Mac mini缺货原因找到了！OpenAI、Anthropic都在抢

这轮 Mac mini 缺货的起点，不是普通消费者换机，而是 AI 实验室的批量采购。据《The Information》援引 OpenAI 内部消息人士报道，过去几个月 OpenAI 购买了数万台 Mac mini 和 Mac Studio，用于强化学习和计算机操作智能体的开发；同一报道还称，Anthropic 也在通过亚马逊 AWS 租用大量 Mac 算力。这两条信息均来自二手转述，属于来源方说法，而非苹果或 OpenAI 的官方确认。

值得注意的是，OpenAI 与 Anthropic 并不缺 GPU，它们拥有庞大的英伟达加速器集群并持续采购数据中心算力。因此，把数万台 Mac 解读为“前沿模型主训练迁移到苹果设备”并不成立。更合理的推断是：Mac 承担并行交互、轨迹采集、任务验证、本地推理以及部分后训练，而模型参数的集中更新大概率仍由数据中心加速器完成。

为什么偏偏是 Mac？计算机操作智能体需要点击按钮、输入文字、拖动文件，并在不同应用间连续工作。训练这类系统需要大量可并行运行、可反复重置的操作系统环境，系统记录操作轨迹、判断结果是否正确，再把反馈用于后续训练。原生 macOS 环境可以避免模拟系统与真实设备之间在界面、权限和应用兼容性上的偏差——这是 Mac 在这类任务中被选中的直接原因。

Mac mini 原本是苹果生态中最便宜的桌面电脑：体积小、功耗低、可在无显示器状态下长期运行。随着常驻型 AI Agent 流行，这些原本普通的产品特征突然变得适合数据中心和本地 AI 部署。《华尔街日报》此前报道称，Mac mini 上一年仅占苹果美国 Mac 销量的大约 3%，进入 2026 年后却成为私有化、全天候 Agent 的热门宿主，部分高内存版本一度出现数周乃至数月的交付延迟。

苹果似乎也被这股需求打了个措手不及。《The Information》援引苹果前企业 AI 产品营销经理 Todd Dailey 的说法称，Mac 在企业 AI 市场的走红带有很强的偶然性，苹果此前没有围绕这一市场建立完整的企业工程支持和开发者关系体系。今年 6 月，苹果在 Apple Park 举办了一场少见的闭门企业活动，Anthropic 联合创始人 Jared Kaplan 出席，Mac mini 成为整场活动的重点产品。

苹果随后在产品与定价上作出回应。8 月 25 日，苹果发布 M6 Mac mini 和 M5 Ultra Mac Studio，宣传重点明显转向设备端 AI、大模型推理和多机集群，并明确提出开发者可以在 Mac 上本地运行和微调大模型。价格同步上行：新款 M6 Mac mini 中国市场起售价 6999 元，而 2024 年配备 16GB 内存的 M4 Mac mini 起售价为 4499 元，两年间入门价格提高约 56%。芯片升级是一部分原因，内存和存储成本上涨也在推高整机价格。

需求已经体现在财务数据中。苹果 2026 财年第三季度 Mac 业务收入达到 103.52 亿美元，同比增长约 28.7%，增速超过同期其他硬件品类。企业和开发者对高内存 Mac 的需求，已成为这轮增长中不可忽视的变量——但需要说明，这一因果关联是报道的解读，苹果并未单独披露 AI 相关采购的贡献。

Mac 被选中的技术理由，集中在内存架构上。苹果 M 系列芯片采用统一内存架构，CPU、GPU 和神经网络引擎访问同一个内存池，减少数据在不同内存区域之间反复搬运。对于本地大模型推理，这能缓解消费级独立显卡常见的显存容量限制。

容量与带宽是关键指标。据来源描述，最新 M5 Ultra 版 Mac Studio 最高可配备 512GB 统一内存，内存带宽达到 1.2TB/s，如此大的内存池可以在单机中装入参数规模极大的量化模型；桌面机的主动散热设计也更适合持续数小时甚至数天的高负载任务。

多机协同是另一条路径。根据苹果官方介绍，多台设备可通过雷雳 5 组成集群，分布式 AI 推理性能最高可达到单机的 3 倍。这些数字来自苹果官方口径或来源转述，属于厂商宣称与来源说法，尚无独立第三方验证。

苹果的变化已经引起英伟达注意。从 DGX Spark 到今年新公布的 RTX Spark，英伟达正把数据中心的 AI 计算能力压缩到桌面机和笔记本中。RTX Spark 集成 Grace CPU 和 Blackwell GPU，提供最高 1 PFLOP 的 AI 计算性能和 128GB 统一内存，同时支持 CUDA、TensorRT 和 RTX 软件栈，英伟达将其直接定义为面向个人智能体的新型 PC。按照官方规划，首批 RTX Spark 笔记本和紧凑型台式机将在今年秋季上市。

产品尚未正式发售，供应已经趋紧。据报道，华硕首批 RTX Spark 机型已被渠道客户预订一空，微星高端 N1x 机型的首批货源也接近售罄，两家公司都在向英伟达争取更多配额。这些属于渠道层面的来源说法，缺乏英伟达或厂商的官方确认。

由此，苹果与英伟达站上同一条新赛道：苹果拥有大容量统一内存、较高能效和原生 macOS 环境；英伟达掌握 CUDA、TensorRT 和更成熟的 AI 开发生态，并与 Windows 智能体体系深度结合。双方争夺的核心场景包括本地推理、Agent 执行、强化学习轨迹生成、模型评测和轻量后训练。这些桌面设备短期内不会取代大型训练集群，它们补上的是云端算力难以完全覆盖的一层：让 Agent 靠近用户数据、操作系统和真实应用，并以较低延迟持续运行。

供给问题随之出现。AI 数据中心正在大量消耗 DRAM 和 NAND，推高整个存储市场的成本；与此同时，本地 AI 和智能体又需要更大的内存容量。上游数据中心与下游 AI 终端同时争抢内存，最终形成价格上涨、交付延迟和高端型号缺货的连锁反应。

这条链条也解释了 Mac mini 缺货的性质：它不是单一产品的产能事故，而是内存供需结构变化在终端设备上的投影。高内存版本交付延迟数周乃至数月，与内存成本上涨推高整机价格，是同一压力的两个侧面。

需要保留的边界同样清楚。OpenAI 采购数万台 Mac 的规模、Anthropic 租用 AWS Mac 算力的体量，均来自《The Information》等二手转述，缺乏第一方确认；苹果未单独披露 AI 采购对 Mac 收入的贡献；RTX Spark 的实际性能与供货情况要等秋季上市后才能验证。可以确认的是方向：未来的 AI 算力不会只集中在巨型数据中心，越来越多计算任务会被分配到办公室、家庭和企业机房中的本地节点，而这场竞争已经从云端延伸到了每一张办公桌。