巨头抢购Mac mini：并非养龙虾，而是训练“电脑智能体”

近期科技圈爆出重磅新闻：OpenAI在过去几个月采购了数万台Mac mini和Mac Studio，而Anthropic则选择从亚马逊AWS租赁同等规模的设备。这些机器被整箱运入，不配显示器和键盘，直接堆叠在机架上。这一举动引发了外界关于“养龙虾”的调侃，但核心目的其实是为了训练一种名为CUA（Computer-Using Agent）的智能体。这类AI不再仅仅输出文字或代码，而是像人类一样通过屏幕视觉识别、鼠标点击和键盘输入来操作软件。由于现有大模型缺乏标准接口来完成跨应用的任务（如从邮箱提取数据填入表格），让AI像人一样操作界面成为唯一可行的路径。训练过程涉及截图、动作执行、反馈评分和参数调整，每秒可进行数十次循环，因此需要成千上万台机器并行运行以加速迭代。

性能瓶颈与硬件选择：为何必须是真机而非云端虚拟机？

有人质疑Mac mini的性能，特别是基础款仅16GB内存的M系列芯片似乎无法运行万亿参数的大模型。然而，这些机器并非用于推理大语言模型本身，而是作为AI智能体的“操作终端”。苹果在此事中意外成为最大赢家：2026财年第三季度Mac收入同比增长29%，远超iPhone的22%和iPad的-5.9%。此前Mac mini因“养龙虾”热潮一度售罄，二手价格从官网的599美元飙升至715-795美元。苹果甚至罕见地将Mac发布会提前至8月25日，早于媒体曝光时间。这种硬件采购并非为了本地运行大模型，而是为AI提供一个标准化、高一致性的操作环境。与云端虚拟机不同，真机能提供真实的图形界面和硬件交互反馈，这是模拟人类操作行为所必需的物理基础。

操作系统之争：为何Windows和Linux无法胜任？

在操作系统的选择上，Mac OS因其高一致性和兼容性胜出。Windows虽然占据桌面市场约60%的份额，但其碎片化严重：不同品牌（联想、戴尔）的设置面板位置各异，系统版本跨度大，驱动和主题不统一。例如，字节跳动的豆包输入法在macOS、iOS和鸿蒙上线后，至今未推出Windows版本，官网仅显示“敬请期待”，原因正是Windows兼容性开发成本过高。Linux虽然服务器端强大，但桌面版仅占4%，且存在数十种发行版和多种图形环境（如KDE、GNOME），软件生态完全独立且不一致。对于需要广泛部署到用户终端的AI智能体而言，训练环境必须与最终使用环境高度一致。Mac OS虽然桌面份额仅10%-20%，但其统一的硬件标准和软件环境确保了AI训练出的操作技能可以直接迁移到用户设备上，避免了“屠龙术”无处施展的尴尬。

未来展望：苹果能否成为AI时代的最大赢家？

随着CUA技术的成熟，AI将通过Mac学习如何操作电脑。这一趋势可能改变苹果在AI产业链中的地位。目前，所有主流AI公司都在探索云端虚拟主机或智能体操作界面（如xAI的Grok Bot），但真机训练带来的高保真交互体验是虚拟环境难以替代的。苹果凭借其在消费级市场的硬件垄断力和系统封闭性带来的稳定性，正在成为AI训练不可或缺的“基础设施”。尽管OpenAI和Anthropic目前通过采购或租赁方式获取资源，但随着规模扩大，苹果可能从单纯的硬件供应商转型为AI算力生态的关键节点。这一变化不仅验证了Mac mini在特定AI任务中的独特价值，也预示着苹果有望成为新一代云厂商或AI操作系统的核心提供者。未来，谁掌握了最稳定、最广泛的用户桌面环境，谁就可能在AI智能体的落地竞争中占据先机。苹果的这一轮“躺赢”，或许只是其重新定义人机交互方式的开始。

macOS的封闭生态迫使硬件采购

Mac系统最核心的优势在于极致的兼容性与一致性。由于macOS只能在苹果硬件上运行，所有软件均为统一架构重新编写，不同机型间的操作体验几乎一模一样。用户在一台Mac上训练出的技能或配置，迁移到另一台Mac时无需任何适配即可直接使用。这种一致性远超Windows系统，后者面临频繁的驱动适配痛苦及漫长的版本迭代周期。更重要的是，苹果通过法律手段严厉打击“黑苹果”行为并赢得诉讼，明确规定macOS不得在非官方硬件上运行。这一硬性规定直接切断了通过通用服务器虚拟化来部署macOS的可能性，因为任何非苹果硬件运行该系统均属违法。因此，企业若需大规模使用macOS环境，唯一合法且稳定的路径就是购买大量苹果真机。这种封闭策略虽然限制了虚拟化灵活性，但也确保了软件生态的高度统一和用户体验的标准化。

