ОтветыОпубликовано24 источники
Зачем OpenAI закупает десятки тысяч Mac для ИИ-агентов
OpenAI, по сообщениям, приобрела десятки тысяч Mac mini и Mac Studio для обучения ИИ агентов, управляющих компьютером, и экспериментов с reinforcement learning. Единая память Apple Silicon позволяет CPU, GPU и нейронным ускорителям использовать общий пул памяти, что особенно полезно для локального запуска моделей, о...
ОпубликовалОтредактировано с помощью GPT-5.6 Luna
Ответ на исследование
Ключевые выводы
- OpenAI, по сообщениям, приобрела десятки тысяч Mac mini и Mac Studio для обучения ИИ агентов, управляющих компьютером, и экспериментов с reinforcement learning.
- Единая память Apple Silicon позволяет CPU, GPU и нейронным ускорителям использовать общий пул памяти, что особенно полезно для локального запуска моделей, оценки агентов и конфиденциальных задач.
- Mac mini и Mac Studio дополняют, а не заменяют GPU кластеры: первые подходят для множества параллельных сред macOS, вторые — для локального запуска крупных моделей и рабочих мест разработчиков.
- Mac Studio с M5 Ultra и 256 ГБ unified memory способен запускать 70B модели и некоторые разреженные модели на 235–284 млрд параметров в сильно сжатом виде, но итог зависит от квантования, контекста и требований к скор...
Промпт ИИ
microsoft.comCreate a landscape editorial hero image for this Studio Global article: Why has OpenAI reportedly purchased tens of thousands of Apple Mac mini and Mac Studio computers for reinforcement-learning and computer-use. Article summary: The reported Mac purchases appear to be about scaling many inexpensive, power-efficient macOS environments for agent rollouts and reinforcement learning—not replacing Nvidia clusters for training frontier foundation mode. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Сообщения о том, что OpenAI приобрела десятки тысяч компьютеров Mac mini и Mac Studio, указывают на довольно конкретную потребность в инфраструктуре: компании нужно запускать множество независимых сред macOS для компьютерных ИИ-агентов и экспериментов с reinforcement learning. Это не означает, что Apple Silicon заменяет GPU-кластеры, на которых обучаются самые крупные модели. Количество закупленных устройств и их точное назначение пока остаются неподтверждёнными. 1
11
Зачем ИИ-агентам обычные компьютеры
Компьютерный ИИ-агент не ограничивается генерацией текста. Он может открыть браузер, взаимодействовать с программами, работать с файлами, запрашивать разрешения, реагировать на изменения интерфейса и восстанавливаться после ошибок. Чтобы научить систему такому поведению, ей нужно много раз взаимодействовать с реалистичной операционной системой.
Парк компактных Mac позволяет создать множество независимых рабочих сред macOS для таких взаимодействий. Mac mini и Mac Studio в этом сценарии могут использоваться как песочницы для агентов, машины для оценки моделей, точки инференса и узлы, на которых выполняются многочисленные попытки в рамках reinforcement learning. По сообщениям, Anthropic арендует сопоставимые мощности Mac через Amazon Web Services. 1
2
6
В reinforcement learning система совершает большое количество попыток — так называемых траекторий — внутри среды, а затем использует результаты, чтобы улучшать свою стратегию. Если этой средой является настоящий рабочий стол, прямой доступ к операционной системе и приложениям может оказаться практичнее, чем попытка воспроизвести все особенности поведения через эмуляцию или виртуализацию.
Главное преимущество Apple — единая память
В чипах Apple Silicon CPU, GPU и нейронные вычислительные блоки работают с общим пулом unified memory. Данные не требуется перемещать между отдельной оперативной памятью системы и выделенной памятью видеокарты так, как это обычно происходит в связке CPU и дискретного GPU. 5
Для локального ИИ объём доступной памяти порой важнее впечатляющих показателей производительности ускорителя. Большой общий пул может одновременно вместить веса модели, состояние приложения, датасеты и данные, необходимые для инференса. Поэтому такие системы удобны для:
- локального обслуживания моделей;
- инференса квантованных больших языковых моделей;
- оценки и оркестрации ИИ-агентов;
- подготовки и предварительной обработки данных;
- приватных и полностью офлайн-развёртываний.
Однако единая память не отменяет компромиссов. Apple Silicon не является автоматически самым быстрым решением для любой задачи, а Mac с большим объёмом памяти не обладает тем же программным стеком, межсоединениями и масштабом распределённых вычислений, что и серверный GPU-кластер.
Наиболее реалистичный сценарий — смешанная инфраструктура: GPU для высокопроизводительного распределённого обучения, а Mac и другие локальные системы — для параллельных запусков агентов, тестирования и инференса на конечных устройствах.
