OpenAI、Anthropic 哄抢 Mac mini：数万台涌入 AI 训练集群，桌面级硬件如何改写算力格局
一台 599 美元起售、巴掌大的桌面电脑，正在成为前沿 AI 实验室的硬通货。
据《The Information》8 月 30 日报道，OpenAI 在过去数月里购入数万台苹果 Mac mini 与 Mac Studio，用于强化学习（RL）与「Computer-use Agent」训练；Anthropic 则通过亚马逊 AWS 租用 Mac mini 跑同类任务。英伟达 GPU 仍是大模型预训练的底座，但桌面级硬件正以另一种身份挤进算力版图——这件事，苹果自己都没准备好。
一、数万台订单从哪来
报道称，OpenAI 这批采购均为「不配显示器和键盘」的裸机，专为训练能操作电脑的 AI 智能体服务。所谓 Computer-use Agent，就是让模型在真实 macOS 环境里反复看屏幕、点鼠标、填表单、读反馈，靠试错把多步骤任务练熟。这种活儿和从头预训练大模型是两码事：它要的是「同时跑成百上千个桌面环境」，而不是一次性的超大规模矩阵运算。
问题也随之而来：为什么非苹果不可？苹果的软件许可协议规定，macOS 虚拟机只能跑在苹果自研芯片硬件上，且每台机器最多并行两个 macOS 实例。AWS 的 EC2 Mac 实例至今以「专用主机」形态提供——租一台即占用一整台物理 Mac，最低按 24 小时计费。换句话说，想要一万个干净的 macOS 训练环境，至少得摆几千台真机。算力可以买英伟达的，macOS 环境却只有苹果能给。
二、统一内存的意外优势
真正的胜负手，是苹果芯片的统一内存架构（UMA）。传统 PC 与服务器把显存和系统内存分开，数据来回搬运就是瓶颈；M 系列芯片让 CPU、GPU 和神经网络引擎共用同一块高速内存池。一台 64GB 的 Mac mini，能直接加载 700 亿参数模型，而一张 1799 美元的 RTX 5090 因为显存不够装不下。
高配 Mac Studio 把这条线拉得更远。M5 Ultra 最高支持 512GB 统一内存，带宽达 1.2TB/s。苹果称 M6 Mac mini 在 LM Studio 里的大模型提示速度达到 M4 的 4.8 倍、M1 的 13.5 倍。据 Artificial Analysis 数据，云端 GPT-5.6 Sol 速度约 75—79 tok/s、Opus 4.8 约 58 tok/s；而在高端 Mac 上，M5 Ultra 256GB 配置预计可在 4-bit 量化下完整加载 DeepSeek V4 Flash，推理速度约 80—90 tok/s——已经逼近云端前沿模型。
三、缺货与苹果的被动应战
数万台订单直接砸穿了苹果供应链。截至 2026 年 6 月底的第三财季，Mac 业务营收 104 亿美元，同比增长 29%，增速超过 iPhone，成了苹果所有产品线里跑得最快的一条。大和证券在报告中提到，苹果管理层在财报会上承认「没拿到足够的先进制程芯片」，内部团队低估了增长幅度。
库克在 4 月底的财报电话会上告诉分析师，Mac mini 和 Mac Studio 的供应要「好几个月」才能追上需求，并称 Mac mini 是上季度中国市场最畅销的台式机。MacRumors 今年 4 月曾报道，512GB 统一内存版 Mac Studio 一度从官网下架，基础版 Mac mini 也出现过无法下单的状态；高端配置的交货期从平常的两周拉长到近两个月。
更关键的是，苹果被这波需求打了个措手不及。往年 Mac 的年底更新排在 10 月或 11 月，今年 8 月 25 日就提前发布了 M6 Mac mini（首款 2 纳米芯片，国行起售价从 4499 元涨到 6999 元）和 M5 Ultra Mac Studio（顶配 5499 美元、512GB 内存）。库克在财报会上直言：「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。」
四、不光是 OpenAI：整个生态在动
桌面级硬件被当作算力基础设施，已经溢出两家实验室。开源项目 Exo 可以把多台 Mac 串联成集群，在本地跑 6710 亿参数级别的模型；前 OpenAI 算力基础设施员工 Peter Voell 创办了专门做苹果云的执行环境公司 Mount Thor。据钛媒体统计，连 OpenClaw 这类开源 AI Agent 平台走红后，开发者像当年囤树莓派一样成箱买 Mac mini 本地部署，基础版 599 美元机型在美国多次售罄。
英伟达不会坐视这块市场。今年 1 月 CES 上，英伟达发布 DGX Spark 小型 AI 电脑，直接瞄准 Mac 的短板，后续软件更新把性能再提最高 2.5 倍，甚至能当 MacBook Pro 的外接加速器——企业和开发者选它的理由很直白：随时有货。苹果这边却长期在退出企业市场：2011 年砍掉 Xserve，2022 年停掉 macOS Server，今年 3 月连 Mac Pro 也宣布停产，至今没有专门对接企业的工程团队。
五、桌面级硬件能改写算力格局吗
把数万台 Mac mini 塞进训练集群，不等于英伟达的 GPU 霸权松动。预训练大模型那种吃并行算力的苦活，依然得靠 H100、B200 这类加速器；苹果硬件抢的，是「Agent 训练」这块新地盘——它更吃内存带宽、更看重能不能廉价地铺开海量并行桌面环境。
所以，这场哄抢真正的信号，不是桌面电脑要取代数据中心，而是 AI 工作负载正在分裂：从「预测下一个 token」走向「亲手操作软件」，算力需求也随之分层。对跨境卖家和中小团队来说，这也意味着本地化、低功耗跑大模型的门槛在快速下探——一台几千块的 Mac 就能当推理节点。
真正的考验是可持续性。苹果既没有直接接下这批企业订单的工程能力，芯片短缺又可能绵延数个季度；一旦 Agent 训练的热度退潮，数万台 Mac 是沉淀为基础设施，还是变成账面上的闲置资产，答案才会浮出水面。
