挖出一个更扎眼的细节。苹果压根没有一支专门服务企业客户的工程团队，也没有一个人负责开发者关系。

今年 4 月离职的前苹果企业 AI 产品营销经理 Todd Dailey 直接开喷，说苹果有任何团队真有拥抱企业 AI 的计划，这是个笑话。

最热的一块 AI 需求，最后被外包给了两家创业公司，webAI 和前 OpenAI 算力基础设施员工 Peter Voell 创办的 Mount Thor。其中一家连官网都还没写完。

既然如此，那就不要怪老黄不客气了——DGX Spark 就是冲着 Mac 的软肋来的。

今年 1 月的 CES 上，它又放出一版软件更新，性能比发布时最高提升 2.5 倍，甚至能挂在 MacBook Pro 旁边当外接加速器。

企业和开发者反复提起它，理由很简单，随时有货。

而苹果这才有了反应。

往年 Mac 的年底更新排在 10 月或 11 月，今年 8 月 25 日就把新 Mac mini 和 Mac Studio 端了出来，宣传语第一次直接对着本地跑前沿大模型和多机集群写。

如今 AI 实验室把 Mac mini 当基础设施，苹果把它当台式机。

话说，你家那台 mini，现在跑着什么？

参考资料：

https://www.theinformation.com/articles/apple-stumbled-ai-hardware-success-mac?rc=epv9gi

本文来自微信公众号“新智元”，作者：摩西，36氪经授权发布。