Apple coraz wyraźniej wchodzi na rynek komputerów przeznaczonych do lokalnej pracy z AI. Od 22 września w sprzedaży są nowe Mac mini z układami M6 i M5 Pro oraz Mac Studio wyposażone w M5 Max albo M5 Ultra. Najmocniejszy Mac Studio może otrzymać aż 512 GB pamięci zunifikowanej, a producent otwarcie mówi o uruchamianiu ogromnych modeli językowych bez wysyłania obliczeń do chmury.
Kierunek jest ciekawy, ponieważ jeszcze kilka lat temu Mac kojarzył się przede wszystkim z montażem wideo, grafiką, muzyką i programowaniem. Teraz Apple chce postawić na biurku dewelopera maszynę, która może służyć jako prywatny serwer AI. Nvidia od dawna zarabia na podobnym rynku i właśnie dlatego nowe komputery Apple zasługują na uwagę.
Warto jednak pamiętać, że Mac Studio z 512 GB pamięci zunifikowanej został oficjalnie zapowiedziany, lecz Apple informuje, że konfiguracja trafi do sprzedaży dopiero pod koniec października. Pozostałe wersje nowych Maców są dostępne od 22 września.
512 GB pamięci w komputerze stojącym na biurku
Największe wrażenie robi konfiguracja Mac Studio z układem M5 Ultra. Apple oferuje maksymalnie 36-rdzeniowy CPU, GPU liczące do 80 rdzeni oraz 512 GB pamięci zunifikowanej. Przepustowość pamięci sięga 1,2 TB/s.
Dla osób zajmujących się lokalnym AI właśnie pamięć może okazać się ważniejsza od kolejnego efektownego wyniku benchmarku.
Duży model językowy musi zmieścić swoje parametry w pamięci dostępnej dla układu wykonującego obliczenia. Im większy model, tym szybciej zaczynają się problemy. Typowa karta graficzna przeznaczona dla graczy oferuje kilkanaście albo kilkadziesiąt gigabajtów VRAM. Profesjonalny RTX PRO 6000 Blackwell Workstation Edition Nvidii ma 96 GB pamięci GDDR7.
Mac Studio może udostępnić układowi graficznemu znacznie większą pulę, ponieważ Apple korzysta z architektury pamięci zunifikowanej. CPU i GPU pracują na wspólnej pamięci, więc dane nie potrzebują ciągłego kopiowania pomiędzy osobnym RAM-em procesora i VRAM-em karty graficznej.
Nie oznacza jednak, że 512 GB pamięci Apple można po prostu zestawić z 96 GB GDDR7 Nvidii i ogłosić czterokrotnie lepszy komputer. Wydajność obliczeń, format liczb, przepustowość, biblioteki oraz optymalizacja modelu mają ogromne znaczenie. Sama pojemność pamięci mówi głównie, jak duży model masz szansę załadować.
Mac Studio pokazuje możliwości w liczbach
Specyfikacja Mac Studio mocno odbiega od komputerów Apple sprzed kilku generacji. Według danych producenta M5 Ultra zapewnia do 4,3 raza większą szczytową wydajność obliczeń AI niż M3 Ultra i do 9,8 raza większą niż M1 Ultra. Pamięć osiąga przepustowość 1,2 TB/s, czyli o 50 proc. więcej niż w M3 Ultra.
Najważniejsze liczby prezentują się następująco:
- do 512 GB pamięci zunifikowanej w Mac Studio z M5 Ultra,
- do 1,2 TB/s przepustowości pamięci,
- maksymalnie 36 rdzeni CPU i 80 rdzeni GPU,
- do 128 GB pamięci w Mac Studio z M5 Max,
- do 64 GB pamięci i 307 GB/s przepustowości w Mac mini z M5 Pro,
- do 32 GB pamięci i 170 GB/s w Mac mini z M6,
- do 3 razy szybsze wnioskowanie AI przy połączeniu czterech Maców Studio według testów Apple.
Producent podaje również, że Mac mini z M6 osiąga do czterech razy wyższą wydajność w zadaniach AI względem poprzedniego Maca mini z M4 użytego jako punkt odniesienia. Dane pochodzą z testów Apple, więc dobrze traktować je właśnie jako wyniki producenta, a nie niezależny werdykt.
