Jak wynika z raportu The Information, OpenAI zakupiło w ostatnich miesiącach dziesiątki tysięcy komputerów stacjonarnych Mac mini i Mac Studio, a powód ma niewiele wspólnego z komputerami stacjonarnymi. Maszyny są wykorzystywane do uczenia się przez wzmacnianie i szkolenia agentów korzystających z komputerów – systemów sztucznej inteligencji, które uczą się obsługiwać komputer w sposób, w jaki robi to człowiek, klikając w oprogramowanie, zarządzając plikami i wykonując wieloetapowe zadania przy ograniczonej interwencji człowieka.

Raport, podchwycony przez MacRumors i 24/7 Wall St., ukazał się w tym samym tygodniu, w którym Apple ogłosił nietypowo zaplanowane odświeżenia zarówno komputera Mac mini, jak i Mac Studio. MacRumors poinformował, że powodem ogłoszenia był nieoczekiwanie duży apetyt przedsiębiorstw na obciążenia związane ze sztuczną inteligencją, a dyskusja na ten temat w Hacker News zebrała setki głosów pozytywnych, podczas gdy programiści debatowali nad tym, co masowe zakupy ujawniają na temat tego, w jaki sposób pionierskie laboratoria faktycznie budują infrastrukturę szkoleniową. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.

Dlaczego laboratorium AI potrzebuje komputerów stacjonarnych zamiast klastrów GPU

Szkolenie modelu granicznego pozostaje zadaniem w przypadku ogromnych, połączonych ze sobą klastrów GPU — tego rodzaju instalacji, w których dominują akceleratory Nvidii, a pojedynczy przebieg szkoleniowy może obejmować dziesiątki tysięcy połączonych chipów. Agentyczna sztuczna inteligencja ma jednak inny profil sprzętowy.

Agenta uczącego się obsługi komputera można umieścić na wirtualnym lub fizycznym pulpicie, otrzymać zadanie, ocenić jego wynik i odpowiednio udoskonalić. Jednoczesne prowadzenie tysięcy takich sesji nagradza wszechstronność — wiele niezależnych maszyn pracujących równolegle — a nie surową moc połączeń międzysieciowych, która definiuje wstępne szkolenie na pionierską skalę. W takim układzie magazyn komputerów stacjonarnych dla konsumentów zaczyna przypominać infrastrukturę.

Właśnie w tym miejscu istotna staje się silikonowa konstrukcja Apple. Ujednolicona architektura pamięci Apple pozwala procesorowi i procesorowi graficznemu pracować z tej samej puli pamięci, zamiast polegać na oddzielnych kartach graficznych z oddzielną pamięcią systemową. W przypadku obciążeń związanych z automatyzacją komputerów stacjonarnych, gdzie każda maszyna musi renderować pełne środowisko komputerowe i szybko reagować, projekt ten okazuje się praktyczny.

Odświeżenie w nietypowym czasie, napędzane popytem w przedsiębiorstwie

Zakupy pomagają wyjaśnić dziwny kalendarz Apple na ten tydzień. Firma ogłosiła nowe modele komputerów Mac mini i Mac Studio poza zwykłym rytmem wydarzeń produktowych, a portal MacRumors podał, że powodem tego posunięcia było nieoczekiwanie duże zapotrzebowanie przedsiębiorstw na aplikacje AI. Sprzętu Apple zwykle nie opisuje się jako infrastruktury sztucznej inteligencji — to określenie odnosi się do szaf serwerowych i chłodzonych cieczą modułów graficznych — ale granica między urządzeniami konsumenckimi a wyposażeniem centrów danych zaciera się w miarę zwiększania się skali szkoleń agentów.

Moment ten zbiegł się również z trudnym odcinkiem publicznej narracji Apple. W reportażu CNBC dotyczącym zmiany przywództwa firmy Apple wkracza w „erę Johna Ternusa” w obliczu wyzwań związanych ze sztuczną inteligencją i narastającymi problemami z pamięcią, co stanowi odniesienie do niedoborów komponentów, które uciskają szerszy przemysł elektroniczny. Jak donosi CNBC, Samsung ostrzegł w lipcu, że spodziewa się, że obecny kryzys w zakresie chipów potrwa do 2028 r. – co sprawia, że ​​każdy duży, trwały zakup sprzętu przez laboratorium sztucznej inteligencji będzie podwójnie zauważalny.

