Mac mini 給人的印象一直是擺在桌角的小型桌機，如今卻被 AI 研發現場成批買走。有報導指出，OpenAI 在近數個月內以數萬台的規模採購了 Mac mini 與 Mac Studio，用來訓練能夠操作電腦的 AI 代理。在長期由 GPU 伺服器擔綱主角的 AI 基礎設施話題裡，蘋果的桌機突然擠了進來。
數萬台 Mac 成了 AI 實驗室的設備
根據報導，OpenAI 採購的是不含螢幕與鍵盤的 Mac mini 與 Mac Studio。它們並非供人使用的終端，而是以專用機器的形式排列在公司內部的基礎設施中持續運轉。數量據稱達到數萬台，與一般企業的辦公採購完全不是同一個量級。
得出相同結論的不只 OpenAI。據稱 Anthropic 也在推動類似的做法，但並非自行購置硬體，而是透過 Amazon Web Services 租用 Mac mini 的運算資源。兩家所需要的東西相同，付費方式卻完全相反，這一點相當能反映各自的公司性格。
目標是訓練「看著畫面操作」的 AI
明確提到的用途是強化學習與操作電腦的代理訓練。所謂操作電腦的代理，是指像人一樣使用軟體的 AI。它會在畫面上的介面中移動，撰寫並執行程式碼，整理電子郵件，完成這類跨越多個步驟的工作。
要訓練這類 AI，只餵文字資料並不夠。模型必須在真實的作業系統中執行，看到畫面、執行操作，再依結果取得回饋，而這個循環需要重複數百萬次。訓練所倚賴的並不是資料集，而是正在運作的作業系統本身。若想做出能在 macOS 上工作的代理，擺出數萬台真實的 macOS 機器反而是最短的路徑。
為什麼是 Mac 而不是 GPU 伺服器
被提及的技術理由是 Apple silicon 的統一記憶體架構。一般電腦的系統記憶體與 GPU 記憶體是分開的，而 Apple silicon 讓 CPU、GPU 與 Neural Engine 共用同一塊記憶體區域。對於需要在 AI 模型與作業系統之間頻繁往返的處理，這種結構可以減少多餘的資料搬運。
第二個理由是散熱。與筆電不同，Mac mini 與 Mac Studio 配備主動散熱，能夠承受長時間連續運轉的負載。訓練往往要跑上數天甚至數週，這個不起眼的細節其實相當關鍵。
不過，這並不代表 NVIDIA 的 GPU 叢集變得多餘。大規模基礎模型的預訓練依然是完全不同的問題，所需的運算量不在同一個量級。Mac 所填補的是相當有限的領域，在這裡發揮作用的是記憶體容量、對作業系統的存取權限，以及能夠大量準備隔離環境的能力。競爭的焦點是環境的數量而非運算力的絕對值，這正是它與傳統 AI 基礎設施氣質不同之處。
蘋果這一側出現的意外需求
對蘋果而言，這份需求並非自己主動爭取而來。據報導，最近一季 Mac 事業的營收約為 104 億美元（約 1.66 兆日圓），較去年同期成長 29%。蘋果本身並未將這項成長歸因於 OpenAI 等 AI 實驗室，但訂單集中在大記憶體配置、供給跟不上的情況已被指出。
來自企業端的意外詢問，據稱也是新款 Mac mini 與 Mac Studio 較往年秋季時程提前發表的原因之一。新機型將本機執行 AI 模型放在顯著位置，放在這個脈絡下看就相當容易理解了。
競爭對手也有所反應。據稱 NVIDIA 將蘋果視為本機 AI 領域的主要競爭者，並把 DGX Spark 定位為面向開發者的小型系統。台灣方面的報導指出，ASUS 與 MSI 已用完相關 RTX Spark 產品的首批配額並在尋求追加供給，圍繞這類能放在桌面上的 AI 機器的爭奪並不只涉及一家公司。
※1 美元 = 160 日圓（截至 2026 年 8 月 31 日）
總結
OpenAI 大量採購 Mac 這件事，顯示 AI 代理的訓練正從「把模型跑起來」走向「大量準備真實的電腦」。對蘋果來說，這是一份並非刻意爭取的企業需求自己找上門來。是要繼續把 Mac 當作桌機來賣，還是正視那些把它當成運算資源使用的客戶，這將是觀察下一代 Mac mini 與 Mac Studio 定位時相當有意思的分岔點。
