AI实验室正掀起一场特殊的“硬件革命”——数万台Mac mini和Mac Studio被批量采购，成为训练智能体（Agent）的核心设备。OpenAI被曝已囤积数万台苹果设备，仍持续向苹果追加订单；Anthropic则选择从亚马逊AWS租用Mac算力，每小时成本超1美元，月费用高达数百美元。尽管苹果芯片在算力性价比上不及英伟达，但其独特的生态优势正成为AI开发者的刚需。
这场采购潮的根源在于苹果的封闭生态。macOS虚拟机仅能运行在苹果硬件上，且每台Apple芯片的Mac最多同时支持两个虚拟机。AWS的EC2 Mac服务仍采用“整机租赁”模式，最低租赁时长为24小时，成本高昂。若需部署上万个macOS环境，企业必须采购数千台实体设备。苹果芯片产品高级经理Doug Brooks指出，Mac mini的独立系统、持久运行能力，恰好满足智能体训练需求——这些模型需要在真实电脑环境中模拟点击、操作应用等复杂行为。
苹果的财报印证了这一趋势。最新季度Mac业务营收达104亿美元，同比增长29%，增速领跑所有产品线。但激增的需求也导致热门配置长期缺货，部分开发者庆幸提前下单。X平台用户调侃：“现在买Mac Studio比抢演唱会门票还难。”
苹果设备的核心优势在于统一内存架构。与英伟达GPU需要将模型切分至多张显卡不同，Mac的CPU和GPU共享内存池，避免了数据搬运的效率损耗。M5 Ultra最高配备512GB统一内存，带宽达1.2TB/s，苹果宣称其在模型提示处理速度上较M4提升4.8倍。Mac mini的散热设计支持长时间满载运行，而轻薄本跑几十分钟就会降频，无法满足智能体7×24小时的训练需求。
开发者实测数据揭示了不同配置的差异。入门级M4 Mac mini（32GB内存）运行Qwen3-30B模型时，处理速度为24-30 token/秒，占用17.3GB内存；而M5 Max（128GB内存）在MLX框架下运行80B模型时，速度可达75-90 token/秒。对比云端服务，一台桌面级Mac的出字速度已接近GPT-5.6 Sol等前沿模型。但内存仍是瓶颈——JetBrains的本地编程Agent要求至少64GB内存，PCWorld更建议直接配置128GB。
苹果却对企业市场兴趣寥寥。自2011年砍掉Xserve服务器、2022年停运macOS Server后，其企业级服务仅限Private Cloud Compute，且拒绝对外销售。前苹果企业AI产品经理Todd Dailey批评称，公司甚至没有专职团队对接企业需求。数万台订单的缺口被两家创业公司填补，其中一家连官网都未完工。英伟达则趁机推出DGX Spark，通过软件更新将性能提升2.5倍，甚至可作为MacBook Pro的外接加速器，以“随时有货”的优势吸引开发者。
面对竞争，苹果罕见地提前发布新品。往年Mac更新集中在10月或11月，今年8月却突然推出新Mac mini和Mac Studio，宣传语直接强调“本地运行前沿大模型”和“多机集群支持”。这场硬件博弈背后，是AI开发范式的转变——当智能体训练从云端转向本地，设备的生态封闭性、内存容量和散热能力，正成为比算力更关键的指标。
