一個讓人意外的消息
提到 AI 訓練，你可能立刻想到 NVIDIA 的 GPU、大型資料中心、動輒上億美元的算力投資。
但最近傳出一個有趣的消息：OpenAI 和 Anthropic 這兩家最頂尖的 AI 公司，正在大量搶購和租用 Apple 的 Mac mini 和 Mac Studio。沒錯，就是你在 Apple 旗艦店看到的那些桌上型小電腦。
根據 The Information 記者 Aaron Tilley 的獨家報導，OpenAI 已經購買了數萬台 Mac 😮 而且還在持續尋求更多庫存。
他們拿 Mac 來做什麼？
答案是：訓練能自己操作電腦的 AI。
你可能聽過 ChatGPT 或 Claude 這些 AI 助手，你打字問它問題，它回答你。但 AI 公司現在正在開發一種更進階的 AI，叫做「computer-use agent」（電腦操作代理）。
這種 AI 不只是聊天，它能像人一樣操作電腦：看螢幕、移動滑鼠、點擊按鈕、在表格裡填資料、甚至幫你操作不同的軟體完成工作。
要訓練這種 AI，你需要讓它在真實的電腦環境裡反覆練習。一台不夠，數萬台才能讓 AI 同時在很多台電腦上學習，加快訓練速度。這就是為什麼 OpenAI 需要這麼多 Mac。
為什麼是 Mac，不是顯示卡？
這是最違反直覺的部分。
傳統的 AI 訓練（例如訓練 ChatGPT 這種大型語言模型）靠的是 GPU 做大量的數學運算，像是矩陣乘法。這些工作 NVIDIA 的 GPU 確實最在行。
但訓練 computer-use agent 需要的東西完全不同：
- 一個完整的桌面環境：AI 需要看到螢幕畫面、有鍵盤滑鼠可以操作
- 同時載入很多東西：AI 模型本身、即時的螢幕畫面、操作指令，全部要同時塞進記憶體
- 大量平行的獨立環境：每台電腦就是一個獨立的訓練場
Mac 的 Apple Silicon 晶片有一個關鍵優勢：統一記憶體架構（Unified Memory Architecture）。簡單來說，CPU 和 GPU 共用同一塊記憶體，不需要在不同元件之間來回搬運資料。
這讓 Mac 能同時把 AI 模型的參數、螢幕畫面的資料、使用者的操作事件全部放在同一塊記憶體裡，效率很高。對 GPU 叢集來說，這種「要模擬整台電腦」的工作反而不是它擅長的。
Anthropic 的做法不一樣
OpenAI 選擇直接大量購買 Mac，Anthropic 則走了另一條路。
Anthropic 透過 Amazon Web Services（AWS）的 EC2 Mac Instances 服務來租用 Mac mini 的運算資源。這是 AWS 提供的雲端 Mac 服務，原本主要給 Apple 開發者用來測試和建置 App，現在 Anthropic 拿來訓練 AI 代理。
租用的好處是彈性更大，不需要一次買斷數萬台硬體，也不用自己處理維護和散熱問題。但缺點是長期成本可能更高，而且受限於 AWS 的可用庫存。
這兩種策略反映了兩家公司不同的營運風格：OpenAI 傾向自建基礎設施掌握供應鏈，Anthropic 更偏好透過雲端服務保持靈活。
Apple 意外成了 AI 贏家
這裡最有趣的一點是：Apple 幾乎什麼都沒做，就搭上了 AI 這班車 😂
Apple 既不是 AI 模型的開發者，也不賣 AI 服務。但因為 Mac 的硬體架構剛好非常適合 AI 代理訓練，Apple 成了 AI 產業意想不到的受益者。
數字也說明了這一點：Apple 最新一季的 Mac 營收年成長 28.7%，達到 103.5 億美元。高階 Mac 機型的出貨等待時間已拉長到好幾週。
這代表什麼？
AI 訓練正在分化成兩條路線：
- 大型語言模型（像 ChatGPT、Claude）：繼續依賴 NVIDIA GPU 叢集做大規模運算
- AI 代理（能操作電腦、瀏覽網頁、使用軟體的 AI）：需要大量獨立的桌面環境，Mac 反而更適合
隨著 AI 代理成為各家公司的重點方向，這種對消費級電腦的需求只會增加。Mac 不會取代 GPU 在 AI 訓練中的地位，但它正在開拓一個 GPU 做不到的全新戰場。
這也提醒我們：AI 的發展方向不是線性的。不是「更多 GPU = 更強 AI」這麼簡單。不同類型的 AI 需要不同類型的硬體，而最適合的解決方案有時候就擺在你的桌上。