24. 为什么 AI 巨头要扫货 Mac电脑?
根据《The Information》等媒体的最新报道,OpenAI 在过去数月大量采购了数万台无屏幕、无键盘的 Mac mini 和 Mac Studio,OpenAI 在市面上大举扫货,让苹果的高配MAC版电脑陷入了长达数月的供应链紧缺状态;而 Anthropic 则选择通过亚马逊 AWS 租用 Mac 算力节点。
所以,为什么AI 巨头要抢 Mac电脑?
它们不是去替代英伟达 GPU 训大模型的,这些 Mac 的活儿是训 computer-use agent—— 就是让 AI 学会真实地操作电脑:点鼠标、开 App、拖窗口、逛网页、敲键盘,错了重来。
这活儿跟 "算力" 关系不大,跟 "环境" 关系极大,模型需要海量的、真实的操作系统环境去试错、收集行为数据、做强化学习。GPU 给不了环境,GPU 只会算数。
OpenAI 和 Anthropic 的核心战场之一是让 AI 能够像人类一样自主操作电脑(如自动编写与调试代码、管理邮件、使用桌面软件)。这类 Agent 需要在真实、标准的操作系统环境(GUI)中通过强化学习(RL)不断试错。Mac mini/Studio 提供了高密度、低功耗的真实 OS 硬件环境,是最佳的运行与训练环境。
传统 NVIDIA GPU 集群存在显存(VRAM)与系统内存分离的 bottleneck,频繁数据传输卡在 PCIe 总线带宽上。而苹果 M 系列芯片的统一内存可以让 CPU、GPU 和神经网络引擎共享同一超高带宽内存池。在运行大上下文推理、长序列试错和本地模型加载时,一台高配 Mac Studio(甚至可堆叠几百 GB 统一内存)的成本远低于云端昂贵且极度紧俏的顶级 GPU 服务器。
相比 MacBook 容易因发热降低性能,Mac mini 和 Mac Studio 拥有专门的散热设计和出色的能效比,能够支撑长达数天、高强度的强化学习(RL)训练任务而不发生过热降频。
配合如 EXO 等开源集群项目,AI 实验室能够方便地将数百台 Mac 串联成高带宽集群,在本地直接运行或微调上千亿参数的大模型。
此前,英伟达推向市场的 DGX Spark AI笔记本等硬件,正是为了吃下这一细分市场,但苹果的Mac OS系统好像更容易得到青睐。
校验提示文案
校验提示文案