{"source":{"id":"2100209404272673052","title":"自研芯片接上老冤家的网线。 停产服务器整整15年后，苹果准备杀回来了。 一台专门跑AI推理的企业级服务器正在成型。 机器…","url":"https://mubeitech.com/p/2100209404272673052"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"raw_36fb6bc27f68c59b","account":"mubei","brand":"@mubei","title":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。 这不是几台发给员工的办公电脑。 是数以…","summary":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。 这不是几台发给员工的办公电脑。 是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。 与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。 在所有人盯着英伟达万卡…","body":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。\n这不是几台发给员工的办公电脑。\n是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。\n与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。\n在所有人盯着英伟达万卡集群和吉瓦级电力的时候，最顶尖的 AI 实验室，为什么突然在机房里堆砌消费级苹果电脑？\n是英伟达显卡买不起了？\n还是算力世界底下，出现了一道全新的窄门？\n答案藏在模型训练的范式转移里。\n过去训练底层大模型，算的是纯数学。\n把海量文本切成向量，丢进几万张英伟达 GPU 里做高密度的矩阵乘法。\n那是纯算力密集型任务，谁的显卡集群大、通信带宽快，谁就能炼出更聪明的模型。\n但当模型走出聊天框，开始学习替人类操作电脑，游戏规则彻底变了。\n教一个智能体使用电脑，不能只靠喂它读现成的文本。\n它必须像一个刚上岗的学徒，在真实的操作系统里，靠强化学习反复试错。\n这台正在支配智能体军备竞赛的机器，叫环境展开吞吐墙。\n在强化学习的世界里，智能体要学会精准点击一个按钮、在表格里填入数据、跨五个窗口完成订票，需要成千上万次试错。\n每一次试错，叫一次轨迹展开。\n智能体看着屏幕截图，识别按钮位置，发出鼠标指令，点击，等待界面渲染，如果软件崩溃了就重启，直到拿到任务完成的奖励分。\n要在一个月内完成训练，实验室必须在后台同时并发运行数万个真实的操作系统环境。\n为什么不能在传统的数据中心里，用一台超级服务器虚拟出几百个系统？\n因为苹果用两道坚硬的锁，把虚拟化的大门彻底焊死了。\n第一道锁是法律许可。\n苹果的软件许可协议 EULA 立了死规矩：macOS 只能运行在苹果自家的硬件上，严禁装在通用的云服务器上。\n第二道锁是物理与系统的硬限制。\n哪怕在苹果自家的芯片上，单台物理设备最多也只允许运行两个虚拟 macOS 实例。\n云计算用了二十年的弹性多租户池化，在这里全部失效。\n云厂商无法拿一台超级服务器切出几百个虚拟桌面。\n亚马逊云能提供的，只有物理专属主机模式：租客必须按天整台租下一台台物理 Mac。\n这意味着，如果你需要两万个真实的 macOS 试错环境，你别无选择。\n你必须实打实买下一万到两万台物理机器。\n这台机器不仅有法律约束，还有底层的硬件巧合。\n智能体操作电脑，需要 CPU 运行操作系统和桌面应用，同时需要图形核心跑视觉模型来识别屏幕上的每一个像素。\n在传统电脑架构里，CPU 内存和显卡显存各自分立，每一次截取屏幕，海量像素数据都要在两条总线之间来回搬运，造成严重的延迟瓶颈。\n苹果芯片的统一内存架构 UMA，让中央处理器与图形处理器共享同一池超大内存。\n操作系统渲染的图形，视觉模型零延迟就能直接读取。\n一台拳头大小的桌面设备，既自带了真实的操作系统环境，又提供了不需要跨总线搬运的高带宽内存。\n从大语言模型走向电脑操作智能体，算力的定义正在发生转移。\n上一阶段的军备竞赛，比的是谁能买到更多万卡集群，把矩阵乘法算到极致。\n下一阶段的智能体竞争，卡点正从纯算力，撞上真实环境的展开吞吐量。\n当 AI 开始伸出触角接管人类的桌面，它必须在一个个真实的操作系统里跌倒、重试。\n最先进的人工智能，最终撞上了物理世界最硬的边界：\n哪怕模型再聪明，要在真实的闭源生态里学会点鼠标，也必须一台台买下那个生态里的物理铁盒。