Ang mundo ng artificial intelligence ay nakakaranas ng hindi inaasahang pagbabago. Ayon sa isang ulat ng The Information, ang OpenAI ay bumili ng sampu-sampung libong Mac mini at Mac Studios nitong mga nakaraang buwan. Ang layunin ay sanayin ang mga AI agent nito na magpatakbo ng computer tulad ng isang tao: pag-click, pag-navigate sa mga menu, pagpuno ng mga form, at pagsasagawa ng mga kumplikadong gawain. Ang estratehiyang ito, na ikinagulat ng marami, ay nagpapakita na ang hardware ng Apple ay hindi na lamang para sa mga mamimili at malikhain, kundi naging isang mahalagang bahagi na sa imprastraktura ng mga pangunahing AI lab.
Ang balita, na iniulat din ng mga outlet tulad ng Cult of Mac, Moneycontrol, at 24/7 Wall St., ay nagpapahiwatig na ang mga computer na ito ay ginagamit sa isang partikular na yugto ng pagsasanay: ang reinforcement learning. Sa prosesong ito, ang mga modelo ng AI ay nakikipag-ugnayan sa mga totoong graphical interface, sinusubukan ang mga aksyon at tumatanggap ng mga gantimpala o parusa batay sa resulta. Ang pamamaraang ito ay nangangailangan ng malaking halaga ng memorya at ang kakayahang magpatakbo ng libu-libong simulation nang sabay-sabay, isang bagay na tila partikular na angkop para sa mga Mac na may Apple Silicon chips.
Bakit mahalaga ang Apple Silicon sa reinforcement learning
Ang pagsasanay sa isang AI agent na kailangang gumamit ng computer ay ibang-iba sa pagsasanay sa isang tradisyonal na modelo ng wika. Sa halip na sumipsip ng malalaking halaga ng teksto, ang agent ay kailangang bigyang-kahulugan ang nakikita mo sa screen, magpasya kung anong aksyon ang gagawin, at tingnan kung ito ay gumana.Ang bawat pagtatangka ay binibigyan ng puntos, at inaayos ng modelo ang estratehiya nito batay sa feedback na iyon. Para maging posible ito, kailangan ang libu-libong magkakahiwalay na sesyon, na ang bawat isa ay sabay-sabay na tumatakbo na may sarili nitong estado at konteksto.
Dito pumapasok ang Unified Memory Architecture (UMA) ng Apple. Hindi tulad ng mga tradisyonal na sistemang nakabatay sa GPU, kung saan ang video memory at RAM ay magkahiwalay at ang data ay kailangang maglakbay pabalik-balik, sa mga Mac, ang CPU, GPU, at Neural Engine ay nagbabahagi ng iisang memory block. Binabawasan nito ang mga bottleneck at nagbibigay-daan sa modelo na mabilis na ma-access ang impormasyong kailangan nito sa anumang oras. Gaya ng itinuturo ng ilang pagsusuri, ang feature na ito ay mahalaga para sa agent na mapanatili ang isang pare-parehong representasyon ng screen, mga tagubilin, at ang mga resulta ng mga aksyon nito.
Isa pang bentahe ng Mac mini at Mac Studio ay ang kanilang cooling system. Hindi tulad ng mga MacBook, na mas manipis at mas magaan, ang mga desktop computer na ito ay may mga nakalaang bentilador na nagbibigay-daan sa kanila na mapanatili ang matatag na pagganap sa loob ng ilang oras o kahit na mga araw ng masinsinang pagsasanay. Mahalaga ito para sa reinforcement learning, na maaaring mangailangan ng napakahabang sesyon nang hindi nag-iinit at bumabagal ang computer.
Bumibili ang OpenAI, umuupa ang Anthropic: dalawang estratehiya para sa iisang layunin
Isinisiwalat din ng balita na hindi lamang ang OpenAI ang kumpanyang interesado sa pamamaraang ito. Ang Anthropic, na sinusuportahan ng Google at Amazon, ay naiulat na pumili ng ibang estratehiya: sa halip na bilhin ang kagamitan, ay nagpapaupa ng kapasidad ng Mac mini sa pamamagitan ng Amazon Web Services (AWS)Mahalaga ang pagkakaibang ito dahil ipinapakita nito na hindi mo kailangang mamuhunan nang malaki sa hardware para masubukan kung gumagana ang arkitekturang ito. Maaari mong arkilahin ang kapasidad, sukatin ang performance, at pagkatapos ay magdesisyon kung sulit ba itong bilhin o ipagpatuloy ang pag-arkila.
Ang interes ng mga lab na ito sa mga Mac ay hindi nangangahulugan na papalitan nila ang malalaking GPU cluster ng Nvidia. Ang malawakang pagsasanay sa language model ay umaasa pa rin sa mga espesyalisadong accelerator na iyon. Gayunpaman, para sa masinsinang mga gawain sa paghihinuha at para sa mga training agent na nakikipag-ugnayan sa mga interface, ang mga Mac ay nag-aalok ng mas matipid at mahusay na alternatibo. Gaya ng paliwanag ng analyst na si Shay Boloor, ang mga computer ng Apple ay ginagamit para sa reinforcement learning phase, habang ang mga GPU ay nananatiling mahalaga para sa pre-training.
