#### 簡要說明* 蘋果CEO蒂姆·庫克警告稱，Mac mini和Mac Studio可能在“數個月”內仍然供應短缺，原因是由AI驅動的需求遠超公司預期。* OpenClaw——由OpenAI支持的開源AI代理平台——將蘋果的統一記憶體架構轉變為運行大型本地AI模型的預設硬體。* 蘋果的M4 Ultra支持高達192GB的統一記憶體，讓開發者能運行無法放入任何單一消費者Nvidia GPU的模型，該GPU的VRAM最高為32GB。蘋果的Mac mini一直是蘋果商店背後那台安靜、易被忽略的桌面電腦。實用、按蘋果標準來說便宜，且大多數AI圈子都不在意。直到OpenClaw的出現。週四，蒂姆·庫克告訴分析師，Mac mini和Mac Studio已經售罄——且可能數月內都如此。“這兩款平台在AI和代理工具方面都非常出色，”他在蘋果2026年第二季度財報電話會議中說，“而且用戶對此的認識比我們預期的更快。”翻譯：蘋果低估了開發者對這些機器的需求有多大，尤其是在供應短缺干擾市場的時候。該季度蘋果的Mac收入為84億美元，同比增長6%。並非爆炸性增長——而是供應限制，而非需求，成為限制因素。高記憶體配置的Mac mini和Mac Studio不僅延遲，甚至有些已經從蘋果商店完全下架。<span style="width:0px;overflow:hidden;line-height:0" data-mce-type="bookmark" class="mce_SELRES_start"></span>美國的599美元基本款Mac mini已售罄，無法提供交付或店內取貨。升級配置配備64GB記憶體的等待時間顯示為16到18週。配備512GB統一記憶體的Mac Studio型號已完全從商店下架。eBay上的黃牛迅速跟進，將基本款幾乎以接近兩倍的零售價轉售。這一切的催化劑是什麼？OpenClaw和對記憶體需求旺盛的代理AI的繁榮。這個由彼得·斯坦伯格（Peter Steinberger）打造的開源AI代理框架——在與Meta的競標戰後由OpenAI支持——在GitHub上爆炸性增長，超過32萬3千個星標，成為個人和小團隊運行持久AI代理的最快方式。而用來運行它的非官方參考硬體，幾乎立即成為Mac mini。但這並非來自市場推廣的結果。大多數關注Mac短缺的人忽略的是，蘋果多年來在嚴肅的AI工作負載中毫無關聯。在AI代理成為主流奇蹟之前，人們抱怨運行大型語言模型（LLMs）、Stable Diffusion或其他任何家庭AI軟體都非常緩慢，幾乎無法使用。M2 Mac的性能與2019年的GPU相當。蘋果拒絕採用CUDA或使用Nvidia，推動其MLX技術，使其在AI領域和遊戲一樣毫無關聯。Nvidia之所以主導，是因為CUDA——其專有的GPU編程框架——是模型訓練和推理的支柱。整個AI堆疊都是圍繞它構建的。蘋果沒有可比擬的技術。沒有人想用Mac進行本地推理。但CUDA有個骯髒的秘密：VRAM限制。即使是最好的消費者Nvidia GPU，RTX 5090，也只有32GB VRAM的上限。這是一個硬性天花板。超過32GB的模型無法在該卡上全速運行——它會溢出到較慢的系統RAM，穿越PCIe總線，性能就會大打折扣。要在Nvidia硬體上運行一個70億參數的嚴肅模型，你需要多個GPU、一個伺服器機架、巨大的電力消耗，以及數千美元的投入。蘋果的統一記憶體架構（UMA）在這方面解決了CUDA無法做到的問題。在蘋果硅上，CPU、GPU和神經引擎共享同一個物理記憶體池。沒有獨立的VRAM，也沒有需要跨越的PCIe總線。配備64GB的Mac mini可以載入一個70億參數的模型，而價值1800美元的RTX 5090根本不願意觸碰。M4 Ultra——驅動高端Mac Studio配置的芯片——支持高達192GB的統一記憶體。這足以在單一機器上本地運行1000億參數的模型。無需伺服器，也無需每月的雲端費用。OpenClaw讓這個權衡變得明顯。因為它在本地運行代理——連接你的文件、應用和訊息——用戶需要能處理推理負載的機器，而不必從雲端租用計算資源。配備32GB統一記憶體的Mac mini可以輕鬆運行30B參數的模型。配備128GB的Mac Studio可以處理大多數開發者在一年前無法觸及的企業GPU集群才能運行的模型。一台能運行強大AI模型的慢速Mac，遠勝於一張甚至無法載入該模型的強大Nvidia卡。結果是：開發者開始像以前購買樹莓派一樣購買Mac mini——一次多台，視為基礎設施而非個人電腦。蘋果的供應鏈從未為這種模式設計。還有一個更廣泛的記憶體短缺問題在加劇。IDC預計2026年全球PC出貨量將下降11.3%，部分原因是由AI伺服器需求推動的記憶體晶片短缺。蘋果現在也在與建設數據中心的超大規模雲端服務商競爭相同的記憶體供應。庫克表示，可能需要“數個月”時間才能使Mac mini和Studio的供需平衡。預計2026年晚些時候推出的M5芯片更新，或許能緩解壓力——但目前買家只能等待或支付黃牛價。Mac mini在2026年比其20年歷史上的任何時候都更具緊迫感——而這一切只需靠一個蘋果完全不參與的開源項目來促成。
OpenClaw 讓蘋果重新回到 AI 領域——現在他們再也趕不及建造足夠的 Mac 了
