AI智能體狂潮帶火Mac! 蘋果(AAPL.US)下場爭奪AI算力預算，進擊AI基建領域

智通財經APP獲悉，近期增長戰略全面轉向AI與昂貴摺疊屏iPhone的美國消費電子巨頭蘋果公司(AAPL.US)新款臺式電腦於美東時間周二開始發貨時，該公司高管開始向大型企業買家們提出一個不同尋常且頗具性價比吸引力的推銷理由：購買這些高性能電腦設備比租用大型AI數據中心更便宜。

據瞭解，蘋果全新升級后的Mac mini和Mac Studio系列蘋果臺式電腦設備將能夠在本地處理一些複雜的AI任務/AI推理工作負載，售價可接近2萬美元，它們將與英偉達(NVDA.US)高性能工作站GPU以及微軟(MSFT.US)、惠普(HPQ.US)以及戴爾(DELL.US)等美國個人電腦製造商們正在推出的新款可端側處理AI任務的臺式電腦正面交鋒。預計這些新機將成為美國軟件科技巨頭微軟公司下個月在舊金山舉辦的Windows活動的焦點。

AI智能體為Mac打開的新市場，來自持續執行任務所需要的本地計算能力。OpenClaw所代表的智能體工作流，會反覆進行模型調用、文件讀取、代碼運行、瀏覽器操作和結果校驗，使電腦從等待用户操作的終端，轉變為能夠持續工作的任務執行平臺。近日風靡全球的Muse以及Astra無疑是進一步擴大了複雜任務自動化的應用範圍;從工程與商業邏輯推演，這有望增加用户對常駐運行、能效較高、部署方便的本地計算設備的需求。尤其蘋果Mac系列產品能夠承接本地工具執行、私有數據處理以及開放模型推理，並與雲端模型協同工作。

但需要注意的是，蘋果Mac主導的臺式機系統「成本更低」不等於「計算能力/容量足以比肩整座AI GPU數據中心」。從經濟性推導，蘋果的降本主張成立的條件在於——本地AI大模型系統達到所需任務質量與響應速度，且持續使用所節省的雲服務費用，超過設備折舊、電力及運維成本。

Mac本身也依靠Apple Silicon中的集成GPU執行模型計算，其優勢在於統一內存讓CPU與GPU共享較大容量的內存池，減少數據複製，並容納模型權重與鍵值緩存(KV Cache)。大模型低併發、逐詞生成的解碼階段，往往受到內存帶寬限制，因此「大容量內存+較高帶寬+低功耗」，配合量化和MLX軟件優化，可以讓適合本地部署的模型經濟地運行。這尤其適合個人或小團隊持續使用的代碼助手、文檔處理和內部智能體。

尤其是蘋果管理層提及的「四臺Mac運行萬億參數模型」，證明的是模型能夠裝載並完成推理，不能直接證明其吞吐量、延迟和併發能力等同雲端GPU/TPU集群。實際表現還取決於量化精度、實際激活參數量、上下文長度及跨機通信;雷靂RDMA能夠降低通信開銷，但不會讓多臺Mac變成沒有通信瓶頸的一塊巨大GPU。大規模訓練和高併發服務，則更能發揮英偉達AI GPU主導的數據中心所具備的專業加速器、高帶寬顯存及高速集群互連的優勢。

蘋果攜新款Mac加入AI降本競賽，力圖挑戰微軟與英偉達

蘋果升級后的Mac mini和Mac Studio能夠在本地處理繁瑣的AI推理任務，售價可接近2萬美元，它們將與英偉達及個人電腦製造商正在推出的新款臺式電腦正面交鋒。預計這些新機將成為微軟下個月在舊金山舉辦的Windows活動的焦點。

新款Mac面向編寫代碼或執行復雜業務工作等更高強度的AI任務，用户無需為此向OpenAI或Anthropic等雲端服務領軍企業支付「詞元」(即所謂「Token」)費用——詞元(Token)是AI計算的基本單位。

蘋果公司高管們一致希望，自己在充分挖掘iPhone等電池供電設備性能與突出能效比方面積累的經驗，能夠幫助其在微軟的傳統優勢市場分得一杯羹。但這一挑戰十分艱鉅：根據知名市場調研機構IDC的研究員Linn Huang提供的最新統計數據，蘋果在企業臺式電腦市場的份額約為4.6%，而Windows為91.3%。

衆所周知，蘋果聯合創始人史蒂夫·喬布斯對企業型大型計算市場一直抱有矛盾態度，因為最終用户們無法自行挑選最喜歡的產品。不過，蘋果如今在AI臺式電腦領域佔據了有利位置，部分原因在於該公司長期以來對節能以及高能效比的執着追求。

蘋果在2020年推出首批Apple Silicon芯片時，將個人電腦中原本彼此分離的兩類芯片——計算芯片與高性能內存芯片——緊密整合到蘋果獨家的統一內存架構中，以改善電池續航。

計算與內存之間的這種緊密連接，也意外地讓Mac變得擅長處理AI任務;英偉達等全球最頂級AI芯片公司直到最近纔開始轉向這種方式。隨着開源AI智能體工具OpenClaw在中國等市場迅速走紅，蘋果的Mac mini開始頻繁出現售罄的情況。

儘管Mac Studio最初面向的是剪輯視頻或製作音樂的內容創作者，但過去兩年間，蘋果已悄然加入一些不同尋常的AI功能，例如一種專門設計的芯片間互連技術，稱為基於雷靂接口的遠程直接內存訪問(RDMA)。

