根据最新报道，OpenAI 已经购买了数以万计的 Mac mini 和 Mac Studio 设备。由于其扫货力度过大，甚至导致零售渠道一度断货。不仅是 #OpenAI，Anthropic 也在通过亚马逊云服务 AWS 大量租用 Mac mini 资源。这些消费级硬件并不是用来日常办公，而是被专门部署用于 AI 智能体的强化学习（Reinforcement Learning）训练。
这一轮疯狂采购的背后，是各大 AI 巨头对训练“计算机使用智能体”（#Computer-use Agent）的极度饥渴。这类智能体能够像人类一样自主操作电脑、编写并测试代码、整理邮箱及总结文档。在这一需求的推动下，苹果最新财报显示其 Mac 销售额同比飙升了近 29%，达到 103亿美元，成为苹果增长最快的业务。苹果甚至为此在总部举办了罕见的“Business at the Park”企业活动，吸引了包括 Anthropic 联合创始人 Jared Kaplan 在内的行业大佬，而 Mac mini 则是全场瞩目的焦点。
尽管 AI 训练长期被 Nvidia GPU 主导，但在强化学习这一特定细分场景下，Mac 凭借其独特的统一内存（Unified Memory）架构脱颖而出。传统 GPU 的显存与系统内存相互独立，数据传输极易产生带宽瓶颈，而苹果 M 系列芯片的 CPU 和 GPU 共享同一个内存池。此外，Mac mini 和 Mac Studio 配备的专业散热系统，能确保其在数天的高强度 AI 训练中不因过热而降频。开发者甚至可以利用开源项目 EXO Labs 将多台 Mac 串联为集群，在本地运行万亿参数级别的模型。
这一趋势已经引起了英伟达的警惕，后者推出了形态相似的桌面 AI 设备 DGX Spark 进行阻击。目前，苹果正面临内存芯片短缺导致的高配 Mac 缺货问题，这促使一些企业转向英伟达的现货。然而，这也催生了如 Mount Thor 这样专门基于苹果硬件提供 AI 计算环境的云服务初创公司。虽然苹果自身并未建立庞大的企业服务团队，但其 M 系列芯片正通过这些生态合作伙伴，在企业级 AI 市场强力渗透。
本次 OpenAI 与 Anthropic 批量采购 Mac 硬件，揭示了 AI Agent 训练范式的重要转变。传统的云端 GPU 虽擅长海量参数的并行计算，但在训练 “Computer-use” 等高频交互、需要高吞吐模拟环境的 Agent 时，本地或边缘端的软硬件一体化计算显得尤为关键。苹果 M 系列芯片的统一内存架构，以极高的性价比解决了异构计算中的带宽瓶颈。这一趋势表明，未来的 AI Agent 生态将向“云端泛化训练 + 边缘高频强化模拟”的双轨架构演进。对于开发者而言，本地高性能异构计算节点将成为高效率、低延迟开发 Agent 系统的核心基础设施。