Naglalagay ng pressure sa supply chain ang demand at tumutugon ang Apple
Hindi napapansin ang pagkahumaling na ito sa Mac sa supply chain. Ayon sa ilang ulat, Naubos na nang ilang buwan ang mga configuration ng Mac mini at Mac Studio na may mas malaking memory. At ang mga oras ng paghahatid para sa mga custom na bersyon ay umabot nang ilang linggo. Ang pandaigdigang kakulangan ng DRAM at NAND memory, na dulot ng demand mula sa mga data center, ay nagpalala sa sitwasyon. Inuuna ng mga supplier ang malalaking hyperscaler, at ang mga order ng Apple ay nakikipagkumpitensya sa parehong pila.
Upang matugunan ang sitwasyong ito, pinabilis ng Apple ang iskedyul ng pag-refresh nito. Noong Agosto 25, 2026, ipinakilala ng kumpanya ang bagong Mac mini na may M6 at M5 Pro chips, pati na rin ang Mac Studio na may M5 Max at M5 Ultra. Ang hindi pangkaraniwang maagang hakbang na ito ay tumutugon sa pangangailangang punan muli ang merkado ng mas malakas at mahusay na mga chips. Kasama sa mga bagong modelo ang mga makabuluhang pagpapabuti sa pagganap at memorya, na may mga opsyon na umaabot hanggang 512GB ng pinag-isang imbakan sa Mac Studio M5 Ultra.
Ang desisyon ng Apple na isulong ang paglulunsad ay binigyang-kahulugan din bilang tugon sa presyur ng demand. Hindi pa opisyal na kinumpirma ng kumpanya ang pagkuha sa OpenAI, ngunit ang mga oras ng paghahatid at kakulangan ng stock ay nagmumungkahi na ang demand ng institusyon ay totoo. Sa katunayan, ang kita mula sa dibisyon ng Mac ay lumago ng 29% taon-taon sa huling quarter, na umabot sa $10.400 bilyon, na ginagawa itong pinakamabilis na lumalagong linya ng negosyo ng Apple.
Masusing binabantayan ng Nvidia ang pagpoposisyon ng Apple sa merkado ng negosyo
Hindi napapansin ng Nvidia ang pagsikat ng mga Mac sa larangan ng lokal na AI. Ayon sa isang source na malapit sa kumpanya, Itinuturing na ng Nvidia ang Apple bilang pinakamalaking kakumpitensya nito sa lokal na pagproseso ng AIUpang labanan ang bantang ito, inilunsad ng Nvidia ang DGX Spark noong nakaraang taon, isang desktop computer na may disenyo na katulad ng Mac mini, nilagyan ng Grace Blackwell chip at hanggang 128 GB ng unified memory. Ang produktong ito ay direktang nakatuon sa desktop AI inference market.
Sa bahagi naman ng Apple, sinusubukan nitong samantalahin ang sandaling ito upang patatagin ang posisyon nito sa merkado ng mga negosyo. Noong Hunyo, nagdaos ang kumpanya ng isang pribadong kaganapan sa Apple Park na tinatawag na "Business at the Park," na dinaluhan ng mga ehekutibo mula sa Disney, Ford, at co-founder ng Anthropic na si Jared Kaplan. Sa kaganapang ito, itinampok ng Apple ang mga bentahe ng hardware nito para sa pagproseso ng mga gawain sa AI sa lokal na lugar, kung saan ang Mac mini ang pangunahing tampok. Gayunpaman, kulang pa rin ang kumpanya ng isang dedikadong sales team para sa segment ng enterprise AI, isang bagay na itinuro ng ilang dating ehekutibo bilang isang napalampas na pagkakataon.
Ang kakulangan ng suplay ay nagdudulot din ng mga bagong modelo ng negosyo. Si Peter Voell, isang dating empleyado ng OpenAI, ay nagtatag ng Mount Thor, isang kumpanya ng cloud computing na nakabatay sa hardware ng Apple na tumatakbo pa rin sa stealth mode. Ang iba pang mga kumpanya, tulad ng Namespace Labs, ay gumamit ng MacBook Pros upang matugunan ang pangangailangan ng customer. Ipinapakita ng umuusbong na ecosystem na ito na ang interes sa mga Mac bilang imprastraktura ng AI ay higit pa sa malalaking laboratoryo.
Sa madaling salita, ang balita na bumili ang OpenAI ng sampu-sampung libong Mac mini at Mac Studios upang sanayin ang mga AI agent nito ay nagmamarka ng isang mahalagang punto sa industriya. Ang pinag-isang memorya, kahusayan sa enerhiya, at kakayahang magpatakbo ng libu-libong sesyon nang sabay-sabay ng Apple Silicon Ang mga aparatong ito ay naging isang mahalagang kasangkapan para sa reinforcement learning. Bagama't hindi opisyal na kinumpirma ng Apple o ng OpenAI ang kasunduan, ang mga numero ng benta, kakulangan ng stock, at mga unang paglabas ay nagmumungkahi na totoo ang trend na ito. Kailangan pang makita kung paano tutugon ang Nvidia at kung sasamantalahin ba ng Apple ang pagkakataong ito upang patatagin ang posisyon nito sa merkado ng enterprise AI.
