OpenAI 买了几万台 Mac，英伟达的 GPU 城墙被 RL 烧穿了一道
发布于 2026-08-31
OpenAI 已买几万台 Mac mini/Mac Studio 跑强化学习，Anthropic 同步在 AWS 租 Mac mini——RL 工作负载的高频小 batch 特性，让苹果的统一内存架构撕开了英伟达 GPU 主导的口子。这是 GPU 神话的边界，也是算力账本重写的前夜。
OpenAI 买了几万台 Mac，英伟达的 GPU 城墙被 RL 烧穿了一道
英伟达最该盯着的对手，不是 AMD，也不是华为昇腾。是苹果。
The Information 爆料，OpenAI 已经买了几万台 Mac mini 和 Mac Studio，专门拿来跑强化学习，训练 computer-use agent。不是给员工发办公电脑，是塞进数据中心当训练卡用。
数量还没官方确认，OpenAI 也没回应。但 Anthropic 正在通过 AWS 租 Mac mini 做同样的事。行业动作藏不住。
<!-- 配图：OpenAI 数据中心内成排 Mac mini 机架，非官方示意 -->问题来了。GPU 不是训练 AI 的默认答案吗？为什么 OpenAI 要绕开英伟达，买一堆贴着苹果 logo 的机器？
区别在负载。
大模型预训练是重吞吐的活，一块 H100 跑几个星期，batch 越大效率越高，GPU 的并行算力是天然的。可强化学习不是这么玩的。
RL 是高频试错：agent 做一个动作，环境给反馈，模型马上更新，再试下一轮。每一步都是小 batch 推理加上参数更新，数据在内存里来回倒腾的次数远高于预训练。
这时候英伟达架构的软肋就露出来了——显存和系统内存是两张桌子。HBM 很快，但和 CPU 的内存隔着一道 PCIe，中间端菜来回跑，延迟和带宽都卡脖子。
苹果的统一内存正好把两张桌子并成一张。CPU 和 GPU 直接访问同一块内存，不用搬数据。Mac Studio M5 Ultra 的统一内存带宽 1.2TB/s，M5 Pro 307GB/s（来源：爱范儿 2026-08-27）。这个数字放到 RL 的高频小 batch 场景里，就是命脉。
大模型预训练是流水线大锅饭，强化学习是现炒小灶，GPU 当不了这个厨子。
一个像中央厨房，一个像私人小灶。预制菜可以批量送中央厨房，但现炒现调，小厨房更快、更便宜。
<!-- 配图：苹果统一内存 vs 英伟达 GPU 分离式显存架构对比图 -->英伟达不是没察觉。它已经把苹果列为「本地 AI 领域最大竞争对手」，2025 底还推出了 DGX Spark，直接对标 Mac mini。能让黄仁勋专门出产品去防的对手，没几个。
更黑色幽默的是，苹果自己也没想到。
前苹果 AI 产品企业营销经理 Todd Dailey 说，苹果没有面向企业客户的工程团队，也没有开发者关系员工。上一台服务器产品是 2011 年停产的 Xserve。
也就是说，苹果根本没打算打这场仗，是 AI 公司自己把 Mac 抬进了数据中心。
Mac 营收同比涨了 29%，到 103 亿美元，超过 iPhone 和 iPad，成了苹果增长最快的业务（来源：Apple 2026 财年 Q3 财报）。这在苹果财报里很罕见——一个被当成「夕阳个人电脑」的产品线，被 AI 重新定价了。
需求真实到断货。Mac mini 高配版和 Mac Studio 已经断货好几个月。内存芯片的争夺战已经开始挤压消费端，TrendForce 说三星、SK 海力士、美光都把先进晶圆产能往企业级倾斜，消费级 PC DRAM 供给被压缩，HBM 涨价溢出到消费端（来源：爱范儿 2026-08-27）。
苹果自己也被短缺卡住，这反而说明 AI 公司不是在炒概念。
前 OpenAI 基础设施员工 Peter Voell 创办了 Mount Thor，要做基于苹果硬件的 AI 执行环境，还在隐身模式。聪明人已经用脚投票了。
<!-- 配图：Mac Studio M5 Ultra 芯片特写或苹果企业活动现场 -->英伟达 GPU 在预训练这条河里的优势依然宽。但 RL 这把火，烧的是另一条河。
过去十年，AI 算力约等于 GPU，GPU 约等于英伟达。这个等式现在被苹果用消费级芯片凿开了一道缝。苹果没吹过「企业级」「数据中心」，但它手里的统一内存架构，恰好卡住了 RL 的命门。
库克卸任前还专门搞了一场 Apple Park 的企业客户活动，Anthropic 联合创始人 Jared Kaplan 出席（来源：量子位 2026-08-31）。这可能是苹果历史上最像「被需求推着走」的转型。
英伟达要继续赢，光靠 GPU 不行了。
它得回答一个问题：当训练负载从「一口气跑完」变成「一直跑、来回改」，谁的内存架构更聪明？
目前看，苹果比它先交了一份答案。
给开发者的三条建议：
- 算 workload 账。RLHF / agent 训练这种高频小 batch 场景，Mac 集群的真实成本可能比 GPU 集群便宜 30%-50%。
- 盯 M5 Ultra / M6 节奏。苹果这次把 Mac 产品更新提前到 8 月（往年是 10/11 月），说明消费 AI 化倒逼供应链的反应速度。
- 看 Mount Thor / webAI 这类苹果硬件云。当「GPU 不是唯一答案」变成共识，新的云服务商正在重新切割算力蛋糕。
过去十年的 AI 算力账本，押在了英伟达一个名字上。今天起，多了一行：Apple Silicon。
参考来源：
- 量子位 2026-08-31，《OpenAI买几万台Mac搞强化训练！英伟达的活被苹果抢了》 https://www.qbitai.com/2026/08/481759.html
- 爱范儿 2026-08-27，《为什么苹果、小米的 AI 电脑，都在死磕「内存墙」》 https://www.ifanr.com/1676852
- Apple Newsroom 2026-07，《Apple Reports Third Quarter Results》 https://www.apple.com/newsroom/2026/07/apple-reports-third-quarter-results/
- The Information, https://www.theinformation.com/articles/apple-stumbled-ai-hardware-success-mac