Mac一台難求真兇曝光!OpenAI、Anthropic掃貨萬台Mac mini與Mac Studio
近期全球 Apple Mac mini 或 Mac Studio 供應吃緊,高規格機型更缺貨長達數月。如今真兇曝光,The Information 指出,OpenAI 已購入數萬台 Mac mini 與 Mac Studio,用於訓練強化學習模型與電腦操作 AI 代理人;Anthropic 則透過亞馬遜 AWS 租用 Mac 算力執行類似任務。這場需求衝擊正撼動 Apple 的供應鏈,並讓長年主導 AI 訓練硬體市場的輝達(NVIDIA)開始警戒。 AI 公司為何選擇 Mac?關鍵在記憶體架構,而非品牌偏好 報導認為,這場採購潮背後有明確的技術邏輯,與 Apple 品牌無關,而是 M 系列晶片的統一記憶體架構,剛好契合特定 AI 工作負載的需求。傳統 GPU 叢集是為大規模矩陣運算設計的,最適合 LLM 的預訓練階段。 然而,訓練 Computer-use Agent 的強化學習流程截然不同:AI 必須在真實作業系統環境中反覆執行「觀察螢幕、採取行動、接收回饋」的迭代循環,這種任務記憶體需求密集,但對平行運算的依賴程度遠低於預訓練。 Apple M 系列晶片將 CPU 與 GPU 整合於單一晶片,並共用同一塊高頻寬記憶體池,大幅降低資料在不同處理器之間的傳輸瓶頸,對上述工作負載而言是架構層面的實際優勢。此外,Mac mini 與 Mac Studio 相較於 MacBook 具備更優異的散熱表現,更適合長時間持續運算。 換言之,AI 公司選擇 Mac,是因為 Mac 做這件事本來就比 GPU 伺服器更有效率。 誰在掃貨?AI 兩巨頭狂掃萬台 Mac 報導指出,目前業界頭部玩家均相繼入局。OpenAI 大手筆掃貨萬台 Mac mini 與 Mac Studio,主要用於強化學習訓練,以及讓 AI 代理人學習操作電腦介面、撰寫文件、整理電子郵件等現實任務。Anthropic 則透過 AWS 租用 Mac mini 算力,以更靈活的方式取得運算資源。 創業圈也嗅到這股趨勢。前 OpenAI 基礎設施員工創辦的新創公司 Mount Thor 正籌備以 Apple 硬體為核心的 AI 雲端執行環境,試圖將 Mac 叢集商品化。其他企業也正開發能在辦公室或實驗室內,透過串連多台 Mac 在本地運行兆級參數模型的軟體工具,進一步降低企業自建 AI 算力的門檻。 供應鏈告急,Apple 提前刷新產品線應對 大規模採購直接衝擊了 Apple 的供應鏈。AI 資料中心對記憶體晶片的龐大需求,導致高規格 Mac mini 與 Mac Studio 所需的大容量記憶體持續短缺,部分高階機型已連續數月無貨可供,企業採購部門甚至開始轉向 NVIDIA DGX Spark 等替代方案。 幾天前,Apple 才剛提前更新 Mac mini 與 Mac Studio 兩條產品線:Mac mini 導入 M6 與 M5 Pro 晶片選項,Mac Studio 則升級至 M5 Max 與 M5 Ultra 配置,此舉被認為是 Apple 針對供需失衡主動出手的訊號。 輝達緊張了:AI 算力版圖正重塑 這個變化讓長期主導 AI 訓練硬體市場的輝達,也不得不正視 Apple 的存在。Mac mini 的起售價遠低於單台企業級 GPU 伺服器,對適合水平擴展的工作負載而言,購入一萬台 Mac mini 雖是可觀的資本支出,但相較於長期租用並不適合這類任務的雲端 GPU 算力,整體經濟效益的計算結果截然不同,這正是部分 AI 公司選擇繞過輝達生態系的根本原因。 值得注意的是,大規模 AI 訓練的核心基礎設施並未改變,資料中心與高階 GPU 叢集仍是預訓練超大型模型難以取代的選項。然而,Apple Mac 系列正開闢出一塊獨立市場,專門服務強化學習、AI 代理人訓練,以及企業本地部署等對記憶體效率敏感、對平行運算依賴較低的工作負載。 AI 硬體的版圖正依需求在分層,而 Apple 意外拿下了一個關鍵位置。 本文經授權轉載自:《鏈新聞》 原文標題:《Mac一台難求真兇曝光!OpenAI、Anthropic掃貨萬台Mac mini與Mac Studio》 原文作者:Crumax 『Mac一台難求真兇曝光!OpenAI、Anthropic掃貨萬台Mac mini與Mac Studio』這篇文章最早發佈於『加密城市』
