英伟达最深的那道护城河，被几万台 Mac mini 撬开了

英伟达最深的那道护城河，被几万台 Mac mini 撬开了

2026 年 8 月，The Information 曝出一个看起来很不真实的故事：OpenAI 悄悄扫走几万台 Mac mini 和 Mac Studio，不是办公用，是塞进 AI 数据中心做强化学习。Anthropic 紧跟其后，在 AWS 上大批量租用 Mac mini。

这家全球最烧钱的 AI 公司，把"消费电子"拉进了它最核心的生产线。

一、不是预训练那块，是强化学习这块

外界第一反应是"苹果终于杀进 AI 服务器市场了"——这是误读。Mac 没有摸英伟达的蛋糕。它摸的是另一块。

AI 训练其实分三段：

• 预训练 (Pretraining)：把万亿 token 灌进去，让模型学语言、世界、物理。这段需要的算力密度和互联带宽极高，英伟达 H100/B200 + NVLink 几乎垄断，Google TPU 是少数例外。Mac 在这里没戏，显存太小、互联太弱。
• 强化学习 (RL)：模型每跑一次就让评分器打分，根据分数调整策略。这段要的不是算力峰值，而是反复读上下文、生成答案、回传评分、再调整。模型规模相对小（base model 的 7B–70B，对比预训练的万亿），但循环频率极高。
• 推理 (Inference)：训练完了给用户用。这段又是另一场战——A100/H100/Mac/AMD 各有份额。

OpenAI 用 Mac 跑的是中间这段。

为什么要用 Mac？因为 RL 这个 workload 的特征，跟"GPU 大卡车"的设计假设是反的。

<!-- 配图：RL workload 卸载决策：预训练走 H100、RL 走 Mac、inference 多家分 -->

二、统一内存：绕开 H100 的最大瓶颈

英伟达 GPU 的设计哲学是把计算做得极猛，让数据搬运退居其次。代价是显存（HBM）和系统内存（DDR）严格分开，中间靠 PCIe 来回倒。在预训练那种"几千亿参数稳坐显存不动"的场景，这个架构很合理。

但 RL 不是这种场景。

强化学习的训练循环是这样的：读 prompt → 让模型想 → 生成答案 → 评分器打分 → 把分数传回去调整策略 → 下一轮。每一步都要：

1. 把"读出来的环境状态"塞进模型上下文（context window 通常 32K–200K token）
2. 让模型在上下文里反复推演
3. 评分器读懂输出，给出 0–1 分
4. 分数塞回去，再来一轮

上下文一长，数据就在"显存"和"系统内存"之间疯狂来回倒。H100 那种 80GB HBM 根本装不下 200K token 的多模态上下文，必须 spill 到系统内存。每 spill 一次，PCIe 带宽就是瓶颈。

M 系列芯片的统一内存架构（Unified Memory Architecture）跳过这个问题：CPU 和 GPU 共享同一块物理内存池，地址空间连通，根本不存在"搬运"这一步。

<!-- 配图：左，传统 GPU 显存与内存分离靠 PCIe 来回倒；右，M 系列 UMA CPU/GPU 共享同一块内存 -->

这不是理论推测，这是 The Information 报道里点名的核心原因：苹果的统一内存 + Mac mini/Studio 的散热设计，让它可以在 RL 这种 workload 上"连续跑几天不降频"。

预训练是搬砖——一次性把砖头从 A 搬到 B，谁力气大谁赢。强化学习是装修——砖头在客厅和厨房之间来回搬几百次，谁少跑路谁赢。

英伟达的 H100 是福特 F-150，强化学习里你需要的不是卡车，是一台能不停车往复搬运的电动三轮车。

三、英伟达的反应是真的慢了

苹果的财报无意中承认了这个趋势：2026 Q3（4–6 月）Mac 销售同比 +29%，达到 103 亿美元，增速超过 iPhone、iPad、穿戴——Mac 成了苹果增长最快的产品线。（来源：apple.com/newsroom/2026/07）