AI智能体狂潮带火Mac! 苹果(AAPL.US)下场争夺AI算力预算，进击AI基建领域

智通财经APP获悉，近期增长战略全面转向AI与昂贵折叠屏iPhone的美国消费电子巨头苹果公司(AAPL.US)新款台式电脑于美东时间周二开始发货时，该公司高管开始向大型企业买家们提出一个不同寻常且颇具性价比吸引力的推销理由：购买这些高性能电脑设备比租用大型AI数据中心更便宜。

据了解，苹果全新升级后的Mac mini和Mac Studio系列苹果台式电脑设备将能够在本地处理一些复杂的AI任务/AI推理工作负载，售价可接近2万美元，它们将与英伟达(NVDA.US)高性能工作站GPU以及微软(MSFT.US)、惠普(HPQ.US)以及戴尔(DELL.US)等美国个人电脑制造商们正在推出的新款可端侧处理AI任务的台式电脑正面交锋。预计这些新机将成为美国软件科技巨头微软公司下个月在旧金山举办的Windows活动的焦点。

AI智能体为Mac打开的新市场，来自持续执行任务所需要的本地计算能力。OpenClaw所代表的智能体工作流，会反复进行模型调用、文件读取、代码运行、浏览器操作和结果校验，使电脑从等待用户操作的终端，转变为能够持续工作的任务执行平台。近日风靡全球的Muse以及Astra无疑是进一步扩大了复杂任务自动化的应用范围;从工程与商业逻辑推演，这有望增加用户对常驻运行、能效较高、部署方便的本地计算设备的需求。尤其苹果Mac系列产品能够承接本地工具执行、私有数据处理以及开放模型推理，并与云端模型协同工作。

但需要注意的是，苹果Mac主导的台式机系统“成本更低”不等于“计算能力/容量足以比肩整座AI GPU数据中心”。从经济性推导，苹果的降本主张成立的条件在于——本地AI大模型系统达到所需任务质量与响应速度，且持续使用所节省的云服务费用，超过设备折旧、电力及运维成本。

Mac本身也依靠Apple Silicon中的集成GPU执行模型计算，其优势在于统一内存让CPU与GPU共享较大容量的内存池，减少数据复制，并容纳模型权重与键值缓存(KV Cache)。大模型低并发、逐词生成的解码阶段，往往受到内存带宽限制，因此“大容量内存+较高带宽+低功耗”，配合量化和MLX软件优化，可以让适合本地部署的模型经济地运行。这尤其适合个人或小团队持续使用的代码助手、文档处理和内部智能体。

尤其是苹果管理层提及的“四台Mac运行万亿参数模型”，证明的是模型能够装载并完成推理，不能直接证明其吞吐量、延迟和并发能力等同云端GPU/TPU集群。实际表现还取决于量化精度、实际激活参数量、上下文长度及跨机通信;雷雳RDMA能够降低通信开销，但不会让多台Mac变成没有通信瓶颈的一块巨大GPU。大规模训练和高并发服务，则更能发挥英伟达AI GPU主导的数据中心所具备的专业加速器、高带宽显存及高速集群互连的优势。

苹果携新款Mac加入AI降本竞赛，力图挑战微软与英伟达

苹果升级后的Mac mini和Mac Studio能够在本地处理繁琐的AI推理任务，售价可接近2万美元，它们将与英伟达及个人电脑制造商正在推出的新款台式电脑正面交锋。预计这些新机将成为微软下个月在旧金山举办的Windows活动的焦点。

新款Mac面向编写代码或执行复杂业务工作等更高强度的AI任务，用户无需为此向OpenAI或Anthropic等云端服务领军企业支付“词元”(即所谓“Token”)费用——词元(Token)是AI计算的基本单位。

苹果公司高管们一致希望，自己在充分挖掘iPhone等电池供电设备性能与突出能效比方面积累的经验，能够帮助其在微软的传统优势市场分得一杯羹。但这一挑战十分艰巨：根据知名市场调研机构IDC的研究员Linn Huang提供的最新统计数据，苹果在企业台式电脑市场的份额约为4.6%，而Windows为91.3%。

众所周知，苹果联合创始人史蒂夫·乔布斯对企业型大型计算市场一直抱有矛盾态度，因为最终用户们无法自行挑选最喜欢的产品。不过，苹果如今在AI台式电脑领域占据了有利位置，部分原因在于该公司长期以来对节能以及高能效比的执着追求。

苹果在2020年推出首批Apple Silicon芯片时，将个人电脑中原本彼此分离的两类芯片——计算芯片与高性能内存芯片——紧密整合到苹果独家的统一内存架构中，以改善电池续航。

计算与内存之间的这种紧密连接，也意外地让Mac变得擅长处理AI任务;英伟达等全球最顶级AI芯片公司直到最近才开始转向这种方式。随着开源AI智能体工具OpenClaw在中国等市场迅速走红，苹果的Mac mini开始频繁出现售罄的情况。

尽管Mac Studio最初面向的是剪辑视频或制作音乐的内容创作者，但过去两年间，苹果已悄然加入一些不同寻常的AI功能，例如一种专门设计的芯片间互连技术，称为基于雷雳接口的远程直接内存访问(RDMA)。