簡要說明
蘋果的Mac mini一直是蘋果商店背後那台安靜、易被忽略的桌面電腦。實用、按蘋果標準來說便宜，且大多數AI圈子都不在意。直到OpenClaw的出現。 週四，蒂姆·庫克告訴分析師，Mac mini和Mac Studio已經售罄——且可能數月內都如此。“這兩款平台在AI和代理工具方面都非常出色，”他在蘋果2026年第二季度財報電話會議中說，“而且用戶對此的認識比我們預期的更快。” 翻譯：蘋果低估了開發者對這些機器的需求有多大，尤其是在供應短缺干擾市場的時候。
該季度蘋果的Mac收入為84億美元，同比增長6%。並非爆炸性增長——而是供應限制，而非需求，成為限制因素。高記憶體配置的Mac mini和Mac Studio不僅延遲，甚至有些已經從蘋果商店完全下架。 美國的599美元基本款Mac mini已售罄，無法提供交付或店內取貨。升級配置配備64GB記憶體的等待時間顯示為16到18週。配備512GB統一記憶體的Mac Studio型號已完全從商店下架。eBay上的黃牛迅速跟進，將基本款幾乎以接近兩倍的零售價轉售。 這一切的催化劑是什麼？OpenClaw和對記憶體需求旺盛的代理AI的繁榮。
這個由彼得·斯坦伯格（Peter Steinberger）打造的開源AI代理框架——在與Meta的競標戰後由OpenAI支持——在GitHub上爆炸性增長，超過32萬3千個星標，成為個人和小團隊運行持久AI代理的最快方式。而用來運行它的非官方參考硬體，幾乎立即成為Mac mini。
但這並非來自市場推廣的結果。 大多數關注Mac短缺的人忽略的是，蘋果多年來在嚴肅的AI工作負載中毫無關聯。在AI代理成為主流奇蹟之前，人們抱怨運行大型語言模型（LLMs）、Stable Diffusion或其他任何家庭AI軟體都非常緩慢，幾乎無法使用。M2 Mac的性能與2019年的GPU相當。蘋果拒絕採用CUDA或使用Nvidia，推動其MLX技術，使其在AI領域和遊戲一樣毫無關聯。 Nvidia之所以主導，是因為CUDA——其專有的GPU編程框架——是模型訓練和推理的支柱。整個AI堆疊都是圍繞它構建的。蘋果沒有可比擬的技術。沒有人想用Mac進行本地推理。 但CUDA有個骯髒的秘密：VRAM限制。 即使是最好的消費者Nvidia GPU，RTX 5090，也只有32GB VRAM的上限。這是一個硬性天花板。超過32GB的模型無法在該卡上全速運行——它會溢出到較慢的系統RAM，穿越PCIe總線，性能就會大打折扣。要在Nvidia硬體上運行一個70億參數的嚴肅模型，你需要多個GPU、一個伺服器機架、巨大的電力消耗，以及數千美元的投入。 蘋果的統一記憶體架構（UMA）在這方面解決了CUDA無法做到的問題。在蘋果硅上，CPU、GPU和神經引擎共享同一個物理記憶體池。沒有獨立的VRAM，也沒有需要跨越的PCIe總線。配備64GB的Mac mini可以載入一個70億參數的模型，而價值1800美元的RTX 5090根本不願意觸碰。
M4 Ultra——驅動高端Mac Studio配置的芯片——支持高達192GB的統一記憶體。這足以在單一機器上本地運行1000億參數的模型。無需伺服器，也無需每月的雲端費用。 OpenClaw讓這個權衡變得明顯。因為它在本地運行代理——連接你的文件、應用和訊息——用戶需要能處理推理負載的機器，而不必從雲端租用計算資源。配備32GB統一記憶體的Mac mini可以輕鬆運行30B參數的模型。配備128GB的Mac Studio可以處理大多數開發者在一年前無法觸及的企業GPU集群才能運行的模型。 一台能運行強大AI模型的慢速Mac，遠勝於一張甚至無法載入該模型的強大Nvidia卡。 結果是：開發者開始像以前購買樹莓派一樣購買Mac mini——一次多台，視為基礎設施而非個人電腦。蘋果的供應鏈從未為這種模式設計。 還有一個更廣泛的記憶體短缺問題在加劇。IDC預計2026年全球PC出貨量將下降11.3%，部分原因是由AI伺服器需求推動的記憶體晶片短缺。蘋果現在也在與建設數據中心的超大規模雲端服務商競爭相同的記憶體供應。 庫克表示，可能需要“數個月”時間才能使Mac mini和Studio的供需平衡。預計2026年晚些時候推出的M5芯片更新，或許能緩解壓力——但目前買家只能等待或支付黃牛價。 Mac mini在2026年比其20年歷史上的任何時候都更具緊迫感——而這一切只需靠一個蘋果完全不參與的開源項目來促成。