A OpenAI comprou dezenas de milhares de desktops Mac mini e Mac Studio nos últimos meses, de acordo com um relatório da The Information, e o motivo tem pouco a ver com a computação desktop. As máquinas estão a ser utilizadas para aprendizagem por reforço e formação de agentes de utilização de computadores – sistemas de IA que aprendem a operar um computador da mesma forma que uma pessoa, clicando em software, gerindo ficheiros e completando tarefas de vários passos com intervenção humana limitada.

O relatório, obtido pela MacRumors e 24/7 Wall St., chegou na mesma semana em que a Apple anunciou atualizações em tempo incomum do Mac mini e do Mac Studio. MacRumors relatou que o anúncio foi impulsionado por um apetite empresarial inesperadamente forte por cargas de trabalho de IA, e uma discussão da notícia no Hacker News atraiu centenas de votos positivos enquanto os desenvolvedores debatiam o que as compras em massa revelam sobre como os laboratórios de fronteira realmente constroem infraestrutura de treinamento. Para mais contexto sobre esta história, confira nossa últimos desenvolvimentos em IA.

Por que um laboratório de IA deseja desktops em vez de clusters de GPU

Treinar um modelo de fronteira continua sendo um trabalho para clusters de GPU enormes e interconectados – o tipo de instalação onde os aceleradores da Nvidia dominam e uma única execução de treinamento pode envolver dezenas de milhares de chips interligados. Agentic AI, no entanto, tem um perfil de hardware diferente.

Um agente que está aprendendo a usar um computador pode ser colocado em um desktop virtual ou físico, receber uma tarefa, pontuar de acordo com o resultado e ser refinado de acordo. A execução simultânea de milhares dessas sessões recompensa a amplitude – muitas máquinas independentes trabalhando em paralelo – em vez da potência bruta de interconexão que define o pré-treinamento em escala de fronteira. Nesse arranjo, um armazém de desktops de consumo começa a se parecer muito com uma infraestrutura.

É aí que o design do silício da Apple se torna relevante. A arquitetura de memória unificada da Apple permite que a CPU e a GPU funcionem no mesmo pool de memória, em vez de depender de placas gráficas discretas com memória de sistema separada. Para cargas de trabalho de automação de desktop, onde cada máquina precisa renderizar um ambiente de computação completo e responder rapidamente, esse design acaba sendo uma opção prática.

Uma atualização com tempo incomum, impulsionada pela demanda empresarial

As compras ajudam a explicar o estranho calendário da Apple esta semana. A empresa anunciou novos modelos de Mac mini e Mac Studio fora de seu ritmo habitual de eventos de produtos, e MacRumors relatou que a mudança foi impulsionada por uma demanda empresarial inesperadamente forte por aplicativos de IA. O hardware da Apple normalmente não é descrito como infraestrutura de IA – essa frase pertence a racks de servidores e pods de GPU com refrigeração líquida – mas a linha entre dispositivos de consumo e equipamentos de data center está se confundindo à medida que o treinamento dos agentes aumenta.

O momento também se cruzou com um trecho difícil para a narrativa pública da Apple. A cobertura da CNBC sobre a transição de liderança da empresa descreveu a Apple como entrando na “era John Ternus” em meio a desafios de IA e uma intensificação da crise de memória, uma referência à escassez de componentes que comprimiu a indústria eletrônica em geral. A Samsung alertou em julho, conforme relatado pela CNBC, que espera que a atual crise de chips dure até 2028 – um cenário que torna duplamente notável qualquer compra grande e sustentada de hardware por um laboratório de IA.

A Anthropic também alugou silício da Apple

OpenAI não é o único laboratório de fronteira que faz experiências com hardware da Apple. De acordo com Wall St. 24 horas por dia, 7 dias por semana, a Anthropic teria alugado capacidade de silício da Apple por meio da Amazon Web Services para cargas de trabalho semelhantes. Nenhum detalhe muda o fato de que a Nvidia continua sendo o centro de gravidade da computação de IA, mas juntos eles apontam para uma conclusão prática dentro da indústria: os laboratórios estão em busca de computação onde quer que a economia e o formato da carga de trabalho façam sentido.

Para a Apple, o efeito é um vento favorável à demanda que nunca foi planejado. observou que a receita do Mac cresceu 29% no trimestre mais recente da Apple e enquadrou os pedidos em massa do laboratório de IA como um aumento acidental de receita multibilionária - crescimento que chega sem que a Apple gaste bilhões de dólares na construção de seu próprio data center.

O que isso significa para o mercado de computação de IA

A história vai além da demonstração de resultados da Apple por três razões.

Primeiro, confirma que a próxima fase da competição de IA é agente. O problema caro não é mais apenas treinar um modelo para responder perguntas; são sistemas de treinamento para concluir tarefas em ambientes de software reais. Essa classe de carga de trabalho é dimensionada de acordo com o número de ambientes que você pode simular, o que favorece frotas distribuídas de máquinas comuns em vez de clusters monolíticos únicos.

Em segundo lugar, amplia o mapa de fornecedores. Ao longo de 2025 e 2026, a conversa sobre hardware de IA foi dominada pela escassez de GPU, despesas de capital em hiperescala e disputas de fornecimento motivadas pela alfândega. Se milhares de desktops prontos para uso puderem transportar uma parcela significativa da carga de treinamento de agentes, o fornecimento efetivo de computação com capacidade de IA será maior — e mais disperso — do que sugere a narrativa do data center.

Terceiro, cria dependências estranhas. Os laboratórios Frontier agora têm uma participação real na cadência de lançamento, preços e disponibilidade de componentes das linhas de hardware de consumo. Uma escassez de memória que aumenta os preços dos desktops ou um ciclo de atualização que altera o silício dentro de um Mac mini agora se reflete diretamente nos planos de treinamento de IA.

O que assistir a seguir

Nem a OpenAI nem a Apple detalharam publicamente a escala do programa, portanto os números principais – contagens exatas de máquinas, gastos e como os resultados do treinamento se comparam com alternativas baseadas em GPU – permanecem não confirmados. As questões que vale a pena acompanhar são se outros laboratórios seguem com suas próprias frotas de desktops, se a Apple atende à demanda corporativa de IA com configurações voltadas especificamente para cargas de trabalho de agentes e se a vantagem da memória unificada se mantém à medida que os agentes passam do controle de um desktop para orquestrar vários ao mesmo tempo.

Por enquanto, a imagem é bastante clara: a construção da IA ​​atingiu um novo nível e está assentada em mesas e não em data centers. Para saber mais sobre como a corrida pela infraestrutura do setor está evoluindo, consulte nossa cobertura contínua sobre hardware de IA e as empresas que os constroem.

---

Fique à Frente da IA

As últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.

Ler mais notícias de IA →