一个令人意外的消息

提到 AI 训练，你可能立刻想到 NVIDIA 的 GPU、大型数据中心，以及动辄上亿美元的算力投资。

但最近传出了一条有趣的消息：OpenAI 和 Anthropic 这两家顶尖的 AI 公司，正在大量抢购和租用 Apple 的 Mac mini 和 Mac Studio。没错，就是你在 Apple 旗舰店看到的那些桌面小电脑。

根据 The Information 记者 Aaron Tilley 的独家报道，OpenAI 已经购买了数万台 Mac 😮，而且还在持续寻找更多库存。

The Information 独家报道：How Apple Stumbled Into AI Hardware Success With the Mac

他们拿 Mac 来做什么？

答案是：训练能够自己操作电脑的 AI。

你可能听过 ChatGPT 或 Claude 这些 AI 助理：你输入问题，它回答你。但 AI 公司现在正在开发一种更先进的 AI，叫作“computer-use agent”（电脑操作代理）。

这种 AI 不只是聊天，它能像人一样操作电脑：查看屏幕、移动鼠标、点击按钮、在表格中填写数据，甚至帮你操作不同的软件完成工作。

要训练这种 AI，你需要让它在真实的电脑环境中反复练习。一台不够，数万台才能让 AI 同时在很多台电脑上学习，加快训练速度。这就是 OpenAI 为什么需要这么多 Mac。

为什么是 Mac，而不是显卡？

这是最违反直觉的部分。

传统的 AI 训练（例如训练 ChatGPT 这种大型语言模型）依靠 GPU 进行大量数学运算，比如矩阵乘法。这些工作 NVIDIA 的 GPU 确实最擅长。

但训练 computer-use agent 需要的东西完全不同：

  • 一个完整的桌面环境：AI 需要看到屏幕画面，并有键盘和鼠标可以操作
  • 同时加载很多东西：AI 模型本身、实时的屏幕画面、操作指令，都要同时装入内存
  • 大量并行的独立环境：每台电脑就是一个独立的训练场

Mac 的 Apple Silicon 芯片有一个关键优势：统一内存架构（Unified Memory Architecture）。简单来说，CPU 和 GPU 共用同一块内存，不需要在不同组件之间来回搬运数据。

这让 Mac 能同时把 AI 模型的参数、屏幕画面的数据、用户的操作事件全部放在同一块内存中，效率很高。对 GPU 集群来说，这种“模拟整台电脑”的工作反而不是它擅长的。

Apple Mac mini 产品页面

Anthropic 的做法不一样

OpenAI 选择直接大量购买 Mac，Anthropic 则走了另一条路。

Anthropic 通过 Amazon Web Services（AWS）的 EC2 Mac Instances 服务租用 Mac mini 的计算资源。这是 AWS 提供的云端 Mac 服务，原本主要给 Apple 开发者用来测试和构建 App，现在 Anthropic 拿来训练 AI 代理。

AWS EC2 Mac Instances 页面

租用的好处是弹性更大，不需要一次买下数万台硬件，也不用自己处理维护和散热问题。但缺点是长期成本可能更高，而且受限于 AWS 的可用库存。

这两种策略反映了两家公司不同的运营风格：OpenAI 倾向于自建基础设施来掌握供应链，Anthropic 更偏好通过云服务保持灵活。

Apple 意外成了 AI 的赢家

这里最有趣的一点是：Apple 几乎什么都没做，就搭上了 AI 这班车 😂

Apple 既不是 AI 模型开发者，也不销售 AI 服务。但因为 Mac 的硬件架构恰好非常适合 AI 代理训练，Apple 成了 AI 行业意想不到的受益者。

数字也说明了这一点：Apple 最新一季度的 Mac 营收同比增长 28.7%，达到 103.5 亿美元。高端 Mac 机型的发货等待时间已延长到好几周。

Apple Mac Studio 产品页面

这意味着什么？

AI 训练正在分化成两条路线：

  1. 大型语言模型（比如 ChatGPT、Claude）：继续依赖 NVIDIA GPU 集群进行大规模运算
  2. AI 代理（能够操作电脑、浏览网页、使用软件的 AI）：需要大量独立的桌面环境，Mac 反而更适合

随着 AI 代理成为各家公司重点发展的方向，这种对消费级电脑的需求只会增加。Mac 不会取代 GPU 在 AI 训练中的地位，但它正在开拓一个 GPU 做不到的全新战场。

这也提醒我们：AI 的发展方向不是线性的。不是“更多 GPU = 更强 AI”这么简单。不同类型的 AI 需要不同类型的硬件，而最合适的解决方案有时就摆在你的桌上。