核心重點
OpenAI 與 Anthropic 正大規模採購 Apple 的 Mac mini 與 Mac Studio，用於訓練能自行完成多步驟操作的 電腦使用代理（computer‑use agents）。儘管需求持續上升，但因 記憶體晶片短缺，最強大的機型已售罄數月。Anthropic 甚至透過 AWS 租用 Mac mini，顯示此平台已成為 AI 研發的熱門選擇。
背景與技術分析
Mac mini 之所以受到青睞，主要源於以下三大特性：
-
強勁晶片（Apple M 系列）搭配 共享記憶體（unified memory architecture），讓 CPU 與 GPU 能在同一記憶體池中高效協同。
-
穩定散熱 設計，適合長時間運算的 AI 工作負載。
-
OpenClaw（一波開源 AI 應用熱潮）進一步推動了本地 AI 計算需求。
相較之下，Nvidia 的 DGX Spark 提供緊湊的 GPU 專用方案，依賴 CUDA（Nvidia 的平行運算平台）與 Tensor 核心（深度學習加速單元），但缺乏 Apple 統一記憶體的彈性。
在軟體層面，開源工具 Exo 允許使用者將多台 Mac 連成叢集，於本地執行大型模型；而前 OpenAI 計算基礎設施成員 Peter Voell 正在打造名為 Mount Thor 的 Apple 為基礎的雲端服務，進一步擴大 Mac 在 AI 訓練領域的應用。
影響與未來展望
Apple 於 2024 年第二季的 Mac 營收躍升近 29%，達 104 億美元，顯示企業與研究機構對其硬體的需求正快速增長。若記憶體晶片供應持續緊張，Mac mini 及 Mac Studio 可能成為 AI 團隊的「最後防線」：在成本與效能之間取得平衡，同時受益於 Apple 生態系的軟硬體整合。
未來，隨著 Exo 叢集技術成熟與 Mount Thor 服務上線，預計會有更多中小型 AI 團隊在本地或私有雲環境中部署大型模型，減少對傳統資料中心的依賴。對於關注 AI 訓練成本、資料安全與開發速度的企業而言，Apple 的統一記憶體平台或將成為新一代「AI 計算基礎設施」的核心選項。
讀者提示：若您正評估 AI 訓練硬體，建議同時比較 Apple 的統一記憶體效益與 Nvidia GPU 的專用加速，根據工作負載特性選擇最適合的架構。