文｜鋅刻度 李覲麟

大多數消費者眼裏，Mac是剪輯視頻、寫代碼、日常辦公的消費級終端，英偉達GPU是大模型訓練無可替代的算力基石，兩者屬於毫不相干的產業賽道。但8月31日，OpenAI瘋狂採購十萬台Mac專門用於強化學習的消息卻引起了產業熱議。

一種論調開始出現：英偉達壟斷AI訓練算力的時代正在落幕，蘋果正在搶走英偉達的生意。蘋果最新財報也側面印證這股異動，Mac單季度營收達到103億美元，按年增幅接近29%，增速超過 iPhone、iPad，成為蘋果硬件板塊增長最快的業務線，市場則將這一份增長很大程度歸因於AI企業的批量採購需求。

但如果撥開輿論渲染的「替代敘事」就能發現，這並非一場你死我活的零和博弈，而是一場在AI宏大敘事下的各司其職。

當AI產業進入Agent時代之後，算力需求發生分層蘋果憑藉M系列芯片的統一內存架構，在AI的「最後一公里」誤打誤撞地找到了自己的位置。而英偉達，依舊掌控着AI世界的核心區，也就是大模型預訓練與稠密算力。

為何是Mac？一次系統與內存的勝利

OpenAI大批量採購Mac，實際上並不是用來做GPT系列大模型的基礎預訓練，消耗萬億級token數據、迭代千億級模型參數的工作，依舊跑在大規模英偉達GPU集群之上，Mac 承擔的是後續的強化學習與真機環境訓練任務。

如果用更簡單的說法來類比就是，傳統大模型像一個博覽群書的高級顧問，用戶向它提問，它輸出文字、方案，但所有交互停留在對話框之內；

而計算機操作AI智能體，相當於訓練一個真實的職場實習生，這個實習生需要學會操作電腦，完成打開表格整理業務數據、切換瀏覽器檢索資料等一整套連貫複雜工作流程。

然而訓練AI智能體又存在着一個行業痛點，這在斯坦福大學發布的《2026 AI Index Report》當中有相關調研顯示，仿真環境訓練出來的智能體，在虛擬環境任務完成率可以高達89.4%，但一旦把這些看似「滿級」的智能體遷移到真實操作系統中，任務完成率便會斷崖式下跌，出現嚴重的虛實鴻溝。

蘋果新一季度財報

想要解決這個問題，最直接的路徑就是把 AI 智能體放到真實操作系統裏面去反覆試錯。這也是為什麼 AI 巨頭沒有簡單選擇純軟件仿真，不惜成本批量採購Mac。因為機房中的每一台Mac，就是AI智能體的一個獨立工位，每一台機器運行獨立 macOS 環境，智能體在裏面日復一日進行實操。

對於消費者來說，Mac 是帶螢幕、鍵盤的個人生產力工具，但進入 AI 實驗室機房，Mac 拆掉外設，只保留主機本體，就成為了AI 智能體訓練的環境載體。

據外媒報道，OpenAI訓練的計算機操作智能體與寫詩作畫的模型不同，所以需要強化學習的過程，並通過海量的試錯來優化策略。

但為什麼大佬們這次選擇蘋果？

一方面，macOS的許可協議和底層虛擬化限制，使得在非蘋果硬件上大規模、合規地運行macOS實例幾乎不可能。簡單來說就是，要訓練出會操作Mac系統的AI，就必須用Mac真機。

另一方面，蘋果的統一內存架構，也起到了無心插柳柳成蔭的作用。當AI大模型試圖在傳統GPU上運行時，數據需要在CPU內存和GPU顯存之間來回搬運，就像兩座相鄰但需要繞遠路的島嶼。

Mac產品優勢

而蘋果的M系列芯片，則是將CPU、GPU和神經網絡引擎放在了一個大平層裏，共享一個巨大的內存池。一台配備512GB統一內存的Mac Studio，帶寬高達1.2TB/s，就可以在本地完整加載甚至微調海量數據。這也解釋了為什麼Anthropic也通過AWS租用Mac mini來做類似任務。

