OpenAI 囤万台 Mac mini 训 Agent，苹果企业短板暴露

OpenAI 被曝已采购数万台 Mac mini 与 Mac Studio，用于强化学习训练专门「操作电脑」的 Computer-use Agent。The Information 率先披露了这批订单，Anthropic 则走另一条路——从 AWS 租用 Mac 算力，单台小时价约一美元出头，月费在 500–900 美元之间。这股需求直接体现在苹果最新一季财报：Mac 营收 104 亿美元，同比增长 29%，是全产品线增速最快的一条，多个热门配置已断货数月。

为什么必须用真机：苹果的许可协议卡死了所有替代方案

macOS 虚拟机只能在苹果自家硬件上运行，且单台 Apple 芯片 Mac 最多并行开两个 macOS 虚拟机。AWS 上的 EC2 Mac 至今仍是「专用主机」形态，最少按 24 小时租用一整台物理 Mac，原因同样是苹果的许可协议要求。要搭建上万个并行的 macOS 训练环境，唯一的办法就是摆下数千台真机。

苹果芯片产品高级经理 Doug Brooks 给出的解释是：Agent 需要一台完全由自己掌控、与主力电脑隔离、还能连续几天几夜不关机的机器——Mac mini 正是这样一个「绝妙的系统」。

统一内存与散热：跑大模型的两个隐形门槛

苹果芯片在算力性价比上打不过英伟达 GPU，但统一内存结构是别人短期难以复制的优势。CPU 与 GPU 共用同一块内存池，大模型不必被切碎后塞进多张显卡反复搬运。M5 Ultra 最高支持 512GB 统一内存、带宽 1.2TB/s；苹果称 M6 Mac mini 在 LM Studio 里的提示处理速度是 M4 的 4.8 倍、M1 的 13.5 倍。

另一项决定性优势是长时间满载能力。Agent 多为 7×24 运行，轻薄 MacBook 跑几十分钟就会降频。开源社区已出现把多台 Mac 串成集群的方案（EXO Labs），本地跑 671B 量级模型成为可能。

入门款实测：MoE 几乎成了本地推理的必选项

据原文援引开发者 Octavio Herrera 的测试，在基础款 M4 Mac mini 32GB 上：

• Qwen3-30B-A3B（MoE、Q4 量化）：24–30 tok/s，占内存 17.3GB
• GPT-OSS-20B：28–29 tok/s，占 11.3GB
• Gemma 4 26B-A4B：20–22 tok/s，占 14.6GB
• 稠密的 Qwen3-27B：仅 4.4 tok/s
• 对照组 DeepSeek 通过 API：约 57 tok/s

社区中流传的更高配置实测显示：M5 Max 64GB（约 3499 美元）跑 27B 模型端到端约 20 秒；M5 Ultra 256GB（约 11299 美元）则有望完整装下 DeepSeek 的 4-bit 量化版本，预计 80–90 tok/s，与 Artificial Analysis 测得的 GPT-5（约 75–79 tok/s）、Opus 4（约 58 tok/s）等前沿云端模型出字速度相当。编程类本地 Agent（如 JetBrains）则普遍要求 64GB 内存起步。

苹果不接单，老黄已经站在门口

面对企业级需求，苹果的姿态是回避：2011 年砍掉 Xserve，2022 年停掉 macOS Server，今年 3 月停产 Mac Pro；自家用 Mac 芯片造的服务器也只服务于 Private Cloud Compute。有企业上门求购被拒。前苹果企业 AI 产品营销经理 Todd Dailey 直言，「说苹果有任何团队真的在拥抱企业 AI 计划，这是个笑话」。最热的那块需求被外包给了 webAI 和由前 OpenAI 算力基础设施员工 Peter Voell 创办的 Mount Thor 等创业公司。

英伟达则借 DGX Spark 切入这一空档：今年 1 月 CES 上的软件更新让性能最高提升 2.5 倍，并支持挂在 MacBook Pro 旁边做外接加速器。企业和开发者反复提到的卖点很简单——随时有货。

苹果直到今年 8 月 25 日才打破惯例，提前发布新 Mac mini 与 Mac Studio，宣传语首次直接面向「本地跑前沿大模型」与「多机集群」场景。同一时间，库克在财报会上警告内存正经历「百年一遇的洪水」，国行 Mac mini 起步价已从一年多前的 4499 元涨到 6999 元。AI 实验室把 Mac mini 当作训练基础设施，苹果却仍把它视作一台消费级台式机——这道认知差，正是当下订单外溢与价格异动的根源。