Как в эту картину вписываются новые Mac
Обновлённая линейка настольных компьютеров Apple предлагает два разных класса оборудования. Новый Mac mini начинается с 899 долларов и доступен с чипом M6 или M5 Pro. Mac Studio стартует с 2 499 долларов в версии с M5 Max и с 5 499 долларов в версии с M5 Ultra. Apple объявила, что поставки начнутся 22 сентября. 17
18
26
M6 стал первым чипом Apple для Mac, изготовленным по 2-нанометровому техпроцессу. M5 Ultra, в свою очередь, предлагает максимальный объём памяти: Apple заявляет конфигурации до 512 ГБ unified memory и пропускную способность памяти 1,2 ТБ/с. Компания позиционирует такую систему как способ запускать локально языковые модели со сотнями миллиардов параметров. 21
33
В результате техника может распределяться следующим образом:
- Mac mini — компактные и сравнительно недорогие узлы для масштабирования сред агентов, тестирования и нетребовательного инференса.
- Mac Studio — более мощные рабочие станции для разработчиков и исследователей, локального обслуживания моделей и задач, которые плохо помещаются на обычных пользовательских видеокартах.
Поэтому предполагаемая закупка OpenAI выглядит логично именно как стратегия построения парка: множество небольших машин для независимых сред и более производительные системы для крупных моделей и разработки.
Какие модели запустит Mac Studio с 256 ГБ памяти
Конфигурация на 256 ГБ — весьма серьёзная, но не максимальная для M5 Ultra. В общих чертах она должна без особых проблем запускать модели класса 70B, включая квантованные варианты, оставляя место для macOS, контекстного окна и самого программного окружения. Модель на 70 млрд параметров при 4-битном квантовании обычно требует около 40–48 ГБ доступной памяти — в зависимости от метода квантования и реализации. 54
Такая система также способна вместить некоторые существенно более крупные разреженные модели, или модели типа mixture-of-experts, в сильно квантованном виде. Оценки для этой платформы показывают, что в 256 ГБ могут поместиться отдельные модели примерно на 235–284 млрд параметров. Но это именно расчёты, а не официальные бенчмарки производителя. 40
50
51
Одного числа параметров недостаточно, чтобы понять, будет ли модель работать хорошо. Важны:
- плотная это модель или mixture-of-experts;
- уровень квантования;
- длина контекста и объём KV-кэша;
- накладные расходы фреймворка;
- приемлемая для пользователя скорость обработки.
Модель может технически помещаться в памяти, но работать слишком медленно для интерактивного агента. И наоборот, менее крупная модель может оказаться практичнее, если она быстрее отвечает и позволяет выполнять несколько задач одновременно.
Что эта история доказывает — и чего не доказывает
Самый осторожный вывод заключается в том, что ИИ-инфраструктура расширяется за пределы гигантских GPU-кластеров. Разработка агентов и локальный инференс создают спрос на большое количество небольших, управляемых машин — особенно когда задача хорошо распараллеливается, привязана к реальной настольной ОС или требует повышенной конфиденциальности и низкой задержки.
При этом имеющиеся материалы не подтверждают все более широкие выводы, которые появились вокруг этой истории. Сообщения о конкретном дефиците поставок, росте выручки Mac на 29% или том, что Nvidia считает Apple своим главным конкурентом в локальном ИИ, пока недостаточно подкреплены. Их следует рассматривать как предварительные утверждения, а не как установленные факты.
Возможность Apple наиболее очевидна в двух сегментах: локальный инференс с большим объёмом памяти и парки компьютеров для разработки и оценки агентов. Nvidia и другие серверные ускорители при этом сохраняют ключевое значение для задач, где нужны максимальная скорость обучения и огромные распределённые системы.
Будущее рынка, скорее всего, будет выглядеть не как противостояние «Mac против Nvidia», а как разделение труда: каждая платформа будет выполнять те ИИ-задачи, для которых лучше всего подходит её архитектура.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Зачем OpenAI закупает десятки тысяч Mac для ИИ-агентов»?
OpenAI, по сообщениям, приобрела десятки тысяч Mac mini и Mac Studio для обучения ИИ агентов, управляющих компьютером, и экспериментов с reinforcement learning.
Какие ключевые моменты необходимо проверить в первую очередь?
OpenAI, по сообщениям, приобрела десятки тысяч Mac mini и Mac Studio для обучения ИИ агентов, управляющих компьютером, и экспериментов с reinforcement learning. Единая память Apple Silicon позволяет CPU, GPU и нейронным ускорителям использовать общий пул памяти, что особенно полезно для локального запуска моделей, оценки агентов и конфиденциальных задач.
Что мне делать дальше на практике?
Mac mini и Mac Studio дополняют, а не заменяют GPU кластеры: первые подходят для множества параллельных сред macOS, вторые — для локального запуска крупных моделей и рабочих мест разработчиков.
Источники
eu.36kr.comOpenAI Acquires Tens of Thousands of Macs for AI Reinforcement Training – Apple Secures High-Value AI Training Business from NVIDIA
tech-insider.orgOpenAI Buys Macs as Nvidia RTX Spark Sells Out [2026]
gurufocus.comOpenAI Boosts AI Learning with Mac mini Purchases
indiatoday.inOpenAI comes for Macs after chips and memory, buying thousands of Mac minis to train AI agents