苹果发布专为本地AI推理和设备端AI代理设计的M6 Mac mini及M5 Max/Ultra Mac Studio芯片与设备。

苹果在M5 Ultra上的真正卖点并非原始算力，而是内存。该芯片采用全新的四芯片UltraFusion设计，将四个芯片整合为一个36核CPU和80核GPU，共享高达512GB的统一内存池，带宽达1.2TB/s，比前代M3 Ultra高出50%^[1]。这一区别至关重要，因为当前前沿的开源权重模型——参数规模在700亿至4000亿以上——根本无法装入典型消费级GPU的显存中^[4]。通过将CPU、GPU和神经引擎置于同一可寻址内存池中，而非将计算与较小的专用显存分离，苹果使得单台Mac Studio即可容纳并运行原本需要多块企业级GPU的模型。苹果自己的基准测试称，M5 Ultra的峰值AI算力最高可达M3 Ultra的4.3倍，是初代M1 Ultra的9.8倍，大语言模型提示处理速度比初代芯片快9.8倍^[4]。更小的M6 Mac mini也采用了类似理念的简化版本——首款2纳米制程芯片，配备12核CPU、12核GPU和双16核神经引擎——但其统一内存带宽上限约为170GB/s，仅为Ultra版本的零头^[1][3]。这两个数字之间的差距实质上构成了苹果的产品阶梯：购买更高的带宽和内存余量，就等于购买了本地运行更大模型的能力。

苹果首次将多台桌面设备视为一个共享的AI算力池。新款Mac Studio支持通过Thunderbolt 5和RDMA（远程直接内存访问）技术将多台设备连接成集群，使团队能够整合多台设备的内存与算力，而不受限于单台设备的容量^[2]。苹果称，四台设备组成的集群AI推理速度最高可达单台Mac Studio的3倍^[2]。这标志着一种意义重大的定位转变：苹果不再仅仅将Ultra芯片定位为一台强大的工作站，而是正构建小型本地集群，其行为更像一个缩小版的GPU机架，而非传统桌面电脑。这与苹果强调本地硬件对AI代理重要性的逻辑相契合——用户需要一个完全受控、与主设备隔离、可7×24小时持续运行的系统，正如苹果硅芯片产品总监Doug Brooks所言^[6]。集群功能将这一理念从单台常驻设备扩展到小型设备群，精准面向那些已超出单台Mac Studio能力、但又不愿租用云端GPU资源的团队和高级用户。

并非所有人都对此次硬件升级表示欢迎。M6 Mac mini基础款现起售价为899美元，配备256GB存储和16GB统一内存，比前代入门价格高出100美元^[5]。内存升级成本更高：Mac mini从16GB升级至32GB统一内存需额外支付400美元，而苹果在发布这些高内存配置的同时，正面临全行业内存短缺，推高了整体组件成本^[3]。高端产品线同样如此——将M5 Ultra Mac Studio升级至256GB内存配置据称需额外支付4,000美元，而完全顶配的Mac Studio（256GB内存、16TB存储）售价高达18,299美元^[3][8]。苹果正将实现本地AI所必需的内存作为高端选配出售，而非标准功能，这与行业自身逻辑相悖：本地AI能力越强，对内存的需求越大，而内存恰恰是当前最稀缺且最昂贵的组件。

一些报道将M5 Ultra Mac Studio视为对持续性云端AI订阅服务的真正替代方案，指出其本地运行700亿参数级开源模型的能力，吞吐量可与托管API相媲美——这一卖点直接针对每月支付数百美元使用云端AI编程工具的开发者^[9]。但这种说法也面临挑战。在爱好者社区中，尽管对每GB价格相比专用GPU设备的价值表现出强烈兴趣，但也有尖锐质疑认为本地模型尚未真正接近前沿云端模型的性能，怀疑者认为部分对比只是基准测试的“游戏”，而非真实能力体现，并指出若本地大语言模型需求普及，NVIDIA、AMD和英特尔完全可复制苹果的内存与带宽规格，苹果并无持久的硬件护城河。一位早期看好者将此次发布视为对其数月前建议囤购Mac Studio和Mac mini用于AI的验证，当时内存价格尚未飙升。苹果的硬件推进也处于更广泛的平价本地AI硬件竞赛中：小米已发布一款“AI Cube”，三芯片本地AI设备，定位对标Mac mini，但目前仅为未定价、未定发布日期的概念产品，其三颗芯片中有两颗要到2027年才出货^[7]。这使得苹果成为目前唯一规模化出货高内存、高带宽本地AI硬件的厂商，尽管其定价已脱离了其赖以成名的入门级市场。