OpenAI被曝按吨囤Mac mini！几万台全拿去训AI了
The Information爆料OpenAI采购数万台Mac mini与Mac Studio用于训练Computer-use Agent；因苹果许可限制，需物理设备支撑macOS虚拟机环境。Mac凭借统一内存与持续满载能力成为Agent训练基础设施，但苹果企业服务缺位正加速被英伟达DGX Spark等方案替代。
数万台Mac mini专供Agent强化学习
The Information刚刚爆料，OpenAI已经采购了数万台Mac mini和Mac Studio，到现在还在追着苹果要货。
Anthropic走的是另一条路，从亚马逊AWS租Mac算力。按网友算的账，一台每小时一美元出头，一个月五百到九百多美元。
租着不便宜，买也不划算。论算力性价比，苹果芯片打不过英伟达，这事没什么争议。
这些机器是拿去做强化学习的，训练的是能自己操作电脑的Computer-use Agent。
macOS许可约束催生物理集群刚需
训Agent，要的是让模型在真电脑上练手。
成千上万台机器同时开着，模型在里面点鼠标、开App、看屏幕、犯错、重来。
算力哪家的卡都能买，但有些活儿只有Mac干得了。
苹果的规矩是这样：
- macOS虚拟机只能跑在苹果自己的硬件上
- 在Apple芯片的Mac上，一台机器最多同时开两个macOS虚拟机
- AWS的EC2 Mac至今还是「专用主机」形态，一租就是一整台物理Mac，最少按24小时收费，文档里给的理由就是苹果的许可协议这么要求
所以你要一万个macOS环境，就得摆下几千台真机。
Agent要一台自己完全说了算、跟主力电脑分开、还能几天几夜不关机的机器。而Mac mini就是这样一台绝妙的系统。
统一内存与持续满载能力成关键优势
光有macOS环境还不够，机器本身得跑得动大模型。
苹果芯片打不过英伟达GPU，但统一内存这个结构别人短期学不来。
CPU和GPU共用一个内存池，不用把大模型切碎了塞进多张显卡再来回搬运。
跑大模型这件事，「装得下」经常比「跑得快」更要命。
M5 Ultra最高512GB统一内存，带宽1.2TB/s。M6 Mac mini在LM Studio里的大模型提示处理速度，苹果称是M4的4.8倍、M1的13.5倍。
第二个优势，就是扛得住长时间满载。
轻薄MacBook跑几十分钟就要降频，Agent干的是7×24的活，一跑好几天。
散热在这里直接决定能不能干活。
EXO Labs的开源方案能把多台Mac串成集群，本地跑671B量级的模型。
社区里「Mac mini当常驻家庭服务器」的教程一茬接一茬，连按小时出租Mac算力的服务都冒出来了。
本地运行体感：MoE模型成主流选择
大厂买它是拿去堆机房的。
咱普通人买回去，是真要拿它干活的。
开发者Octavio Herrera老哥花了一周的时间，在他M4 Mac mini 32GB基础款上一口气实测了6款模型。
- Qwen3-30B-A3B，MoE、Q4量化：24-30 tok/s，占17.3GB
- GPT-OSS-20B：28-29 tok/s，占11.3GB
- Gemma 4 26B-A4B：20-22 tok/s，占14.6GB
- 稠密的Qwen3.8-27B：4.4 tok/s
- 对照组，DeepSeek v4-flash走API：约57 tok/s
结果显而易见。用入门级设备跑本地模型，MoE基本上是板上钉钉了。
芯片算力是一方面，另一个坎是内存。
JetBrains那个完全跑在本地的编程Agent，光自带的27B量化模型就要求64GB起步。
PCWorld的配机文更干脆，64GB就是地板。
X上有人把每一档都算过。
| 配置 | 性能表现 |
|---|---|
| 3499美元，M5 Max 64GB：Qwen3.6-27B跑30-40 tok/s。4K提示词约5秒吃完，改一处500 token的补丁13-17秒，端到端20秒。同样的活在mini上是37秒 | |
| 5099美元，M5 Max 128GB：带宽不变，模型池子翻倍，MLX上跑80B的Qwen3-Coder-Next能到75-90 tok/s | |
| 5499美元，M5 Ultra 96GB：内存不加，芯片更快，同一个27B推到48-80 tok/s，端到端压到10秒 | |
| 11299美元，M5 Ultra 256GB：第一台能把DeepSeek V4 Flash完整4-bit装进单机的Mac，预计80-90 tok/s |
根据Artificial Analysis的数据，GPT-5.6 Sol从云端服务是75-79 tok/s，Opus 4.8约58。
也就是说，一台放在桌上的Mac，出字速度已经追平最快的前沿模型服务。
最近，库克在财报会上表示，「我们正处在内存定价的百年一遇洪水里，价格在指数级上涨」。
国行Mac mini一年多前那台性价比神机，是4499元。
现在的M6 Mac mini，已经是6999元起了。
苹果退出企业市场，英伟达加速进场
数万台的订单摆在面前，苹果没接。
它这些年一直在退出企业市场。
2011年砍掉Xserve服务器，2022年停掉macOS Server，今年3月连Mac Pro都停产了。
它自己也用Mac芯片造服务器，但只给Private Cloud Compute用。
有企业上门想买这套算力，被拒了。
The Information还挖到一个更扎眼的细节。苹果压根没有一支专门伺候企业客户的工程团队，也没有一个人负责开发者关系。
今年4月离职的前苹果企业AI产品营销经理Todd Dailey直接开喷。
说苹果有任何团队真有拥抱企业AI的计划，这是个笑话。
最热的一块AI需求，最后被外包给了两家创业公司，webAI和前OpenAI算力基础设施员工Peter Voell创办的Mount Thor。其中一家连官网都还没写完。
既然如此，那就不要怪老黄不客气了——DGX Spark就是冲着Mac的软肋来的。
今年1月的CES上，它又放出一版软件更新，性能比发布时最高提升2.5倍，甚至能挂在MacBook Pro旁边当外接加速器。
企业和开发者反复提起它，理由很简单，随时有货。
而苹果这才有了反应。
往年Mac的年底更新排在10月或11月，今年8月25日就把新Mac mini和Mac Studio端了出来，宣传语第一次直接对着本地跑前沿大模型和多机集群写。
如今AI实验室把Mac mini当基础设施，苹果把它当台式机。
JOTO 企业落地观察
- 对企业部署意味着：若需构建macOS专属Agent训练环境，必须接受物理设备集群的运维复杂度，无法通过云虚拟化弹性伸缩；统一内存虽缓解显存瓶颈，但企业需自行承担数千台设备的固件管理、安全补丁与故障响应成本。
- 这类系统的取舍在于：Mac平台对Agent操作真实GUI的兼容性无可替代，但其封闭生态导致调试工具链、监控体系与现有K8s/AI平台难以集成；企业需在‘开箱即用的macOS环境’与‘标准化AI基础设施治理’之间做明确权衡。
- 对智能体工程而言，Mac mini集群暴露了底层交互抽象层的缺失——当前依赖真实桌面环境而非可模拟的API接口，使得Agent行为难以复现、审计与合规验证；企业若推进生产级Computer-use Agent，需优先建设跨平台UI操作中间件。
- 对RAG知识工程的影响是间接但深刻的：当企业将大量算力投向端侧Agent训练，会挤压用于文档解析、向量索引与检索优化的资源；尤其在需要macOS原生应用（如Pages、Keynote）参与知识提取时，RAG pipeline不得不与Agent训练共享同一套硬件资源池。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们