在本月的发布会上，苹果高级管理层令人惊艳地展示了将四台Mac Studio连接起来，运行一个拥有足足1万亿个参数的超级AI大模型系统，以查找并修复一处图形代码错误。参数数量是衡量模型复杂程度的一个指标。此类任务通常需要数据中心，但这组Mac只需一个墙上的电源插座即可供电运行。

“一旦这台机器摆到你的桌上，你就已经付过钱了。我相信，我们提供的价值绝对出色，无论是在性能方面，还是在成本方面，”苹果首席硬件官约翰尼·斯鲁吉表示。“无需按词元付费。你只需要一遍又一遍地使用这台机器。”

微软也在与苹果争夺同一蓝海级别大型增量市场，其首席执行官萨提亚·纳德拉将设备端AI推理工作负载称为“不按实际的token用量计费的智能”。纳德拉还表示，微软计划将旗下许多AI功能整合进一款面向Windows的“超级应用”。

不过，微软长期以来在企业计算领域的领先地位，意味着它需要支持来自众多不同大型厂商的硬件，这可能会推动那些希望充分发挥特定芯片性能的Windows开发者承担更多工作。也就是说，微软长期占据企业计算市场的领先地位，Windows需要兼容众多厂商提供的硬件，因此开发者若想充分发挥某一款芯片的性能，通常需要付出更多适配和优化工作。

例如，同一个AI程序运行在不同厂商的CPU、GPU或神经网络处理器(NPU)上，可能需要针对各自的架构、驱动、计算接口和内存管理方式进行优化。Windows庞大的硬件生态扩大了兼容范围，也增加了性能优化的复杂度;苹果则能够统一设计芯片、操作系统和开发工具，更便于进行整套系统的协同优化。

微软在回应置评请求时表示，该公司一直在与芯片合作伙伴合作，通过Windows ML工具简化AI工作负载，并且正在积极投资RDMA等功能。英伟达拒绝置评，不过，在今年夏天发布新款个人电脑芯片时，英伟达首席执行官黄仁勋淡化了与苹果直接竞争的意图，称英伟达专注于拓展Windows个人电脑能够实现的功能。

英伟达的优势阵地仍然是全球超大规模AI数据中心。斯鲁吉表示，苹果正向企业买家推介这样一种理念：在苹果系列高性能设备上开发的端侧AI大模型，可以向上扩展至其最昂贵的Mac Studio超级台式机，也可以向下适配至其最便宜的iPhone和iPad，因为这些设备的芯片采用了共同的原理和设计。

“你可以向数据中心投入大量电力，”斯鲁吉在采访中表示。“但是我们坚持提供多种产品，让客户能够根据自身需求作出选择：我需要哪台电脑、哪款产品?”

当AI智能体加速走进办公桌，Mac系列迎接算力需求大爆发! 苹果的AI增长空间向外延伸

苹果管理层显然是希望全球企业们将其中一部分云计算AI资本支出——华尔街一致预期2030年之前全球AI算力基础设施支出超过3万亿美元，转化为购买苹果的自有计算设备的预算：对于调用频繁、模型能够本地部署的工作负载，企业可以将购机、电力与运维成本分摊到大量任务中，提高长期成本的可预测性。与近期光刻机巨头阿斯麦(ASML.US)等半导体设备股随AI投资热潮走强相呼应，设备厂商受益于芯片制造产能扩张，苹果则争取下游新增计算需求的整机采购预算，形成AI投资由芯片制造向企业桌面延伸的另一条路径。

正如以上内容所显示的那样，AI智能体为Mac打开的新市场，来自持续执行任务所需要的本地计算能力。苹果的技术优势集中在统一内存、大容量内存、能效与软硬件协同。在低并发的大模型逐词生成过程中，读取模型权重的内存带宽往往十分关键;长上下文和并发任务则进一步增加键值缓存所需的内存容量。统一内存让CPU与GPU共享内存池，减少数据复制，使更多本地工作负载能够高效运行。

从投资传导看，苹果最直接的机会是Mac销量增长、高内存配置占比提升，以及企业客户渗透率提高。轻量工具执行和常驻智能体可扩大Mac mini的使用场景，更大的本地模型、并发工作流和小型集群则有望增加Mac Studio及高配置产品的需求。

当台式电脑设备等端侧体系能够持续承担有经济价值的任务，用户衡量购机回报的依据，就会进一步转向节省多少工作时间、完成多少任务以及减少多少外部算力支出。与此同时，苹果已经通过采用自研芯片的私有云计算体系，为Apple Intelligence提供云端模型支持，端侧与云端协同也为其优化服务成本、响应速度和数据处理方式提供了空间。

企业AI服务器则代表苹果管理层更长期的潜在增长方向。9月16日The Information援引知情人士透露消息报道，苹果正在探索采用M8 Ultra芯片、并可能结合英伟达NVLink Fusion技术的企业AI推理服务器，暂定时间指向2029年，相关规划尚未获公司确认。若这一方向落地，苹果有机会把芯片、内存系统、软件工具链和整机设计的协同优势，延伸至更大规模的企业推理部署。其商业吸引力在于：智能体持续运行后，客户会更加重视每个成功任务的总成本、功耗和部署便利性，而这些恰好能够成为苹果竞争的重要维度;眼前的Mac需求与长期的服务器探索，也由此形成相互衔接的增长逻辑。