据The Information报道，OpenAI已经购买了数以万计的Mac mini和Mac Studio，专门用于强化学习训练。Anthropic也在通过亚马逊云服务租用Mac mini执行类似任务。这波采购直接反映在苹果财报上：最近一个季度，Mac销售额同比增长近29%，成为苹果增长最快的业务线。
一个被反复追问的问题是：什么样的AI业务，英伟达GPU和谷歌TPU搞不定，非得用Mac？答案是强化学习这一细分场景。Mac mini和Mac Studio凭借统一内存架构——CPU与GPU共享同一内存池、无需在显存与系统内存之间频繁搬运数据——在处理持续数小时甚至数天的强化学习任务时具备独特优势。
除了架构，散热也是关键因素。与轻薄笔记本不同，Mac mini和Mac Studio配备专门散热系统，长时间运行复杂AI任务不会因过热而降频，这对需要持续运行的长时程训练至关重要。苹果还在推广EXO Labs开源项目，支持多台Mac组成集群在本地运行万亿参数级别的模型。
苹果对本地AI的野心已经引起英伟达的注意。据知情人士透露，英伟达将苹果视为本地AI领域最大的竞争对手，并早在去年底就发布了与Mac mini设计风格相似的DGX Spark桌面AI电脑，直接瞄准这一市场。双方在本地算力与桌面集群的正面竞争已然展开。
对算力行业而言，这组信号值得咀嚼：训练与推理的算力需求正在分化，统一内存、异构加速等新架构开始在实际任务中证明价值，算力形态不再只有“英伟达GPU”一个答案。围绕不同工作负载做算力选型与调度，正在成为企业AI工程的常规动作，这也是星战科技在GPU算力平台与算力调度方向持续深耕的行业背景。
挑战同样存在：AI数据中心对内存芯片的巨大需求导致全行业短缺，苹果也未能幸免，高配版Mac mini和Mac Studio已断货数月，一些企业开始寻找替代方案。算力供给的结构性紧张，短期内仍是所有玩家的共同难题。
强化学习作为通往更强智能的关键路径，正在催生多样化的算力方案。对从业者来说，与其押注某一种硬件叙事，不如关注工作负载与架构的匹配效率——这才是算力竞争的本质。