在本月的發佈會上，蘋果高級管理層令人驚艷地展示了將四臺Mac Studio連接起來，運行一個擁有足足1萬億個參數的超級AI大模型系統，以查找並修復一處圖形代碼錯誤。參數數量是衡量模型複雜程度的一個指標。此類任務通常需要數據中心，但這組Mac只需一個牆上的電源插座即可供電運行。

「一旦這臺機器擺到你的桌上，你就已經付過錢了。我相信，我們提供的價值絕對出色，無論是在性能方面，還是在成本方面，」蘋果首席硬件官約翰尼·斯魯吉表示。「無需按詞元付費。你只需要一遍又一遍地使用這臺機器。」

微軟也在與蘋果爭奪同一藍海級別大型增量市場，其首席執行官薩提亞·納德拉將設備端AI推理工作負載稱為「不按實際的token用量計費的智能」。納德拉還表示，微軟計劃將旗下許多AI功能整合進一款面向Windows的「超級應用」。

不過，微軟長期以來在企業計算領域的領先地位，意味着它需要支持來自眾多不同大型廠商的硬件，這可能會推動那些希望充分發揮特定芯片性能的Windows開發者承擔更多工作。也就是説，微軟長期佔據企業計算市場的領先地位，Windows需要兼容眾多廠商提供的硬件，因此開發者若想充分發揮某一款芯片的性能，通常需要付出更多適配和優化工作。

例如，同一個AI程序運行在不同廠商的CPU、GPU或神經網絡處理器(NPU)上，可能需要針對各自的架構、驅動、計算接口和內存管理方式進行優化。Windows龐大的硬件生態擴大了兼容範圍，也增加了性能優化的複雜度;蘋果則能夠統一設計芯片、操作系統和開發工具，更便於進行整套系統的協同優化。

微軟在迴應置評請求時表示，該公司一直在與芯片合作伙伴合作，通過Windows ML工具簡化AI工作負載，並且正在積極投資RDMA等功能。英偉達拒絕置評，不過，在今年夏天發佈新款個人電腦芯片時，英偉達首席執行官黃仁勛淡化了與蘋果直接競爭的意圖，稱英偉達專注於拓展Windows個人電腦能夠實現的功能。

英偉達的優勢陣地仍然是全球超大規模AI數據中心。斯魯吉表示，蘋果正向企業買家推介這樣一種理念：在蘋果系列高性能設備上開發的端側AI大模型，可以向上擴展至其最昂貴的Mac Studio超級臺式機，也可以向下適配至其最便宜的iPhone和iPad，因為這些設備的芯片採用了共同的原理和設計。

「你可以向數據中心投入大量電力，」斯魯吉在採訪中表示。「但是我們堅持提供多種產品，讓客户能夠根據自身需求作出選擇：我需要哪臺電腦、哪款產品?」

當AI智能體加速走進辦公桌，Mac系列迎接算力需求大爆發! 蘋果的AI增長空間向外延伸

蘋果管理層顯然是希望全球企業們將其中一部分雲計算AI資本支出——華爾街一致預期2030年之前全球AI算力基礎設施支出超過3萬億美元，轉化為購買蘋果的自有計算設備的預算：對於調用頻繁、模型能夠本地部署的工作負載，企業可以將購機、電力與運維成本分攤到大量任務中，提高長期成本的可預測性。與近期光刻機巨頭阿斯麥(ASML.US)等半導體設備股隨AI投資熱潮走強相呼應，設備廠商受益於芯片製造產能擴張，蘋果則爭取下游新增計算需求的整機採購預算，形成AI投資由芯片製造向企業桌面延伸的另一條路徑。

正如以上內容所顯示的那樣，AI智能體為Mac打開的新市場，來自持續執行任務所需要的本地計算能力。蘋果的技術優勢集中在統一內存、大容量內存、能效與軟硬件協同。在低併發的大模型逐詞生成過程中，讀取模型權重的內存帶寬往往十分關鍵;長上下文和併發任務則進一步增加鍵值緩存所需的內存容量。統一內存讓CPU與GPU共享內存池，減少數據複製，使更多本地工作負載能夠高效運行。

從投資傳導看，蘋果最直接的機會是Mac銷量增長、高內存配置佔比提升，以及企業客户滲透率提高。輕量工具執行和常駐智能體可擴大Mac mini的使用場景，更大的本地模型、併發工作流和小型集群則有望增加Mac Studio及高配置產品的需求。

當臺式電腦設備等端側體系能夠持續承擔有經濟價值的任務，用户衡量購機回報的依據，就會進一步轉向節省多少工作時間、完成多少任務以及減少多少外部算力支出。與此同時，蘋果已經通過採用自研芯片的私有云計算體系，為Apple Intelligence提供雲端模型支持，端側與雲端協同也為其優化服務成本、響應速度和數據處理方式提供了空間。

企業AI服務器則代表蘋果管理層更長期的潛在增長方向。9月16日The Information援引知情人士透露消息報道，蘋果正在探索採用M8 Ultra芯片、並可能結合英偉達NVLink Fusion技術的企業AI推理服務器，暫定時間指向2029年，相關規劃尚未獲公司確認。若這一方向落地，蘋果有機會把芯片、內存系統、軟件工具鏈和整機設計的協同優勢，延伸至更大規模的企業推理部署。其商業吸引力在於：智能體持續運行后，客户會更加重視每個成功任務的總成本、功耗和部署便利性，而這些恰好能夠成為蘋果競爭的重要維度;眼前的Mac需求與長期的服務器探索，也由此形成相互銜接的增長邏輯。