蘋果的使用者們近期應該對「電腦缺貨」這件事情很有感，因為搶貨的競爭者除了這兩年因為 AI 開始使用蘋果設備的人以外，現在連 AI 巨頭也加入搶主機的行列，而且一出手就是以「萬」台起跳！根據 The Information 記者獨家報導，OpenAI 為了強化學習與訓練能自主操作電腦的 AI 代理（computer-use agent），已經購買了數萬台的 Mac mini 和 Mac Studio。而且不只 OpenAI 同一篇報導指出，Anthropic 則是透過亞馬遜 AWS 租用 Mac mini 運算資源，來處理類似的工作負載。
AI 雙巨頭掃貨 Mac mini 與 Mac Studio
為什麼 AI 公司需要 Mac？
表面上看起來有點矛盾。OpenAI 和 Anthropic 這幾年搶 GPU 搶得兇，NVIDIA H100/B200 晶片動輒數十萬顆在部署，怎麼會回頭去買一臺幾萬塊臺幣的 Mac mini？問題出在訓練目標不同。
GPU 叢集擅長的是大規模矩陣運算，用來訓練語言模型的主幹網路。但 OpenAI 正在開發的 computer-use agent（簡稱 CUA）需要另一種訓練方式：模型透過強化學習反覆嘗試操作電腦介面，看到螢幕畫面，點擊滑鼠，敲鍵盤，然後從結果中學習。這套「觀察→動作→回饋」的迴圈需要在真實的作業系統上執行，而不是在 GPU 虛擬化環境裡跑。
Mac 的統一記憶體架構（Unified Memory Architecture）在這邊成了關鍵優勢，AI 代理在操作過程中需要同時載入模型權重、保持螢幕畫面的上下文、處理滑鼠鍵盤事件流，這些操作的記憶體訪問模式與 GPU 訓練截然不同，高容量統一記憶體反而更適合。這也是為什麼 OpenAI 選擇的是 Mac mini 與 Mac Studio：這兩款機型在同樣小巧的體積內提供了更高的記憶體上限。（編按：我覺得另一個原因是大部分 AI 開發者都是使用 Mac 生態 ）
Anthropic 選擇 AWS 路線
Anthropic 的做法略有不同。他們不自己採購硬體，而是透過 AWS 的 EC2 Mac 執行個體來租用 Mac mini。AWS 從 2020 年底開始提供 Mac mini 裸機（dedicated host）方案，每個執行個體對應一臺獨立的 Mac mini 主機。這條路的好處是彈性，不用一次砸大錢買斷硬體，用量可以隨訓練需求波動調整。
但兩種方式都指向同一個現象：AI 代理的訓練需求已經大到讓兩家公司願意繞過 GPU 生態，轉而擁抱傳統桌機硬體。這不是曇花一現的試驗。The Information 的消息來源透露，OpenAI 已採購「數萬臺」（tens of thousands），而且正迫切希望繼續增加採購數量。
蘋果措手不及的 AI 訂單
據報導，蘋果內部並沒有專門服務企業客戶的工程團隊，也缺乏企業 AI 策略。有些企業客戶想採購 Private Cloud Compute 的存取權，被 Apple 直接回絕了。
結果就是 AI 實驗室的需求直接把貨架掃空。從今年上半年開始，Mac mini 與 Mac Studio 的高階配置就持續缺貨，部分型號的等待時間長達數週。這背後除了 OpenAI 的採購單，也包含新一波的「neocloud」業者，像是 Mount Thor 這類專門用 Apple 硬體打造雲端服務的新創公司，正在募資擴建純 Mac 基礎設施。
Mac 正在變成蘋果的 AI 成長引擎
這股需求已經反映在財務數字上。Apple 2026 年第三季財報（截至 6 月 27 日）顯示，Mac 營收達到 103.5 億美元（約 NT$3,364 億），年增 28.7%，遠超出分析師預期的 87.4 億美元，還超越了 iPhone 和服務業務的成長率。分析指出，AI 需求可能是 Mac 營收超預期的間接推手之一，但 Apple 官方在財報會議上並未具體量化 AI 對 Mac 銷售的貢獻。
時間點上也很有意思。就在 The Information 這篇報導刊出的前一週，Apple 才剛在 8 月 25 日意外發布了新款的 Mac mini（M6/M5 Pro）與 Mac Studio（M5 Max/M5 Ultra）。這次 Mac mini 與 Mac Studio 的發布時機比 Apple 慣例的秋季更新來得早，企業 AI 需求正是驅動因素之一。
Apple 突襲發表 Mac mini M6 與 M5 Pro：首搭 2 奈米晶片，AI 效能提升 4 倍，台灣 29,900 元起
晶片規格也呼應了這個方向。最高的 M5 Ultra 採用四die 3nm 封裝，最高可配置 512GB 統一記憶體，超越了一般消費者剪片所需，是為了讓開發者能在單一 Mac Studio 上載入並執行大規模的開源模型。
NVIDIA 怎麼看這件事
這股趨勢也引起了 NVIDIA 的注意。Aaron Tilley 的報導中提到，NVIDIA 已經開始將 Apple 視為終端 AI 處理領域的主要競爭對手。 與 GPU 伺服器動輒百萬美元的價格相比，Mac mini 的訂價策略讓 AI 實驗室可以用相對低廉的成本，大規模部署代理訓練所需的終端設備。
但這不代表 Mac 要取代 GPU 叢集。兩者的分工很清楚：GPU 叢集負責語言模型本身的訓練與推理，Mac 負責代理行為的訓練與測試。值得關注的是，這個分工模式可能改變 AI 基礎設施的採購結構，未來的 AI 實驗室可能同時需要 GPU 農場和 Mac 農場。
部分已經被擠出市場的企業客戶，轉而投向 NVIDIA 去年推出的 DGX Spark。這款緊湊型 AI 桌機與 Mac mini 的體積相近，但鎖定的客群稍有重疊，說明了市場確實存在對「桌機級 AI 硬體」的需求缺口。
總結
The Information 這篇獨家報導揭開了一個被忽略的現象：Mac 桌機正在成為 AI 代理訓練的基礎硬體。OpenAI 的數萬臺訂單和 Anthropic 的 AWS 租用方案，讓 Mac mini 與 Mac Studio 從消費級桌機變成了 AI 訓練基礎設施。雖然 28.7% 的 Mac 營收成長不能全歸因於 AI，其中還包含 M4/M5 晶片換代效應，但 AI 實驗室的需求確實已經大到足以影響蘋果的產品發布節奏和供貨狀況。
對於臺灣讀者來說，這則新聞還有一層切身意義：如果你最近想買 Mac mini 或 Mac Studio 卻發現高階配置缺貨，原因可能是你的訂單正在跟 OpenAI 的訓練集群搶貨架。