虚拟机的技术限制与授权陷阱

即便拥有Mac真机，虚拟化方案也无法满足大规模AI训练需求。苹果在授权协议中严格限制每台Mac主机仅能运行两个虚拟机实例，且这些虚拟机存在严重的功能阉割。虚拟环境无法登录iCloud和App Store，原因是苹果通过隔离区（Secure Enclave）保护管理密码和证书，防止用户利用虚拟机刷榜或绕过数字版权管理（DRM）。对于AI应用而言，无法访问App Store意味着关键的应用程序和数据源根本无法安装。此外，AWS等云服务商提供的Mac实例虽然存在，但必须按24小时起租，且底层依然是物理真机而非仿真环境。这种“规矩+技术”的双重封锁，使得OpenAI等公司无法通过云端虚拟化节省成本，只能老老实实购买上万台Mac mini真机并部署在机房中。这种模式将原本无形的算力需求转化为有形的硬件订单，直接推高了苹果的财报收入。

云手机与云游戏的商业逻辑分野

回顾“机器上云”的历史，云手机业务之所以成功，是因为其处理的是有边界、低延迟敏感的任务。例如阿里无影云手机利用ARM架构服务器模拟安卓环境，成本极低（约65元/月），主要用于企业营销刷量、多开账号养号及直播挂机。这些任务对画面延迟不敏感，且动作固定。相比之下，云游戏业务因需处理无边界、高实时性的交互而普遍失败。谷歌Stadia于2019年推出，2023年正式关停；微软Xbox云游戏和英伟达GeForce Now虽仍在运营但用户寥寥。核心差异在于，云手机执行的是标准化脚本动作（如点击、滑动），而游戏需要毫秒级的实时反馈。若在网络延迟50毫秒的情况下游玩《只狼》等动作游戏，玩家必死无疑。因此，只有将任务边界限定在低交互、高并发的自动化领域，“机器上云”才具备商业可行性，这也解释了为何当前AI Agent大多选择Linux而非Mac作为云端载体。

AI Agent的演进：从Linux到真机需求

当前AI代理（Agent）的发展经历了“网盘工具”、“云端电脑（养龙虾）”等阶段。早期方案如xAI的Grok Bot，本质上是提供一台共享资源的Linux云端电脑。选择Linux是因为其内核可裁剪、资源占用低，且能完美胜任查资料、填表格、跑脚本等“有边界”任务。然而，随着AI能力向更复杂的操作演进，Linux的局限性显现。若需安装微信、特定业务系统或进行跨平台软件操作，必须依赖完整的操作系统环境。此时，Linux无法替代Mac。尽管谷歌Gemini 3.5 Flash已具备电脑操作能力且未采购大量Mac，但xAI的“Macrohard”项目及OpenAI的ChatGPT Agent均指向真机环境。特别是当AI需要像人类一样直接操控鼠标、键盘并运行原生软件时，Mac mini真机成为唯一选择。这一转变标志着AI从“脚本执行者”向“全能数字员工”的跨越，也预示着未来对苹果硬件需求的持续爆发。

云端Mac生态的单一寡头与历史成因

目前全球公有云市场中，只有亚马逊（AWS）提供Mac实例服务，谷歌和微软均未涉足此领域。这源于公有云“切分机器”的商业逻辑与Mac硬件特性的根本冲突：Mac不允许虚拟化切割，必须整台出租，导致规模效应缺失且毛利微薄。尽管存在寿命长等优势，但这一市场长期由亚马逊垄断。在此之前，租赁Mac的主要用户是iOS开发者。由于苹果规定应用编译和提交至App Store必须在本地macOS环境下进行，开发者便租用云端Mac来绑定开发者账号并完成最后的编译发布流程。苹果自身从未开展企业云服务业务，其内部使用的Apple Silicon服务器也不对外出租，这种封闭策略在客观上为第三方云厂商留下了市场真空。

Chrome浏览器案例：通过开发者体验建立生态霸权

回顾15年前，前端开发面临多浏览器兼容难题，需针对不同内核（IE、Firefox等）分别调试。Chrome通过内置强大的开发者工具集——包括元素面板、控制台、网络分析及手机模拟等功能，免费为前端工程师提供了极致的调试体验。这种“让开发者爽”的策略迅速改变了行业习惯，导致依赖Firebug的Firefox生态衰落。2017年Firebug停更后，前端工作流完全绑定Chrome。结果导致其他浏览器内核迅速边缘化：Opera于2013年放弃自研内核转向Chromium，微软Edge也在2020年转投Chromium阵营。截至2026年8月，全球桌面浏览器市场中Chrome占比高达73.28%，而拥有自研内核的Firefox和Safari分别仅占5.31%和5.24%，其中Safari在macOS上的份额甚至低于其操作系统的整体桌面占比，显示出苹果在浏览器领域的失利。

AI Agent训练环境对Mac mini的刚性需求

当前AI发展的新趋势是训练Agent（智能体）而非单纯的大语言模型。这些AI需要在模拟真实人类操作的环境中学习，包括使用微信、Telegram等特定软件及应对复杂的图形界面交互。Mac mini因其系统一致性成为最优解。正如Chrome通过统一前端标准绑定了开发者，AI在Mac环境中训练后，会形成对macOS操作逻辑的路径依赖。若切换至Windows或Linux，AI可能因缺乏相应的GUI交互训练而失效（如无法处理微信等非命令行应用）。因此，OpenAI和Anthropic等巨头租用上万台Mac mini，实质是在构建标准化的Agent训练环境。这种需求使得AI模型与macOS生态深度绑定，未来可能导致“让所有电脑变成Mac”或极大提升云端Mac用量的趋势。

苹果“封闭策略”的意外胜利与未来展望

苹果的赢面并非来自性能或价格优势，而是源于其20年来坚持的封闭硬件策略。尽管被诟病“霸道”和“傲慢”，如限制虚拟机数量、禁止登录App Store/iCloud等，但这种强制的一致性恰恰满足了AI训练对标准化环境的需求。苹果通过提高Mac mini价格（M4版$899起，国内约6,999元）直接获利。未来苹果若下场做云厂商，可能通过云端macOS授权或大规模虚拟化标准单元进一步变现。然而，苹果缺乏云服务基因且新CEO战略不明朗，目前仍保持“躺赢”姿态。这种由封闭带来的硬件一致性，在AI时代意外转化为巨大的商业价值，证明了“系统只跑在自己硬件上”这一长期被批评的策略在特定场景下的独特壁垒。

Mac mini囤货与AI工具实战

近期苹果发布Mac mini，引发市场关注。有用户提前囤积M4版本，计划通过免费升级至M6后加价出售以获利。在AI应用层面，主播提到国内开源阵营可能也会采购大量Mac mini用于训练或蒸馏模型。对于个人开发者，MiniMax的Token服务因其“5小时限额无周限制”的特性而备受青睐。主播表示，普通任务如代码调试、Docker安装等已全面转向MiniMax处理。相比之下，DeepSeek Harness更像是一个无界面的本地Claude Code工具，适合本机运行；而Hermes Agent则类似“龙虾”，建议部署在独立主机上。主播指出，虽然本地算力有限且需关机，但云端服务能实现24小时在线，适合远程操控如树莓派Docker环境等场景。

浏览器发展史与Chrome成功逻辑

回顾浏览器历史，Google Chrome的成功得益于JavaScript引擎性能、多进程架构以及对开发者的极致优化。早期Chrome从WebKit分支出来，与Safari经历了一段“互相删代码”的磨合期后分道扬镳。Chrome凭借极快的升级频率和强大的网页兼容性，逐渐淘汰了Opera、Firefox等竞争对手。Opera最终被360收购并改用Chromium内核，而Firefox在中国市场也因经营困难裁员。主播认为，Chrome通过疯狂迭代建立了生态壁垒，其Store等附加功能虽非核心，但兼容性才是留住用户的关键。此外，Chromebook在美国中学市场占据统治地位，成为学生人手一台的设备，显示出其在特定场景下的不可替代性。

硬件价格波动与个人生活随笔

在硬件成本方面，固态硬盘（SSD）价格持续高位运行。主播提到2024年购买一块固态花费2,800元，目前价格依然坚挺，预计明年才会有所缓解。相比之下，32GB DDR5-5600内存价格已降至约2,800元，但主播仍选择观望。关于新发布的MacBook Pro M5系列，16寸M5 Pro起售价约2.5万元，M5 Max超过3万元。主播考虑购买九九成新的16寸M3 Max以节省一万多元成本。对于自建大模型，主播持否定态度，认为普通用户缺乏数学功底和必要场景，“蒸馏别人数据做出来的模型”无需过度进行价值引导，自建意义不大。最后，主播提及观看电影《奥德赛》的感受，认为影片视听优秀但故事改编偏离原著核心，将个体命运叙事强行转化为英雄反战主题，导致观众理解困难。

“MiniMax M3 虽然各种评分差一些但是呢这种普通的工作比如说装个Docker啊简单的除个错误啊非常好用”

“Chrome就是慢慢的把它...网页兼容性这一条就把所有的其他都干掉了”

“普通用户在自建模型时最大的壁垒是什么？为什么要自建模型呢？”

结论

OpenAI与Anthropic采购上万台Mac mini，核心目的是构建标准化的CUA智能体训练环境。macOS凭借硬件与系统的高度一致性、封闭生态带来的操作体验统一，以及无法在通用服务器虚拟化的法律与技术限制，成为AI智能体学习人类图形界面交互的唯一可行路径。相比之下，Windows碎片化严重且兼容性开发成本高，Linux缺乏原生GUI支持，均无法满足跨应用操作需求。苹果通过强制真机部署策略意外确立了AI基础设施壁垒。

然而，该模式存在显著局限。云端Mac由AWS垄断且按整台物理机出租，成本高昂；虚拟机受限于仅允许两个实例及无法登录App Store/iCloud的功能阉割，难以规模化。此外，此方案仅适用于需要高保真图形交互的Agent任务，对于低延迟敏感或标准化脚本类应用并不适用。这标志着AI从云端虚拟环境向真机物理交互的范式转移，但也意味着苹果在封闭策略下获得了巨大的商业红利。