Model z bilionem parametrów na czterech Macach
Najciekawszy pokaz Apple nie dotyczył małego modelu przeznaczonego do poprawiania tekstu albo generowania krótkiej odpowiedzi. Firma pokazała działanie modelu Kimi 2.6 liczącego 1 bilion parametrów na klastrze czterech komputerów Mac Studio.
Demonstrację przeprowadzono wcześniej podczas materiałów technicznych WWDC26. Cztery Maki połączono przez Thunderbolt 5, wykorzystując RDMA oraz mechanizmy MLX Distributed. Model został podzielony pomiędzy komputery, dzięki czemu każda maszyna przechowywała część danych.
Apple zwraca uwagę na bardzo prostą matematykę. Model zawierający bilion parametrów po kwantyzacji do 8 bitów potrzebuje około 1 TB pamięci wyłącznie na wagi. Jeden komputer nie wystarczał, więc model rozłożono na cztery Maki Studio.
Warto doprecyzować jeszcze jedną rzecz. Demonstracja pochodzi z WWDC26 i wykorzystywała wcześniejsze Maki Studio, między innymi konfiguracje z M3 Ultra. Nie był więc potrzebny M5 Ultra, aby sam pomysł zadziałał. Nowa generacja zwiększa jednak dostępną wydajność i ułatwia budowę podobnych stanowisk.
Cztery srebrne pudełka spięte przewodem Thunderbolt zaczynają spełniać rolę małego klastra AI. Administrator serwerowni może w tym miejscu lekko unieść brew, ale z punktu widzenia zespołu badawczego rozwiązanie ma jeden mocny argument - można postawić cały zestaw przy zwykłym stanowisku pracy.
Apple wchodzi na teren Nvidii
Apple nie powiedziało wprost, że zamierza odebrać klientów Nvidii. Kierunek rozwoju nowych komputerów wskazuje jednak, że firma celuje również w deweloperów AI, badaczy, zespoły analizujące dane oraz przedsiębiorstwa uruchamiające modele lokalnie.
Nvidia rozwija dokładnie podobną kategorię urządzeń.
DGX Spark oferuje 128 GB zunifikowanej pamięci i według producenta pozwala uruchamiać lokalnie modele liczące do 200 miliardów parametrów. Kilka urządzeń można połączyć, zwiększając dostępną skalę.
Jeszcze wyżej znajduje się DGX Station oparty na Grace Blackwell Ultra. Nvidia podaje do 748 GB spójnej pamięci oraz około 20 PFLOPS wydajności FP4. Producent pozycjonuje komputer do obsługi modeli sięgających biliona parametrów.
Zatem walka nie sprowadza się do prostego zestawienia Apple kontra jedna karta RTX. Nvidia posiada całą drabinę sprzętu - od GeForce, przez RTX PRO i DGX Spark, po DGX Station oraz systemy serwerowe.
Apple próbuje znaleźć dla siebie miejsce bardzo konkretną metodą - ogromną wspólną pamięcią, niskim poborem energii względem typowych stacji wielokartowych, prostym łączeniem komputerów oraz własnym środowiskiem MLX.
Nvidia nadal ma asa w postaci CUDA
Sprzęt stanowi połowę problemu. Oprogramowanie potrafi zdecydować, czy firma w ogóle zainteresuje się zmianą platformy.
Nvidia przez lata rozwijała CUDA, cuDNN, TensorRT oraz cały zestaw narzędzi wykorzystywanych przy uczeniu i uruchamianiu modeli. DGX Spark dostarczany jest z oprogramowaniem Nvidii, obsługą popularnych frameworków oraz środowiskiem przygotowanym właśnie pod AI.
Apple rozwija MLX, Core AI i obsługę obliczeń rozproszonych, lecz ekosystem ma znacznie krótszą historię. Deweloper posiadający istniejący kod CUDA nie przeprowadzi migracji tylko dlatego, że Mac ma więcej pamięci. Czas poświęcony na zmianę narzędzi również kosztuje, a księgowość rzadko reaguje entuzjazmem, gdy pojawia się zdanie przepisania połowy projektu.
Z drugiej strony MLX rozwija się właśnie w obszarach, gdzie architektura Apple ma przewagę praktyczną. Framework obsługuje uruchamianie, dostrajanie i dzielenie modeli pomiędzy kilka komputerów. Podczas WWDC Apple pokazało również prawie trzykrotny wzrost szybkości generowania tokenów przy rozłożeniu modelu Qwen 3.6 na cztery maszyny względem pojedynczego Maca w prezentowanym scenariuszu.