至於在企業AI市場的突然走紅，其實連蘋果自己都始料未及，今年4月從蘋果離職的前AI產品企業營銷經理Todd Dailey如今是一名獨立AI顧問，他曾透露，Mac在企業AI市場的走紅完全是意外，而非蘋果的主動規劃，蘋果甚至沒有專門的企業工程團隊來對接這一需求。

從結果來看，蘋果的確拿到了不錯的反饋，最新財報顯示，最近一個季度，Mac銷售額按年增長近29%，達到103億美元，增速超過了iPhone、iPad等蘋果旗下所有其他產品線，Mac成了蘋果增長最快的業務。

Agent時代來臨，兩股力量互補

當OpenAI的工程師們正在進行Mac mini的集群部署時，英偉達的數據中心也正忙着交付超級計算機。因此，蘋果和英偉達之間，其實並不存在着「搶飯碗」的問題。

首先值得探討的是，飯碗與飯碗之間的差距究竟有多大？

8月26日美股盤後，英偉達交出的2027財年第二季度成績單顯示，截至2026年7月26日的三個月裏，營收962.21億美元，比去年同期翻了一倍還多，增幅106%；淨利潤596.88億美元，按年漲126%，毛利率75%。

高收入的同時，英偉達依然佔據着全球數據中心高端AI GPU市場80%-85%的份額，擁有壓倒性優勢。

英偉達總營收趨勢

因此，哪怕用蘋果最新一季的Mac業務創紀錄的104億美元營收來對比，依然和英偉達的數據中心營收不在一個量級。

英偉達與蘋果在AI領域的角色差異，則可以類比為「中央電站」與「家用發電機」。

英偉達的GPU集群是用來訓練萬億參數基座大模型，而且英偉達不僅賣芯片，它賣的是整個AI基礎設施的解決方案，它的護城河不僅是硬件性能，更是已經積累了近20年、幾乎所有AI框架都原生支持的CUDA生態。

而蘋果M系列芯片完成的是強化學習的交互生成，是模型微調，是端側推理。這些任務往往需要單卡內存夠大、功耗夠低、環境夠封閉。OpenAI採購的數萬台Mac，並不是用來從頭訓練GPT-6的，它們更像是一個個訓練場，負責生成高質量的交互數據，或者對現有模型進行針對性的後訓練。

即便是英偉達盯上了桌面AI這一畝三分地，推出了DGX Spark這樣的緊湊型AI桌面電腦，也只是為了補全其「AI工廠」版圖中的邊緣節點，而蘋果闖入AI數據中心，則更像是一場意外。

OpenAI購買Mac用於強化訓練

蘋果的策略，在業界也被形容為「賣出方向盤」。它不需要成為AI模型的領頭羊，也不需要投入千億美元建數據中心，它只需要確保自己的終端硬件能跑得動AI應用，然後坐等AI紅利通過硬件溢價和訂閱服務變現。

據估計，蘋果手握近千億美元的現金流，它更傾向於把這筆錢花在M系列芯片自研和供應鏈優化上，而不是去設法搶英偉達H100的生意。在這種邏輯下，Mac系列被AI實驗室瘋搶，對蘋果來說算是一筆意外橫財，順便還消化了Mac產品線的庫存，拉高了營收。

如果拉長時間維度，未來的算力世界或許不會走向一家芯片通喫全部AI任務，而是走向分層異構的格局。在不同場景下，環境適配、內存、軟件工具鏈的綜合實力纔是AI發展不可或缺的構成部分。

這場看似「搶飯碗」的輿論狂歡，本質上是AI產業鏈精細化分工的一個註腳。當數萬台Mac進入OpenAI機房，這意味着AI已經跨過單純大模型對話時代，正式邁向 AI智能體動手實操的新階段。

這場競賽沒有輸家，二者更不是零和博弈，因為AI的浪潮足夠寬廣，這是屬於AI產業鏈條上不同環節的互補力量。