近期，全球 Apple Mac mini 与 Mac Studio 供应持续紧张，高规格机型的缺货时间甚至长达数月。The Information 指出，OpenAI 已购入数万台 Mac mini 与 Mac Studio，用于训练强化学习模型，以及训练能够操作电脑的 AI 代理；Anthropic 则通过亚马逊 AWS 租用 Mac 算力，执行类似任务。
这波采购正在冲击 Apple 供应链，也让长期主导 AI 训练硬件市场的 NVIDIA 开始警觉。
AI 公司为何转向 Mac
报道认为，这轮需求增长背后有明确的技术原因，并非出于品牌偏好。关键在于 Apple M 系列芯片采用的统一内存架构，这种设计与特定 AI 工作负载的需求相匹配。
传统 GPU 集群主要为大规模矩阵运算设计，更适合大语言模型预训练阶段。但训练 Computer-use Agent 的强化学习流程并不一样：模型需要在真实操作系统环境中反复执行“观察屏幕、采取行动、接收反馈”的循环。这类任务对内存更敏感，对并行计算的依赖则低于预训练。
Apple M 系列芯片将 CPU 与 GPU 集成在单一芯片上，并共享同一块高带宽内存池，减少了不同处理器之间的数据传输瓶颈。对这类工作负载来说，这是一项架构层面的优势。与此同时，Mac mini 与 Mac Studio 相比 MacBook 也有更好的散热，更适合长时间持续运算。
按报道的说法，AI 公司选择 Mac，不是因为 Apple 品牌本身，而是因为在这类任务上，Mac 的执行效率高于 GPU 服务器。
谁在买，怎么用
The Information 称，OpenAI 已大规模采购数万台 Mac mini 与 Mac Studio，主要用于强化学习训练，以及让 AI 代理学习操作电脑界面、撰写文档、整理电子邮件等现实任务。Anthropic 选择的路径不同，其通过 AWS 租用 Mac mini 算力，以更灵活的方式获得计算资源。
这股趋势也开始传到创业公司。报道称，由前 OpenAI 基础设施员工创办的新创公司 Mount Thor，正筹备以 Apple 硬件为核心的 AI 云执行环境，试图将 Mac 集群商品化。
还有其他企业在开发软件工具，计划通过串联多台 Mac，在办公室或实验室本地运行万亿参数模型，以降低企业自建 AI 算力的门槛。
高配 Mac 缺货，Apple 提前更新产品线
大规模采购已经直接传导到 Apple 供应链。报道提到，AI 数据中心对内存芯片的强劲需求，导致高规格 Mac mini 与 Mac Studio 所需的大容量内存持续短缺，部分高端机型已连续数月无货，企业采购部门甚至开始转向 NVIDIA DGX Spark 等替代方案。
几天前，Apple 提前更新了 Mac mini 与 Mac Studio 两条产品线。Mac mini 新增 M6 与 M5 Pro 芯片选项，Mac Studio 则升级为 M5 Max 与 M5 Ultra 配置。报道认为，这一动作释放出 Apple 主动应对供需失衡的信号。
NVIDIA 面对新的细分竞争
这一变化也让 NVIDIA 需要重新审视 Apple 在 AI 硬件市场中的角色。Mac mini 的起售价远低于单台企业级 GPU 服务器。对于适合水平扩展的工作负载而言，即便一次性购买 1 万台 Mac mini 仍是大额资本支出，但与长期租用并不适合这类任务的云端 GPU 算力相比，经济账可能完全不同。
报道将这视为部分 AI 公司绕开 NVIDIA 生态的重要原因之一。
不过，报道也指出，大规模 AI 训练的核心基础设施并没有改变。数据中心与高端 GPU 集群，仍是预训练超大型模型时难以替代的选择。Apple Mac 系列正在打开的是另一块市场，主要面向强化学习、AI 代理训练，以及企业本地部署等更依赖内存效率、较少依赖并行计算的工作负载。
按报道描述，AI 硬件市场正在按照任务需求分层，而 Apple 已在其中占据一个新的位置。