Mac mini захватывает ИИ: OpenAI скупила десятки тысяч машин Apple

Тихая революция в серверных комнатах
Пока весь мир обсуждает гонку Nvidia против AMD и споры вокруг H100 против B200, в инфраструктуре крупнейших ИИ-лабораторий произошло кое-что неожиданное. OpenAI, компания, которая буквально построила свой успех на гигантских GPU-кластерах Microsoft Azure, массово скупила... Mac mini. Десятки тысяч штук. И это не опечатка.
По данным The Information, OpenAI приобрела десятки тысяч Mac mini и Mac Studio - компактных настольных компьютеров Apple на чипах серии M - специально для обучения так называемых computer-use агентов. Это системы, которые умеют самостоятельно работать за компьютером: кликать, заполнять формы, редактировать код, читать экран и выполнять многошаговые задачи без участия человека. Anthropic при этом пошла другим путем и арендует аналогичные Mac mini через Amazon Web Services.
Почему Mac, а не GPU?
Вопрос закономерный. ИИ-индустрия последние пять лет буквально молилась на Nvidia. Каждый чип H100 - на вес золота, каждый кластер DGX - предмет зависти. И вдруг - настольные компьютеры Apple?
Ответ кроется в специфике задачи. Предобучение гигантских языковых моделей действительно требует тысяч GPU, соединенных высокоскоростными интерконнектами. Но обучение компьютерных агентов через reinforcement learning - это принципиально другой зверь. Агент должен снова и снова взаимодействовать с реальным интерфейсом: открыть браузер, перейти по ссылке, нажать кнопку, получить обратную связь, скорректировать поведение. Для этого нужны тысячи параллельных изолированных сред, а не одна монолитная GPU-ферма.
Здесь Apple Silicon показывает неожиданное преимущество. Унифицированная архитектура памяти чипов M-серии означает, что CPU и GPU работают с одним общим пулом памяти без узкого места при передаче данных между ними - именно того узкого места, которое есть у видеопамяти Nvidia. Для агентных рабочих нагрузок, где постоянно нужно читать состояние экрана и принимать решения, это дает реальный выигрыш.
К тому же Mac mini и Mac Studio - в отличие от MacBook - оснащены полноценными системами охлаждения. Они могут работать часами и сутками под нагрузкой без троттлинга. Для reinforcement learning, сессии которого могут длиться днями, это критично.
Дефицит и ажиотаж
Спрос оказался настолько высоким, что самые мощные конфигурации Mac Studio были распроданы на несколько месяцев вперед - виной тому дефицит чипов памяти. OpenAI хочет еще больше машин, но просто не может их купить. Это само по себе говорит о масштабе инвестиций.
Финансовый след этого тренда уже виден в отчетности Apple. В июньском квартале 2026 года выручка Mac-сегмента выросла почти на 29% год к году до $10,4 млрд. Случайное ли это совпадение? Вряд ли.
Экосистема вокруг Apple-кластеров
Вокруг этого тренда уже формируется инфраструктура. Открытый проект Exo позволяет объединять несколько Mac в кластер для запуска крупных моделей локально. Apple активно продвигает эту разработку. Бывший сотрудник инфраструктурной команды OpenAI Питер Воэлл строит облачный сервис Mount Thor - полностью на Apple-железе.
Nvidia не сидит сложа руки: компактный DGX Spark - это прямой ответ на нишу локальных ИИ-вычислений. Он делает ставку на выделенную GPU-мощность, CUDA и Tensor Cores. Архитектурно это противоположный подход к Apple Silicon. Какой из них эффективнее именно для computer-use агентов - пока нет публичных сравнительных бенчмарков, и это само по себе интересный пробел.
Что это значит для рынка
Для разработчиков и исследователей история интересна на нескольких уровнях. Во-первых, это сигнал: агентные рабочие нагрузки - отдельный класс задач, который не обязательно решается теми же инструментами, что предобучение LLM. Во-вторых, Apple Silicon перестал быть просто "достаточно хорошим для MacBook" - он конкурентоспособен в конкретных production-сценариях.
Для российской аудитории: Mac mini и Mac Studio официально не продаются в России через Apple Store с 2022 года. Серые поставки существуют, но цены значительно выше, а гарантия - вопрос удачи. Тем не менее для тех, кто занимается локальным запуском моделей или разработкой агентов, интерес к этому железу вполне понятен - особенно с учетом того, что Exo и аналогичные проекты работают без привязки к западным облакам.
GPU-монополия Nvidia в ИИ-инфраструктуре остается незыблемой для масштабного предобучения. Но история с Mac mini показывает: для определенных задач рынок уже голосует ногами - и это десятки тысяч машин, купленных самыми требовательными покупателями в мире.
Исходная информация опирается на материал The Information; другие публикации в основном пересказывают тот же источник.
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.