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2094378422743011779","translated_status_id":"2094378422743011779","published_at":"2026-08-31 12:49:29","created_at":"2026-08-31T12:49:29.921106","url":"https://mubeitech.com/p/raw_36fb6bc27f68c59b","markdown_url":"https://mubeitech.com/p/raw_36fb6bc27f68c59b/markdown"},{"rank":2,"id":"mb-20260831-e837f1","account":"mubei","brand":"","title":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio","summary":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio","body":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。\n这不是几台发给员工的办公电脑。\n是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。\n与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。\n在所有人盯着英伟达万卡集群和吉瓦级电力的时候，最顶尖的 AI 实验室，为什么突然在机房里堆砌消费级苹果电脑？\n是英伟达显卡买不起了？\n还是算力世界底下，出现了一道全新的窄门？\n答案藏在模型训练的范式转移里。\n过去训练底层大模型，算的是纯数学。\n把海量文本切成向量，丢进几万张英伟达 GPU 里做高密度的矩阵乘法。\n那是纯算力密集型任务，谁的显卡集群大、通信带宽快，谁就能炼出更聪明的模型。\n但当模型走出聊天框，开始学习替人类操作电脑，游戏规则彻底变了。\n教一个智能体使用电脑，不能只靠喂它读现成的文本。\n它必须像一个刚上岗的学徒，在真实的操作系统里，靠强化学习反复试错。\n这台正在支配智能体军备竞赛的机器，叫环境展开吞吐墙。\n在强化学习的世界里，智能体要学会精准点击一个按钮、在表格里填入数据、跨五个窗口完成订票，需要成千上万次试错。\n每一次试错，叫一次轨迹展开。\n智能体看着屏幕截图，识别按钮位置，发出鼠标指令，点击，等待界面渲染，如果软件崩溃了就重启，直到拿到任务完成的奖励分。\n要在一个月内完成训练，实验室必须在后台同时并发运行数万个真实的操作系统环境。\n为什么不能在传统的数据中心里，用一台超级服务器虚拟出几百个系统？\n因为苹果用两道坚硬的锁，把虚拟化的大门彻底焊死了。\n第一道锁是法律许可。\n苹果的软件许可协议 EULA 立了死规矩：macOS 只能运行在苹果自家的硬件上，严禁装在通用的云服务器上。\n第二道锁是物理与系统的硬限制。\n哪怕在苹果自家的芯片上，单台物理设备最多也只允许运行两个虚拟 macOS 实例。\n云计算用了二十年的弹性多租户池化，在这里全部失效。\n云厂商无法拿一台超级服务器切出几百个虚拟桌面。\n亚马逊云能提供的，只有物理专属主机模式：租客必须按天整台租下一台台物理 Mac。\n这意味着，如果你需要两万个真实的 macOS 试错环境，你别无选择。\n你必须实打实买下一万到两万台物理机器。\n这台机器不仅有法律约束，还有底层的硬件巧合。\n智能体操作电脑，需要 CPU 运行操作系统和桌面应用，同时需要图形核心跑视觉模型来识别屏幕上的每一个像素。\n在传统电脑架构里，CPU 内存和显卡显存各自分立，每一次截取屏幕，海量像素数据都要在两条总线之间来回搬运，造成严重的延迟瓶颈。\n苹果芯片的统一内存架构 UMA，让中央处理器与图形处理器共享同一池超大内存。\n操作系统渲染的图形，视觉模型零延迟就能直接读取。\n一台拳头大小的桌面设备，既自带了真实的操作系统环境，又提供了不需要跨总线搬运的高带宽内存。\n从大语言模型走向电脑操作智能体，算力的定义正在发生转移。\n上一阶段的军备竞赛，比的是谁能买到更多万卡集群，把矩阵乘法算到极致。\n下一阶段的智能体竞争，卡点正从纯算力，撞上真实环境的展开吞吐量。\n当 AI 开始伸出触角接管人类的桌面，它必须在一个个真实的操作系统里跌倒、重试。\n最先进的人工智能，最终撞上了物理世界最硬的边界：\n哪怕模型再聪明，要在真实的闭源生态里学会点鼠标，也必须一台台买下那个生态里的物理铁盒。