{"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"}