Lokalny model oznacza brak rachunku za każdy token
Duży model działający lokalnie ma kilka praktycznych zalet. Dane mogą pozostać w firmie, komputer może pracować bez stałego wysyłania materiałów do zewnętrznego API, a koszt obliczeń po zakupie sprzętu staje się łatwiejszy do przewidzenia.
Przy analizowaniu kodu źródłowego, poufnych dokumentów, materiałów badawczych albo danych firmowych lokalne przetwarzanie może być szczególnie interesujące. Nie każda organizacja chce wysyłać dane do dostawcy chmurowego, nawet jeśli umowa zapewnia odpowiednie zabezpieczenia.
Apple wykorzystuje właśnie argument prywatności i braku opłat naliczanych za tokeny w swoich materiałach dotyczących Mac Studio. Producent wskazuje możliwość uruchamiania dużych modeli bezpośrednio na urządzeniu i bez kosztów API rosnących wraz z intensywnością wykorzystania.
Oczywiście prąd nadal nie płynie z dobroci serca elektrowni, a Mac Studio nie materializuje się bez faktury. Lokalny AI zmienia strukturę wydatków - więcej płacisz za sprzęt, mniej zależysz później od rozliczenia każdego zapytania.
Mac mini również dostał wyraźny kierunek AI
Mac Studio kierowany jest do specjalistów dysponujących znacznie większym budżetem. Mac mini może okazać się ciekawszy dla programistów, niewielkich firm i osób eksperymentujących z lokalnymi modelami.
Mac mini z M6 kosztuje w USA od 899 dolarów. Ma 12-rdzeniowy CPU, 12-rdzeniowe GPU z akceleratorami Neural Accelerator oraz pamięć zunifikowaną od 16 do 32 GB. Model z M5 Pro zaczyna się od 1699 dolarów i obsługuje do 64 GB pamięci.
Nie uruchomisz na 32 GB największych modeli dostępnych na rynku, lecz spora część mniejszych LLM-ów, modeli do programowania, rozpoznawania obrazu albo generowania treści działa przy znacznie skromniejszych potrzebach pamięciowych.
Mac mini może wejść w rolę małego komputera AI działającego przez całą dobę. Apple zresztą bez większej subtelności promuje M6 właśnie jako platformę dla stale uruchomionych procesów opartych na agentach.
Czy Nvidia ma powód do obaw
Na razie trudno mówić o zmianie układu sił. Nvidia posiada dojrzały ekosystem, ogromną bazę oprogramowania, profesjonalne GPU, DGX-y oraz infrastrukturę serwerową. Apple dopiero buduje mocniejszą pozycję w obszarze profesjonalnego AI.
Nowe Mac Studio wskazuje kierunek, którego nie należy lekceważyć. 512 GB pamięci zunifikowanej w pojedynczej stacji roboczej daje możliwość eksperymentowania z modelami, dla których zwykły komputer wyposażony w jedną kartę graficzną szybko dobija do limitu pamięci. Możliwość spięcia kilku Maców przez Thunderbolt 5 dodatkowo rozszerza skalę bez budowania klasycznego serwera GPU.
Mac Studio z M5 Ultra zaczyna się w USA od 5499 dolarów, a wersja z 512 GB pamięci pojawi się dopiero pod koniec października. Niska cena zdecydowanie nie będzie głównym argumentem Apple. Firma sprzedaje raczej możliwość postawienia przy biurku maszyny z ogromną pulą pamięci, własnym środowiskiem MLX i możliwością lokalnego uruchamiania modeli, które niedawno wymagały znacznie bardziej specjalistycznego sprzętu.
Nvidia nadal rozdaje karty w profesjonalnym AI, lecz Apple właśnie ustawiło przy jej stoliku dodatkowe krzesło. Jeżeli MLX będzie dojrzewał, popularne modele otrzymają dobre optymalizacje dla Apple Silicon, a firmy zaczną mocniej interesować się lokalnym przetwarzaniem danych, Mac może stać się realną alternatywą do pracy z lokalnymi AI.
Źródła: Własne, Apple, Nvidia
Zdjęcia, grafiki, nazwy produktów oraz logotypy wykorzystane w materiale służą wyłącznie celom informacyjnym i ilustracyjnym. Prawa do znaków towarowych i materiałów należą do ich właścicieli.