AI 新創 Cluely 創辦人 Roy Lee 近日登上 Jack Neel Podcast,提出他眼中正在 AI 產業內發生、卻還沒有被所有人充分利用的三波「小型淘金潮」:替大型 AI 實驗室提供基礎設施、快速打造並行銷 AI App,以及門檻最低的 AI 影片與廣告服務。 其中 Lee 最看好的大眾型機會,反而不是自己訓練模型,也不是創辦一家需要大量工程師的 AI 公司,而是利用目前最新的生成式 AI,去賺「還不知道 AI 已經這麼好用的人」的錢。 「現在全世界 99.9% 的公司,都有某些地方其實可以使用 AI,但他們還沒有這麼做。」Lee 表示。 第一層淘金潮:服務 AI Labs,最大筆的錢仍在基礎設施 如果是能力最強、具有深度技術背景的創業者,Lee 認為最值得投入的仍然是服務 OpenAI、Anthropic、Google DeepMind 等前沿 AI 實驗室。 可能的方向包括資料服務、模型基礎設施、GPU 與運算系統,以及任何能夠提高晶片或模型執行效率的技術。AI Labs 正在投入數以十億美元計的資金建設下一代模型,而只要能替它們解決其中一個足夠重要的瓶頸,就可能形成非常大的 B2B 生意。 這是 AI 淘金潮最接近「賣鏟子」的一層。但它的技術門檻也最高,不是每個人都能參與。 第二層淘金潮:AI App 已經進入「一個下午做一個產品」的時代 如果沒有能力碰 AI 基礎設施,Lee 認為第二層機會就是直接打造 AI 應用。 他認為 Coding Agent 與程式生成模型的進步,已經大幅壓縮軟體產品的開發時間: 過去可能需要 20 名工程師、花三到六個月完成的產品,如今某些類型的應用,可能由一名工程師在極短時間內做出原型。 Lee 更以自己公司為例,聲稱 Cluely 目前旗下同時維護七個軟體產品,但只有兩名全職工程師;他甚至稱,其中多項產品的年收入已超過 100 萬美元。 上述收入與內部人力配置屬於 Lee 在節目中的說法,目前沒有獨立財務資料可以驗證。 不過,他真正想表達的是一個更大的產品策略轉變:AI 時代,創業公司可能不必再把所有資源押在單一產品,而可以低成本大量試錯。 以前創一個新產品意味著重新招募團隊、寫數月程式、設計 UI、測試並部署;現在則可能變成「先做出七個產品,再看看哪一個市場成立」。 也就是從過去的: 一家公司 → 一個核心軟體 逐漸變成: 一家公司 → 一個極小團隊 → 多個 AI 軟體實驗 這可能會成為 AI 原生公司的新型組織模式。 第三層淘金潮:不會寫程式?Lee 最推薦直接做 AI 廣告 但 Lee 認為,目前最低門檻、同時可能被嚴重低估的 AI 生意,其實是「AI 影片」。 他的理由是,TikTok、Instagram Reels、YouTube Shorts 已經成為注意力分配的核心場域,而 AI 影片生成正在快速降低製作廣告與 UGC(User Generated Content,用戶生成內容)的成本。 因此,一個人甚至不必先成立 AI 新創。 你只需要替公司「做廣告」。 Lee 提出了一套極度直接的做法: 找出 100 家融資超過 1,000 萬美元的軟體公司,研究它們目前的產品與廣告,再使用 Seedance 2.5 等 AI 影片工具,每家公司免費製作一支你認為真的有人願意看的廣告。 接著直接寄信:「這支廣告免費送你,你拿去投放。如果廣告不賺錢,就當我從來沒有聯絡過你;如果能賺錢,就每月付我 1 萬美元,我繼續替你做。」 Lee 認為,只要拿下數名客戶,就可能建立一門非常高毛利的 AI 廣告生意。 甚至可以進一步查看 Meta Ad Library,找出一家公司長期持續投放、代表可能有效的廣告,再利用生成式影片重新製作另一種版本,向同產業其他競爭者銷售。 AI 最大套利,其實是「資訊落差」 這三種模式背後,其實指向同一件事情。 Lee 認為,目前 AI 最大的套利機會並不一定來自模型本身,而是來自:AI 能力進步速度,遠遠快過一般企業理解 AI 的速度。 懂最新 AI 工具的人,知道一個網站可能數小時就能做出來; 不知道的人,仍可能願意支付數千甚至數萬美元委外。 懂 AI 影片的人,知道一支 UGC 廣告可能只需要不斷 Prompt; 傳統企業卻仍按照過去的流程,找演員、攝影師、剪輯師與廣告代理商。 這中間的「認知差」,就是 Lee 所說的淘金潮。 也因此,他認為今天最容易賺到 AI 錢的人,未必是最會訓練模型的人,而是最早知道「AI 已經可以做到這件事」,並且願意主動把結果賣給還不知道的人。 本文經授權轉載自:《鏈新聞》 原文標題:《2026 年要致富「簡單得難以置信」,Roy Lee 揭露 AI 印鈔術的三波掏金潮》 原文作者:Neo 『2026要致富簡單得難以置信:Roy Lee揭露AI印鈔術的三波掏金潮』這篇文章最早發佈於『加密城市』