Mac mini成AI训练新宠？数万台被抢购背后的Agent算力逻辑
近期一则消息在AI圈掀起波澜：OpenAI被曝已采购数万台Mac mini和Mac Studio，甚至因需求激增导致热门配置长期缺货。更令人惊讶的是，这些设备并非用于日常办公，而是被部署在AI实验室中，专门用于训练能够自主操作计算机的Computer-use Agent。这一现象看似违背常理——毕竟在通用AI训练领域，英伟达GPU早已确立绝对优势，苹果芯片的浮点算力远逊于H100或B100。那么，为何顶级AI公司会大规模押注Mac硬件？
核心答案在于任务场景的特殊性。Computer-use Agent的训练并非依赖传统的大规模参数更新，而是需要在真实的操作系统环境中进行交互式学习。模型必须能够打开应用程序、点击界面、读取屏幕内容、处理文件，并在失败后重试。这种训练方式要求每个Agent实例运行在一个独立、完整且可复现的macOS系统中。而根据苹果的软件许可协议，macOS虚拟机只能运行在苹果自家硬件上，且每台Apple Silicon设备最多仅支持两个并发虚拟机。这意味着，若要构建万个级Agent训练集群，物理上就必须部署数千台真实Mac设备。
这一限制直接催生了对Mac mini的刚性需求。相比MacBook或iMac，Mac mini体积小巧、功耗低、无内置显示屏，天然适合作为“计算节点”堆叠在机架中。苹果产品高级经理Doug Brooks曾指出，Agent需要一台“完全受控、与主系统隔离、可连续运行数日”的机器，而Mac mini恰好满足这些条件。财报数据也印证了这一趋势：苹果最新季度Mac业务营收达104亿美元，同比增长29%，创下所有产品线中最高增速，其中Mac mini贡献显著。
然而，仅有操作系统环境并不足够。Agent在本地运行大语言模型时，对硬件性能提出更高要求。这里，苹果芯片的“统一内存架构”展现出独特价值。与传统PC中CPU和GPU各自拥有独立显存不同，Apple Silicon将处理器、图形单元和神经引擎共享同一块高带宽内存池。M5 Ultra最高支持512GB统一内存，带宽高达1.2TB/s。这种设计避免了模型权重在不同存储单元间频繁搬运的开销，使得单机即可加载数十亿甚至上百亿参数的量化模型。
开发者实测数据进一步验证了这一点。一位名为Octavio Herrera的工程师在其M4 Mac mini（32GB内存）上测试多款开源模型，结果显示：采用MoE（混合专家）架构的Qwen3-30B-A3B在4-bit量化下可达24–30 token/秒，内存占用约17.3GB；而稠密模型如Qwen3.8-27B则仅能输出4.4 token/秒。这清晰表明，在内存受限的入门设备上，MoE架构凭借其稀疏激活特性，成为本地高效推理的首选。
但内存容量仍是硬门槛。JetBrains推出的本地编程Agent明确要求64GB内存起步，社区普遍认为64GB已成为运行现代Agent的“地板配置”。更高阶的配置则带来质的飞跃：搭载M5 Max芯片、128GB内存的Mac可流畅运行80B级别的Qwen3-Coder-Next模型，推理速度达75–90 token/秒；而顶配M5 Ultra 256GB机型甚至能完整加载DeepSeek V4 Flash的4-bit版本，性能直逼云端API服务。据Artificial Analysis数据，当前最快云端模型如GPT-5.6 Sol的输出速度约为75–79 token/秒，这意味着高端Mac已能在单机上实现与前沿云服务相当的响应速度。
值得注意的是，这种性能提升伴随着高昂成本。国行M6 Mac mini起售价已达6999元，较一年多前的4499元大幅上涨。苹果CEO库克在财报会上坦言：“我们正经历内存定价的百年一遇洪水。”内存价格的指数级攀升，使得高配Mac的性价比持续承压。
更具讽刺意味的是，面对如此旺盛的企业级AI需求，苹果自身却显得准备不足。过去十余年，苹果逐步退出企业基础设施市场：2011年砍掉Xserve服务器，2022年停售macOS Server，2024年3月甚至停产Mac Pro。尽管苹果内部使用自研芯片构建Private Cloud Compute用于AI服务，但明确拒绝向外部企业出售。更关键的是，公司缺乏专门的企业客户支持团队和开发者关系部门。前苹果企业AI产品营销经理Todd Dailey离职后公开批评：“说苹果有任何团队真正拥抱企业AI，这是个笑话。”
结果，最火热的Mac集群管理需求竟被外包给两家初创公司——webAI和由前OpenAI基础设施员工Peter Voell创立的Mount Thor。其中一家甚至尚未完成官网建设，反映出生态配套的严重滞后。
这种真空状态为竞争对手提供了绝佳机会。英伟达迅速推出DGX Spark，专为弥补Mac在AI加速上的短板而设计。该设备不仅可作为独立服务器，还能通过Thunderbolt接口外接至MacBook Pro，充当便携式AI加速器。今年1月CES展会上，英伟达宣布软件更新使DGX Spark性能最高提升2.5倍。更重要的是，DGX设备“随时有货”，与Mac mini的长期缺货形成鲜明对比。
面对压力，苹果终于有所行动。往年Mac产品线更新集中在10–11月，但2024年8月25日便提前发布新款Mac mini和Mac Studio，并首次在宣传材料中明确强调“支持本地运行前沿大模型”和“多机集群部署”能力。这被视为对AI开发者需求的直接回应。
回看整个事件，Mac mini的意外走红并非源于其在传统AI训练中的优势，而是特定应用场景下的“无奈之选”与“结构红利”的结合。操作系统独占性迫使AI公司采购真机，统一内存架构则意外解决了大模型本地部署的内存瓶颈。然而，苹果在企业战略上的长期缺位，使其错失主导这一新兴市场的良机。当黄仁勋带着DGX站在门口，苹果或许才意识到：AI时代，硬件不仅是消费品，更是基础设施。
对于普通用户而言，这场变革同样意义深远。曾经被视为“家用小主机”的Mac mini，如今正成为连接个人与前沿AI能力的桥梁。无论你是在本地调试Qwen模型，还是搭建家庭Agent服务器，那台静静放在桌角的金属方盒，或许正在参与一场静默却深刻的计算范式转移。