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:50","created_at":"2026-08-31 10:58:50","url":"https://mubeitech.com/p/mb-20260831-e837f1","markdown_url":"https://mubeitech.com/p/mb-20260831-e837f1/markdown"},{"rank":3,"id":"mb-20260831-a7f9a4","account":"mubei","brand":"","title":"OpenAI 悄悄买下了几万台苹果 Mac mini 和 Mac Studio","summary":"OpenAI 悄悄买下了几万台苹果 Mac mini 和 Mac Studio","body":"OpenAI 悄悄买下了几万台苹果 Mac mini 和 Mac Studio。\n同一时间，Anthropic 在亚马逊云上整机架地包租苹果电脑。\n全世界最顶尖的 AI 实验室，突然开始像网吧老板一样囤积家用台式机。\n这很反常。\n所有人都以为，训练顶级 AI 的标配是液冷机房、核电站和几万张英伟达 H100 显卡。\n如果只是缺算力，为什么要买这堆几百美元一台的消费级盒子？\n因为 AI 正在撞上一堵新墙。\n这台机器叫：环境交互瓶颈。\n过去两年，大模型在做的事情叫预训练。\n它在读人类写好的静态网页、论文和代码。\n那些数据早就躺在硬盘里，几万张英伟达显卡只需要全力做矩阵乘法。\n但如果你想训一个能替人类干活的电脑操作智能体，静态数据彻底归零了。\n互联网上没有任何一个现成的数据集，能记录鼠标点错之后弹出的系统报错怎么关。\nAI 想学会操作电脑，就必须自己坐到电脑前面。\n它得看一眼屏幕，按一次键盘，点一下鼠标，看系统怎么反应，再决定下一步。\n在强化学习里，这叫动作与反馈的闭环。\n训练数据不再从硬盘里读取。\n它来自真实的操作系统，靠 AI 一次次乱点、试错、崩溃，现场生成。\n有人会问：为什么不在机房的服务器里，虚拟出几万个桌面系统？\n这里卡着两道硬锁。\n第一道是法律锁。\n苹果的软件许可协议第 2 条写得清清楚楚：macOS 严禁在非苹果硬件上虚拟化运行。\n全球估值最高的 AI 公司，也无法合规地用机房里的服务器模拟出合法的苹果桌面。\n第二道是硬件架构锁。\n一个操作桌面的智能体，既要处理实时的屏幕图像，又要调度系统底层的各种事件，还要在本地加载模型。\n传统服务器架构里，数据要在处理器和显卡之间来回搬运，单台功耗动辄上千瓦。\n苹果芯片的统一内存架构，让处理器和图形核心共用同一池内存。\n一台 Mac mini 功耗只有几十瓦，静音，不占地，开机就是一个天然完整的真实操作系统。\n把几万台 Mac 连成集群，不是为了拼算力峰值。\n这是在物理世界里，硬生生给 AI 搭建的一个超大规模数字驾驶练习场。\n算力的游戏规则变了。\n以前拼的是谁的大脑算得更快。\n现在拼的是谁能提供更多、更便宜、更真实的操作系统，让 AI 去试错。\n英伟达的大算力机房负责让 AI 学会思考。\n桌上这堆不起眼的小方盒子，负责让 AI 学会替人类干活。\n当所有人的目光还在盯着天价的特种显卡时，真正的瓶颈，已经悄悄转移到了物理世界最基础的执行环境里。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:53","created_at":"2026-08-31 10:58:53","url":"https://mubeitech.com/p/mb-20260831-a7f9a4","markdown_url":"https://mubeitech.com/p/mb-20260831-a7f9a4/markdown"},{"rank":4,"id":"2038351931589193953","account":"mubei","brand":"@mubei","title":"硅谷砸了1.4万亿美元搞AI大模型。 最后全给苹果做了嫁衣。 看看几大科技巨头的固定资产回报率。 微软、谷歌、亚马逊的数…","summary":"硅谷砸了1.4万亿美元搞AI大模型。 最后全给苹果做了嫁衣。 看看几大科技巨头的固定资产回报率。 微软、谷歌、亚马逊的数据正在一路坠机。 只有苹果那根柱子依然坚挺。 别人在疯狂烧钱建算力中心。 苹果在干嘛？ 什么都没干。 等各家卷出胜负了，它直接掏10亿美元把谷歌的模型拿来用。…","body":"硅谷砸了1.4万亿美元搞AI大模型。\n最后全给苹果做了嫁衣。\n\n看看几大科技巨头的固定资产回报率。\n微软、谷歌、亚马逊的数据正在一路坠机。\n只有苹果那根柱子依然坚挺。\n\n别人在疯狂烧钱建算力中心。\n苹果在干嘛？\n什么都没干。\n等各家卷出胜负了，它直接掏10亿美元把谷歌的模型拿来用。\n别人替它付了一万四千亿的试错成本。\n\nOpenAI还在发愁怎么卖高价订阅费。\n苹果只需按下一个开关。\n全球25亿台设备一夜之间拥有原生AI。\n芯片自带算力，不走云端，完全免费。