几万台Mac mini和Mac Studio被OpenAI一次性买走，原因是英伟达GPU和谷歌TPU都搞不定“计算机使用智能体”的强化学习训练。这类AI系统需要自主操作电脑完成编辑代码、整理邮箱、总结文档等多步骤任务，训练逻辑与常规大模型截然不同。
希鸥网观察到，Anthropic也在通过AWS租用Mac mini做类似任务。这股来自头部AI实验室的采购潮直接反映在财报上——苹果最近一个季度Mac销售额同比增长近29%，达到103亿美元，超过iPhone、iPad成为增长最快的产品线。苹果总部6月23日还罕见举办了面向企业客户的“Business at the Park”活动，迪士尼、福特高管及Anthropic联创Jared Kaplan悉数到场。
Mac之所以能在强化学习这一细分场景被大规模采用，核心在于统一内存架构。英伟达GPU的显存与系统内存分离，数据传输存在瓶颈；苹果M系列芯片则让CPU和GPU共享同一内存池，在处理频繁读写的小批量训练数据时天然具备性能优势。这是一个物理层面的结构差异，不是软件优化能弥补的。
散热系统是第二个关键变量。MacBook轻薄但散热受限，Mac mini和Mac Studio则配备专门散热方案，能够连续数小时甚至数天高负载运行不降频。强化学习训练恰恰需要长时间反复试错，一旦过热降频，训练进度就会被打断甚至报废，苹果桌面级产品的设计恰好卡住了这个需求。
苹果还在推EXO Labs开源项目，能把多台Mac组成集群运行万亿参数级别模型，新款Mac Studio也强调多机串联能力。巧合的是，苹果打破秋季发布惯例，将Mac产品线更新提前到了8月——供应链紧张叠加需求爆发，苹果在仓促应对一个自己都没想到会火的市场。
希鸥网认为，这轮Mac热潮的真正赢家未必是苹果，而是嗅到算力结构缺口的创业者。苹果前AI产品经理Todd Dailey透露，Mac供应受限后企业客户开始转向英伟达DGX Spark，前OpenAI员工Peter Voell则创办了基于苹果硬件的云计算公司Mount Thor。英伟达已经将苹果视为本地AI最大竞争对手，这个市场的利益格局才刚刚开始重构。
对创业者而言，这里有一个决策方法论：多数人在多数时候被情绪和惯性主导，而非证据和逻辑。当所有人默认“AI训练必须用英伟达GPU”时，OpenAI选择大批量采购Mac，恰恰说明最优解往往藏在主流共识之外。选择硬件方案如此，选择创业方向亦然——先问证据支持什么，再问市场在说什么。
另一个值得记住的原则是：当试错成本极低、潜在收益极高时，哪怕成功率渺茫也值得一试。就像有人看中一栋不挂牌出售的房子，打电话问一句不会损失什么，但可能改变整个局面。对创业者来说，尝试用Mac集群跑强化学习、向苹果询问服务器使用权、接触Mount Thor这样的新算力方，成本几乎可以忽略不计。
比较更多信息的价值与不做决定的成本，决定了行动顺序。先把“必做之事”做完——比如确保核心训练任务跑在稳定算力上，再投入资源探索“想做之事”如自建Mac集群。供应链短缺时期，与其等待苹果供货，不如立即评估替代方案，因为等待本身就是机会成本。不要被概率模糊了判断，关键动作永远是先打那个电话。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo