Mac Mini 起售价从 $599 涨到了 $899，涨幅 50%。Mac Studio M5 Ultra 配 512GB 统一内存，卖 $5,499，照样断货。
苹果涨价的底气不是品牌溢价，是一群它从没想过会买 Mac 的人——AI 开发者。他们把消费级小盒子当推理服务器用，把统一内存当免费显存薅，一个人买两三台 Mac Mini 组集群，比租云 GPU 便宜得多。
苹果自己都没想到。
为什么是 Mac？统一内存的降维打击
传统 GPU 推理的瓶颈很简单：显存不够。
一张 RTX 4090 有 24GB 显存，RTX 5090 有 32GB。跑一个 70B 参数的模型，4-bit 量化后大约需要 35-40GB。24GB 的卡直接装不下，32GB 的卡勉强塞进去，推理速度也被内存带宽卡死。
Apple Silicon 的统一内存架构（UMA）完全不同。CPU、GPU、Neural Engine 共享同一块物理内存，没有数据拷贝的开销。Mac Studio M5 Ultra 最高配 512GB 统一内存，带宽 1.2TB/s——这意味着你可以把 Llama 3 70B 整个加载进内存，连量化都不用，直接跑 FP16。
一张 4090 的 24GB 显存，连模型权重都装不下。一台 Mac Studio 的 512GB 统一内存，可以同时加载两个 70B 模型。
这不是量变，是质变。
实际能跑多快？规格对比
先看硬件参数：
| 机型 | 芯片 | CPU 核心 | GPU 核心 | 内存 | 内存带宽 | 起售价 |
|---|---|---|---|---|---|---|
| Mac Mini | M6 | 12 核 | 12 核 | 16GB | 153GB/s | $899 |
| Mac Mini | M5 Pro | 15-18 核 | 16-20 核 | 24-64GB | 307GB/s | $1,699 |
| Mac Studio | M5 Max | 18 核 | 32-40 核 | 36-128GB | 460-614GB/s | $2,499 |
| Mac Studio | M5 Ultra | 30-36 核 | 64-80 核 | 96-512GB | 1.2TB/s | $5,499 |
对比 NVIDIA 消费级显卡：
| 显卡 | 显存 | 内存带宽 | 价格 | 备注 |
|---|---|---|---|---|
| RTX 4090 | 24GB | 1TB/s | $1,599 起（实际 $2,000+） | 常年缺货 |
| RTX 5090 | 32GB | 1.8TB/s | $1,999 起（实际 $2,500+） | 同样缺货 |
单看带宽，RTX 5090 的 1.8TB/s 确实比 Mac Studio M5 Ultra 的 1.2TB/s 快。但问题是：你只有 32GB 显存，大模型根本装不进去。Mac Studio 有 512GB，可以不量化直接跑。这不是带宽的竞争，是"能不能跑"的竞争。
开发者用 Ollama 在 Mac Studio M5 Ultra 上跑 Llama 3 70B（Q4_K_M 量化），生成速度大约 15-20 tokens/s。跑 Qwen 2.5 72B，类似表现。这个速度不算快——同价位的云 GPU 集群肯定更快——但它是零成本的本地推理，没有 API 费用，没有数据外传，没有速率限制。
开发者为什么在抢 Mac？
1. 成本账算得过来
一台 Mac Mini M6 $899，配 16GB 内存，能跑 7B-13B 的模型，够日常开发调试用。两台 Mac Mini M5 Pro（$1,699 × 2 = $3,398）组集群，总共 48-64GB 内存，能跑 30B-40B 级别模型。
对比云 GPU：AWS 的 p4d.24xlarge（8× A100 80GB）每小时约 $32，跑一个月要 $23,000。一台 Mac Studio M5 Ultra $5,499，一次性买断，跑三年电费也就几百美元。
对于小团队和个人开发者，这笔账太好算了。
2. 隐私是刚需
很多场景数据不能出本机：医疗数据、法律文件、企业内部代码、个人隐私信息。用 API 调用 GPT-4 或 Claude，数据要经过第三方服务器。本地推理没有这个问题——模型权重在你的硬盘上，推理在你的内存里完成，数据从头到尾不出本机。
这不是偏执，是合规要求。很多企业已经把"数据不出本机"写进了采购标准。
3. 框架生态已经成熟
Ollama、llama.cpp、MLX 这三个框架在 Apple Silicon 上的优化已经非常到位：
- Ollama 一键安装，
ollama run llama3:70b直接跑，零配置 - llama.cpp 支持 Metal GPU 加速，Apple Silicon 的 GPU 利用率已经很高
- MLX 是苹果自己的机器学习框架，专门为统一内存优化，推理效率最高
开发者不需要折腾 CUDA 驱动、不需要配 Docker、不需要管 Linux 内核版本。买回来开机，装个 Ollama，五分钟就能跑模型。
4. 企业采购趋势
最让苹果意外的可能是这个：小团队开始用 Mac 集群替代云 GPU。
一个 5 人创业团队，买 4 台 Mac Mini M5 Pro 组成推理集群，总成本不到 $7,000。用来跑内部代码助手、文档问答、客服机器人，完全够用。同样的功能用云 API，每月可能要 $500-2,000 的 token 费用。
有报道说某些企业开始"按机架"采购 Mac Mini。这不是消费行为，是基础设施采购。
苹果的"意外收获"
苹果从来不是 AI 公司。Mac 的定位是创意工作站和消费级桌面电脑。M 系列芯片的设计目标是"在低功耗下提供高性能"，不是"跑大模型"。
但统一内存架构恰好是本地 LLM 推理的最佳方案。GPU 推理需要把模型权重从系统内存拷贝到显存，这个拷贝过程是瓶颈。UMA 架构没有这个拷贝——CPU 和 GPU 直接访问同一块内存，延迟更低，效率更高。
苹果是"无心插柳"。它没专门为 AI 优化硬件，但它的架构天然适合 AI 推理。开发者发现了这一点，开始涌入。
现在苹果面临一个有趣的局面：它的 AI 推理用户群是"意外涌进来"的，供应链完全没为这个需求做准备。Mac Mini 和 Mac Studio 长期缺货，部分配置需要等 4-6 周才能发货。
局限：别把 Mac 当万能药
公平地说，Mac 做 AI 推理有明显局限：
内存上限。 Mac Studio M5 Ultra 最高 512GB 统一内存，看起来很多，但如果你要跑 405B 参数的模型（FP16 需要约 810GB），还是装不下。NVIDIA 的数据中心级 GPU 可以通过 NVLink 互联，多卡显存池化，理论上没有上限。
训练不行。 Mac 的 GPU 核心数和算力跟 NVIDIA 的 A100/H100 完全不在一个量级。LLM 推理是内存带宽密集型，Mac 能打；LLM 训练是算力密集型，Mac 差距巨大。如果你要微调模型，还是得用 NVIDIA GPU。
CUDA 生态。 PyTorch、TensorFlow 等主流框架对 CUDA 的支持最成熟。MLX 虽然好用，但生态还小。很多最新的模型架构和优化技术，CUDA 版本总是最先出来。
性价比有拐点。 Mac Mini M6 $899 跑 7B 模型很划算。但如果你需要跑 70B 模型的高并发推理（比如每秒处理 10 个请求），一台 Mac Studio 的吞吐量不够，你需要多台组成集群——这时候成本优势就开始缩小，专业 GPU 服务器的性价比反而更高。
Mac 适合的场景是：小团队、低并发、注重隐私、预算有限的本地推理。它不是云 GPU 的替代品，是 API 调用的替代品。
买哪款？速查指南
| 你的需求 | 推荐 | 预算 |
|---|---|---|
| 跑 7B-13B 模型，日常开发调试 | Mac Mini M6 | $899 |
| 跑 30B 模型，需要较好性能 | Mac Mini M5 Pro | $1,699 |
| 跑 70B 模型（量化），中等并发 | Mac Studio M5 Max 128GB | ~$4,000 |
| 跑 70B 模型（FP16），或多模型同时运行 | Mac Studio M5 Ultra 256GB | ~$7,000 |
| 跑 405B 模型，或需要高并发 | 不适合用 Mac，考虑云 GPU | - |
最后
苹果可能需要重新思考 Mac 的定位了。
它原本是卖给设计师、程序员、学生和家庭用户的消费级电脑。现在 AI 开发者把它当推理服务器用，企业把它当基础设施买，Mac Mini 从"最便宜的 Mac"变成了"最便宜的本地 AI 推理方案"。
供应链在被这群新用户挤压，价格在被需求推高。那些只想买台电脑写文档的普通用户，可能要排队等更久了。
这不是苹果计划内的故事，但可能是它未来十年最赚钱的故事之一。