数万台Mac mini被囤进AI实验室？苹果急了但躺赢了！

等等，AI实验室囤Mac mini，竟然是按「吨」囤的？！

The Information刚刚爆料，OpenAI已经采购了数万台Mac mini和Mac Studio，到现在还在追着苹果要货。Anthropic走的是另一条路，从亚马逊AWS租Mac算力。按网友算的账，一台每小时一美元出头，一个月五百到九百多美元。

租着不便宜，买也不划算。论算力性价比，苹果芯片打不过英伟达，这事没什么争议。

那图什么？

这些机器是拿去做强化学习的，训练的是能自己操作电脑的Computer-use Agent。

💻 数万台金属小盒，被拉进AI实验室

训Agent，要的是让模型在真电脑上练手。

成千上万台机器同时开着，模型在里面点鼠标、开App、看屏幕、犯错、重来。算力哪家的卡都能买，但有些活儿只有Mac干得了。

因为苹果的规矩是这样：macOS虚拟机只能跑在苹果自己的硬件上；在Apple芯片的Mac上，一台机器最多同时开两个macOS虚拟机。AWS的EC2 Mac至今还是「专用主机」形态，一租就是一整台物理Mac，最少按24小时收费，文档里给的理由就是苹果的许可协议这么要求。

所以你要一万个macOS环境，就得摆下几千台真机！

苹果芯片产品高级经理Doug Brooks对此给过一个解释：Agent要一台自己完全说了算、跟主力电脑分开、还能几天几夜不关机的机器。而Mac mini就是这样一台绝妙的系统。

这波需求有多凶，看财报就知道。苹果最新一季Mac营收104亿美元，同比涨29%，所有产品线增速第一。靠的，就是这小小的方盒子。代价就是缺货——最受AI开发者欢迎的那几档配置，断货好几个月了。X上已经有人庆幸，自己的Mac Studio订单下得早。

🧠 统一内存，加一颗不会降频的风扇

光有macOS环境还不够，机器本身得跑得动大模型。

苹果芯片打不过英伟达GPU，但统一内存这个结构，别人短期学不来。CPU和GPU共用一个内存池，不用把大模型切碎了塞进多张显卡再来回搬运。跑大模型这件事，「装得下」经常比「跑得快」更要命。

M5 Ultra最高512GB统一内存，带宽1.2TB/s。M6 Mac mini在LM Studio里的大模型提示处理速度，苹果称是M4的4.8倍、M1的13.5倍。

第二个优势，就是扛得住长时间满载。轻薄MacBook跑几十分钟就要降频，Agent干的是7×24的活，一跑好几天。散热在这里直接决定能不能干活。

EXO Labs的开源方案能把多台Mac串成集群，本地跑671B量级的模型。社区里「Mac mini当常驻家庭服务器」的教程一茬接一茬，连按小时出租Mac算力的服务都冒出来了。

⚡ 用Mac跑Agent，到底是什么体感

大厂买它是拿去堆机房的，咱普通人买回去，是真要拿它干活的。

开发者Octavio Herrera老哥花了一周的时间，在他M4 Mac mini 32GB基础款上一口气实测了6款模型：Qwen3-30B-A3B跑24-30 tok/s、GPT-OSS-20B跑28-29 tok/s、Gemma 4 26B-A4B跑20-22 tok/s，而稠密的Qwen3.8-27B只有4.4 tok/s。对照组DeepSeek v4-flash走API约57 tok/s。

结果显而易见。用入门级设备跑本地模型，MoE基本上是板上钉钉了。

芯片算力是一方面，另一个坎是内存。JetBrains那个完全跑在本地的编程Agent，光自带的27B量化模型就要求64GB起步。PCWorld的配机文更干脆：64GB就是地板。

X上有人把每一档都算过：3499美元的M5 Max 64GB，Qwen3.6-27B跑30-40 tok/s，端到端20秒；5099美元的M5 Max 128GB，MLX上跑80B的Qwen3-Coder-Next能到75-90 tok/s；5499美元的M5 Ultra 96GB，同一27B推到48-80 tok/s，端到端压到10秒；11299美元的M5 Ultra 256GB，第一台能把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，出字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，是4499元。现在的M6 Mac mini，已经是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，但只给自家云端服务用。有企业上门想买这套算力，被拒了。

The Information还挖到一个更扎眼的细节：苹果压根没有一支专门伺候企业客户的工程团队，也没有一个人负责开发者关系。

最热的一块AI需求，最后被外包给了两家创业公司。既然苹果不接单，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？

一台不够就堆一柜子，算力不够就等下一代——在这个智能体爆发的时代，苹果用一块小方盒子，赢得了AI最务实的认可！你觉得Mac会成为AI基建的下一站吗？评论区聊聊！觉得有启发的话，点个赞和在看，分享给身边的朋友吧～