\n\n竞争对手把现金全耗在了大模型底座上。\n苹果账户里还有1350亿美元现金。\n这笔巨款刚好用来垄断硬件和应用层。\n大厂花上万亿造出的神，在苹果眼里只是个底层插件。\n\n想接触那25亿高质量用户，就得乖乖交出接口。\n巨头们拼死拼活铺好了铁轨。\n苹果直接在上面盖起了收银台。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2038562297098985905","translated_status_id":"2038562297098985905","published_at":"2026-03-30 09:30:10","created_at":"2026-03-30T11:28:28.292312","url":"https://mubeitech.com/p/2038351931589193953","markdown_url":"https://mubeitech.com/p/2038351931589193953/markdown"},{"rank":5,"id":"mb-20260831-98330a","account":"mubei","brand":"","title":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超","summary":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超","body":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超了。\n过去十年，整个算力工业都把黄仁勋的 CUDA 生态当成不可撼动的物理定律。\n硬件架构容易画，但数以万计由顶尖工程师手写的底层算子库，能把所有挑战者活活耗死。\n没有任何一家芯片初创公司能活着跨过这条软件护城河。\n为什么 OpenAI 第一次下场造芯，就能在推理吞吐和能效上跑出将近两倍的优势？\n答案不在半导体制程，在一台被掩盖了十年的隐形机器：通用算力税与软件自举。\nNvidia 的 GPU 是一台什么都能算的通用机器。\n它要兼顾大模型训练、图形渲染、科学仿真、双精度浮点、光线追踪，还要兼容上百万种不同的历史算法。\n为了照顾这种通用性，芯片上大比例的硅片面积、控制逻辑和功耗，都在为那些你永远用不上的功能待命。\n但今天 AI 商业的核心战线，已经彻底从训练转向了推理。\n推理是一道纯粹的物理题。\n模型架构是固定的，矩阵乘法的尺寸是确定的，注意力机制的数据流是透明的。\n在推理的世界里，决定运营成本的不看纸面算力，看每焦耳能量能吐出多少个字符。\n当你在通用显卡上跑推理，买下的每一个核心，都在替那些闲置的通用电路交税。\nOpenAI 找博通合作自研的这块芯片，代号 Jalapeño，从第一天起就做了一件事：把通用包袱全部砍光。\n700 瓦功耗，单包封装塞进 15.4 TB/s 显存带宽的 HBM4，只保留专为大模型定制的矩阵引擎和权重静态脉动阵列。\n在 SemiAnalysis 的基准测试里，它的每瓦吞吐量做到了 Blackwell 的 1.5 到 1.9 倍，端到端延迟降低了数倍。\n如果只是在硬件上做减法，过去无数 ASIC 芯片公司也尝试过，全都撞得粉身碎骨。\n因为它们撞上了一堵无法逾越的高墙：底层软件库。\n想让一块新芯片跑出极致性能，需要数百名顶尖工程师花几年时间，一行一行手写汇编级内核。\nOpenAI 拆掉这堵高墙，靠的是两样核心工具。\n第一样叫 Triton 和 Gluon。\n他们自己搭建了编译器，用代数规则直接把张量映射到芯片寄存器，彻底绕开了 Nvidia 的闭源底层库。\n第二样更致命：让 AI 自己写驱动。\nOpenAI 直接调用内部的 Codex 模型，去生成并调优成千上万行繁重复杂、精细到寄存器的底层汇编算子。\n人类工程师需要耗费数月攻坚的代码调优，大模型在几天之内就能遍历出最优解。\n从 2024 年年中组建团队，到 2025 年 11 月流片，整个开发周期只用了 16 个月。\n真正瓦解旧垄断的，往往不是更先进的光刻机。\n是当你的业务规模大到可以直接定制硬件，同时用自己的软件编译器和 AI 工具链，抹平所有生态迁移成本。\n当制造顶级芯片的门槛，从数百名硬件专家的手艺沉淀，变成编译器加模型自举，旧霸主的护城河还能守住多久？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:52","created_at":"2026-08-31 10:58:52","url":"https://mubeitech.com/p/mb-20260831-98330a","markdown_url":"https://mubeitech.com/p/mb-20260831-98330a/markdown"}]}