OpenAI批量采购Mac mini背后：苹果芯片的统一内存优势正在被AI行业重新发现

当AI行业对GPU算力的追逐愈演愈烈时，一股看似另类的采购潮正在悄然兴起。据多方消息透露，OpenAI已采购数万台Mac mini和Mac Studio设备，用于训练能够自主操作电脑的Computer-use Agent。这一消息在技术社区引发广泛讨论：为何在算力性价比明显不及英伟达GPU的情况下，科技巨头仍选择批量囤积这些“小金属盒子”？答案或许藏在一个常被忽视的技术优势中——苹果芯片的统一内存架构。

macOS虚拟化限制：为什么必须用真机？

这些Mac设备并非用于传统的AI模型训练，而是专注于一个特定任务：让AI Agent在真实的macOS环境中学习操作电脑。Agent需要一台完全可控、隔离于主力设备、能够长时间稳定运行的机器。而Mac mini恰恰满足了这些苛刻要求。

统一内存：苹果芯片的核心竞争力

苹果的许可协议为这一需求设定了硬性约束：在Apple芯片Mac上，macOS虚拟机只能运行在苹果自家硬件上，且一台机器最多同时开启两个虚拟机实例。AWS的EC2 Mac实例至今仍采用“专用主机”形态，必须整台租用且最少按24小时计费。这意味着，想要获得一万个并行的macOS环境，就必须部署数千台真实的Mac物理机器。这一技术限制意外地催生了AI实验室对Mac设备的大规模采购需求。

散热与稳定性：Agent场景的隐形刚需

仅有macOS环境还不够，这些机器本身必须能运行大模型。苹果芯片虽然在绝对算力上不及英伟达GPU，但统一内存架构却是短期内难以复制的独特优势。在传统GPU架构中，CPU和GPU各自拥有独立内存，大模型需要被分割存放于多张显卡中，数据在各显存之间频繁搬运，不仅增加延迟，还大幅提升内存占用。而苹果的统一内存让CPU和GPU共享同一个内存池，避免了这种“搬家”式的资源消耗。对于需要加载数十GB参数的大型语言模型而言，“装得下”往往比“跑得快”更为关键。M5 Ultra最高支持512GB统一内存，带宽达到1.2TB/s，这一数字在消费级芯片领域几乎无可匹敌。

企业市场的缺席与竞争者的虎视眈眈

Agent训练是一个漫长的过程——模型需要在模拟器中反复点鼠标、打开应用、观察屏幕、犯错并重试，一个完整的学习周期可能持续数天甚至数周。这对硬件的散热能力提出了严苛要求。轻薄型笔记本电脑在满载运行几十分钟后往往需要降频保护，而Mac mini凭借其紧凑但高效的散热设计，能够承受7×24小时的持续负载。EXPO Labs的开源方案甚至能将多台Mac设备串联成集群，在本地运行参数量达671B级别的超大规模模型。社区中“用Mac mini搭建常驻家庭服务器”的教程层出不穷，甚至出现了按小时出租Mac算力的新兴服务。开发者Octavio Herrera实测M4 Mac mini 32GB基础款运行多款模型：Qwen3-30B-A3B达到24-30 tok/s，GPT-OSS-20B为28-29 tok/s，而Q4量化的Gemma 4 26B则维持在20-22 tok/s。这一成绩对于入门级设备而言相当可观。更高配置的性能提升同样显著：M5 Max 128GB在MLX框架下运行80B参数的Qwen3-Coder-Next可达到75-90 tok/s，M5 Ultra 256GB更是将DeepSe

如有侵权，请联系删除。