一句话看懂：OpenAI 等多家 AI 实验室正在批量采购 Mac mini 和 Mac Studio，用于训练能自主完成多步骤任务的“计算机使用”Agent。由于高端型号因内存芯片短缺已断货数月，这场大规模采购正在改变 AI 训练硬件市场的格局。
事件核心：发生了什么
据 The Information 报道，OpenAI 及其竞争对手实验室已购入数万台 Mac mini 和 Mac Studio，专门用于训练能够独立处理多步骤任务的计算机使用 Agent。OpenAI 仍希望扩大采购规模，但受限于内存芯片短缺，性能最强的型号已连续数月处于售罄状态。Anthropic 也采取了类似策略，通过 AWS 云服务租赁 Mac mini 来满足训练需求。
这一趋势并不局限于头部实验室。因 OpenClaw 等开源项目的带动，Mac mini 正逐步成为本地运行 AI 模型的热门设备。其强性能芯片、统一内存架构以及良好的散热设计，使其特别适合长时间持续运行的 AI 推理任务。第三方开源软件 Exo 甚至能让用户将多台 Mac 组成集群，在本地运行更大的模型。
为什么重要
这一事件反映出 AI 训练基础设施正在向多元化方向演变。长期以来，英伟达 GPU 几乎是大模型训练的唯一选择，但 Mac mini 的批量采购说明，Apple 的统一内存架构在特定训练场景下具备独特优势——尤其是训练“计算机使用”这类需要模拟人类操作 GUI、处理屏幕截图和连续决策的 Agent 时，大容量统一内存能显著降低数据在 CPU 与 GPU 之间迁移的开销。
值得注意的是，英伟达推出的 DGX Spark 也瞄准了紧凑型 AI 算力市场，但它采用完全不同的技术路线，依赖 CUDA 和 Tensor Core 的专用 GPU 算力，而非 Apple 的统一内存方案。这意味着 AI 基础设施市场正在分化为两大技术流派，开发者将面临更复杂的技术选型。此外，OpenAI 前计算基础设施团队成员 Peter Voell 正在构建基于 Apple 设备的云服务 Mount Thor，若该项目落地，将进一步打破以英伟达为主导的算力供给格局。
对用户/开发者/创作者的影响
对开发者而言，Mac mini 作为训练硬件的崛起降低了 Agent 开发的门槛。原本需要租用昂贵 GPU 云服务器才能完成的模型微调和 Agent 训练，现在可能通过本地或小型服务器集群完成，这对手头预算有限的独立开发者和创业团队是实质性利好。Exo 这类开源集群工具的出现，进一步降低了多机并行训练的硬件成本。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通用户和创作者来说，这意味着“计算机使用”类 AI 工具的商业化落地速度可能加快。能自主操作软件、完成跨应用任务的 Agent 一旦成熟，将直接影响日常办公自动化、内容生产流程和复杂软件操作等场景。同时，Mac 本地推理能力的增强也意味着更多 AI 功能可以不依赖云端运行，在隐私保护和响应速度方面有所改善。
值得关注的后续
以下几个观察点值得持续跟踪：其一，OpenAI 采购的 Mac mini 集群是否会催生新的开源训练框架或最佳实践，从而影响其他实验室的技术路线选择；其二，内存芯片短缺问题何时缓解，以及苹果对 AI 工作负载的硬件策略（如内存配置调整）是否会因此改变；其三，Mount Thor 这类 Apple 芯片云服务能否顺利落地，以及它是否有能力在成本和性能上与英伟达云实例正面竞争。目前公开信息显示，上述项目的具体上线时间和定价策略尚未披露。