Według doniesień firma Anthropic również wypożyczyła Apple Silicon

OpenAI nie jest jedynym pionierskim laboratorium eksperymentującym ze sprzętem Apple. Według 24/7 Wall St. firma Anthropic podobno wynajmowała moce krzemowe Apple za pośrednictwem Amazon Web Services do podobnych obciążeń. Żaden szczegół nie zmienia faktu, że Nvidia pozostaje środkiem ciężkości obliczeń AI, ale razem prowadzą do praktycznego wniosku w branży: laboratoria polują na obliczenia wszędzie tam, gdzie ekonomia i kształt obciążenia mają sens.

W przypadku Apple efektem jest wzrost popytu, którego nigdy nie planowano. 24/7 Wall St. odnotowała, że ​​przychody Apple w ostatnim kwartale wzrosły o 29%, a masowe zamówienia na laboratorium sztucznej inteligencji określiła jako przypadkowy wielomiliardowy wzrost przychodów – wzrost, który nastąpi bez konieczności wydawania przez Apple miliardów dolarów na budowę własnych centrów danych.

Co to oznacza dla rynku obliczeń AI

Ta historia ma znaczenie wykraczające poza rachunek zysków i strat Apple z trzech powodów.

Po pierwsze, potwierdza, że ​​kolejna faza rywalizacji AI ma charakter agentyczny. Kosztownym problemem nie jest już jedynie szkolenie modelu w zakresie odpowiadania na pytania; to systemy szkoleniowe umożliwiające wykonywanie zadań w rzeczywistych środowiskach oprogramowania. Ta klasa obciążenia skaluje się wraz z liczbą środowisk, które można symulować, co faworyzuje rozproszone floty zwykłych maszyn zamiast pojedynczych monolitycznych klastrów.

Po drugie, poszerza mapę dostawców. W latach 2025 i 2026 dyskusję na temat sprzętu opartego na sztucznej inteligencji zdominowały niedobory procesorów graficznych, wydatki kapitałowe związane z hiperskalowalnością oraz trudności w dostawach spowodowane cłami. Jeśli tysiące gotowych komputerów stacjonarnych jest w stanie unieść znaczną część obciążenia związanego ze szkoleniem agentów, efektywna podaż zasobów obliczeniowych obsługujących sztuczną inteligencję jest większa – i bardziej rozproszona – niż sugeruje narracja dotycząca centrum danych.

Po trzecie, tworzy dziwne zależności. Laboratoria pionierskie mają teraz prawdziwy udział w częstotliwości wydawania, cenach i dostępności komponentów linii sprzętu konsumenckiego. Niedobór pamięci, który podnosi ceny komputerów stacjonarnych, lub cykl odświeżania, który zmienia krzem w komputerze Mac mini, przekłada się teraz bezpośrednio na plany szkoleniowe AI.

Co obejrzeć dalej

Ani OpenAI, ani Apple nie podały publicznie szczegółów skali programu, więc kluczowe liczby – dokładna liczba maszyn, wydatki i porównanie wyników szkolenia z alternatywami opartymi na GPU – pozostają niepotwierdzone. Warto śledzić pytania, czy inne laboratoria podążają ich śladem, oferując własne floty komputerów stacjonarnych, czy Apple uwzględnia zapotrzebowanie przedsiębiorstw na sztuczną inteligencję, konfigurując je specjalnie pod kątem obciążeń agentów, oraz czy przewaga ujednoliconej pamięci utrzyma się, gdy agenci przejdą od kontrolowania jednego komputera stacjonarnego do orkiestrowania wielu komputerów jednocześnie.

Na razie obraz jest wystarczająco jasny: rozwój sztucznej inteligencji osiągnął nowy poziom i znajduje się na biurkach, a nie w centrach danych. Więcej informacji na temat ewolucji wyścigu w infrastrukturze w branży można znaleźć w naszych bieżących relacjach na temat sprzętu AI i firm go tworzących.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →