據《The Information》援引 OpenAI 內部人士的報道8 月 31 日多家媒體轉載過去幾個月OpenAI 購買數萬臺 Mac mini 和 Mac Studio用于強化學習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 集群轉頭囤起蘋果電腦這事值得掰開看看。Mac 在強化學習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——點按鈕、敲字、拖文件、跨應用連續(xù)干活OpenAI 的 Computer-Using Agent 正是靠強化學習學會操作圖形界面的據機器之心/36氪報道。訓練這類系統(tǒng)有個特殊需求需要大量可以并行運行、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)行任務系統(tǒng)記錄操作軌跡、判斷結果對不對再把反饋喂回去訓練。這種負載的特點是數量大、單次輕、要真機Mac 提供原生 macOS 環(huán)境能避免模擬器與真實設備之間的界面、權限、兼容性偏差據機器之心/36氪整理。先說個關鍵點囤 Mac 不等于告別 GPU。據相關報道分析前沿模型的主訓練大概率仍在英偉達集群上完成Mac 承擔的是并行交互、軌跡采集、任務驗證、本地推理以及部分后訓練。換句話說大集群負責讓模型變聰明Mac 集群負責讓模型學會動手。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)一內存架構CPU、GPU、神經網絡引擎共享同一塊內存池省去數據在不同區(qū)域間反復搬運。據機器之心引述蘋果官方信息M5 Ultra 版 Mac Studio 最高可選 512GB 統(tǒng)一內存、1.2TB/s 內存帶寬單機就能裝下大參數的量化模型新款還支持雷靂 5 多機組集群分布式推理性能最高約為單機的 3 倍。市場已經先動起來了據《華爾街日報》報道Mac mini 上一年只占蘋果美國 Mac 銷量約 3%進入 2026 年后卻成了常駐型智能體的熱門宿主部分高內存版本一度出現(xiàn)數周乃至數月的交付延遲。8 月 25 日蘋果發(fā)布 M6 Mac mini 和 M5 Ultra Mac Studio宣傳重點轉向端側 AI、大模型推理和多機集群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%據報道。蘋果 2026 財年第三季度 Mac 業(yè)務收入 103.52 億美元同比增長約 28.7%據報道。英偉達也在跟進。繼 DGX Spark 之后英偉達公布了 RTX Spark——集成 Grace CPU 和 Blackwell GPU最高 1 PFLOP 算力、128GB 統(tǒng)一內存支持 CUDA 與 TensorRT 軟件棧定位成面向個人智能體的 PC首批產品今年秋季上市據稱華碩首批貨源已被渠道客戶訂空據報道。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了——以前在 Mac 上跑大模型被當成折騰現(xiàn)在它是 agent 開發(fā)、私有化部署的常規(guī)選項。幾個實操點第一先算內存賬。7B/8B 級別的模型4bit 量化后的 GGUF 文件大約 4.5-5GB社區(qū)通行經驗推理時還要給上下文窗口和操作系統(tǒng)留內存。16GB 內存的機器跑 7B 會有點緊32GB 會從容很多。第二選機器看三樣內存容量、內存帶寬、散熱。同一代芯片里標準版和 Pro/Max/Ultra 的內存帶寬差距很大跑大模型時每秒生成的 token 數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、agent 調試Mac 夠用大規(guī)模訓練和微調還是得上 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器穩(wěn)妥。算力正在從只堆數據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換設備但統(tǒng)一內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。