Szał na punkcie AI napędza sprzedaż Mac! Apple (AAPL.US) zaczyna walczyć o budżet na moc obliczeniową AI, wkracza w sektor infrastruktury AI

Aplikacja finansowa inteligentnego rynku odnotowała, że amerykański gigant elektroniki konsumenckiej Apple (AAPL.US), który ostatnio wyraźnie skierował swoją strategię wzrostu na AI oraz drogie iPhone’y z ekranem składanym, podczas rozpoczęcia wysyłki nowych komputerów stacjonarnych we wtorek czasu amerykańskiego, rozpoczął nietypową i atrakcyjną cenowo ofensywę sprzedażową wobec dużych korporacyjnych klientów: zakup tych wysokowydajnych komputerów jest tańszy niż wynajem dużych centrów danych AI.

Według dostępnych informacji, najnowsze, ulepszone modele komputerów stacjonarnych Apple Mac mini i Mac Studio będą w stanie wykonywać złożone zadania AI/obciążenia predykcji AI lokalnie, a cena może sięgać prawie 20 tysięcy dolarów. Te urządzenia będą konkurować bezpośrednio z wysokowydajnymi jednostkami GPU do stacji roboczych marki Nvidia (NVDA.US) oraz nowymi komputerami stacjonarnymi do lokalnego wykonywania zadań AI produkowanymi przez Microsoft (MSFT.US), Hewlett-Packard (HPQ.US) i Dell (DELL.US). Przewiduje się, że te nowe produkty będą kluczowym punktem programu Microsoft na nadchodzącym wydarzeniu Windows, które odbędzie się w przyszłym miesiącu w San Francisco.

Nowy rynek dla Maców otwierają agenci AI, dzięki lokalnej mocy obliczeniowej niezbędnej do wykonywania ciągłych zadań. Przepływy pracy agentów reprezentowane przez OpenClaw obejmują wielokrotne wywołania modeli, odczyt plików, wykonywanie kodu, operacje w przeglądarce i weryfikację wyników, przekształcając komputer z terminala oczekującego na polecenia użytkownika w platformę do ciągłego wykonywania zadań. Ostatnie globalne sukcesy Muse oraz Astra niewątpliwie rozszerzyły zasięg automatyzacji złożonych działań; z perspektywy inżynieryjnej i biznesowej, może to znacząco zwiększyć zapotrzebowanie użytkowników na lokalne urządzenia obliczeniowe, które mogą pracować bez przerwy, są wydajne energetycznie i łatwe w instalacji. Zwłaszcza produkty z serii Mac mogą obsługiwać wykonywanie lokalnych narzędzi, analizę prywatnych danych i lokalną predykcję modeli AI, jednocześnie współpracując z modelami chmurowymi.

Należy jednak pamiętać, że systemy stacjonarne z dominacją Maca są "tańsze", ale nie oznacza to "zdolności obliczeniowej/capacity na poziomie całych centrów GPU AI". Ekonomiczne uzasadnienie obniżki kosztów Apple jest spełnione tylko wtedy, gdy lokalny system dużych modeli AI osiąga wymaganą jakość i szybkość reakcji, a oszczędności z tytułu ograniczonej korzystania z usług chmurowych przewyższają amortyzację sprzętu, koszty energii i utrzymania.

Sam Mac korzysta z zintegrowanego GPU w Apple Silicon do obliczeń modeli. Jego przewaga polega na jednolitej pamięci, która umożliwia CPU i GPU korzystanie z dużej, wspólnej puli pamięci, minimalizuje kopiowanie danych oraz może pomieścić parametry modeli i pamięć podręczną KV (KV Cache). W fazie dekodowania generacji sekwencyjnej dużych modeli, która jest niską konkurencją, decydujące znaczenie ma przepustowość pamięci, więc "duża ilość pamięci + wysokie przepustowość + niskie zużycie energii" i optymalizacja programowa MLX pozwala modelom zoptymalizowanym pod lokalną instalację działać ekonomicznie. To szczególnie odpowiada osobistym użytkownikom lub małym zespołom używającym asystentów kodowych, narzędzi do przetwarzania dokumentów oraz wewnętrznych agentów AI.

Szczególnie odniesienie się przez kierownictwo Apple do "czterech Maców obsługujących trillion-parametr model" jest dowodem na możliwość załadowania modelu i wykonania predykcji, lecz nie dowodzi, że przepustowość, opóźnienia i zdolność obsługi wielu zadań równocześnie są porównywalne z klastrami GPU/TPU w chmurze. Faktyczna wydajność zależy od precyzji kwantyzacji, aktywnej liczby parametrów, długości kontekstu i komunikacji między maszynami; Thunderbolt RDMA może zmniejszyć koszty komunikacji, jednak nie sprawia, że wiele Maców stanie się jednym ogromnym GPU bez ograniczeń komunikacyjnych. Trening na dużą skalę i wysoka obsługa równoległa lepiej wykorzystują zalety profesjonalnych akceleratorów, pamięci o wysokiej przepustowości i szybkich klastrów w centrach danych zdominowanych przez Nvidia AI GPU.

Apple wprowadza nowe modele Mac do wyścigu o obniżenie kosztów AI, podejmując wyzwanie wobec Microsoft i Nvidia

Zmodernizowane Mac mini i Mac Studio mogą wykonywać złożone zadania predykcji AI lokalnie, kosztują niemal 20 tysięcy dolarów, konkurując bezpośrednio z nowymi desktopami Nvidia oraz producentów PC. Przewiduje się, że będą punktem centralnym programu Windows Microsoftu w San Francisco w przyszłym miesiącu.

Nowe Mac’i są zaprojektowane pod intensywne zadania AI, takie jak programowanie czy skomplikowane biznesowe działania, i pozwalają użytkownikom uniknąć opłat za "tokeny" (czyli jednostki obliczeniowe modele AI) dla firm jak OpenAI czy Anthropic.

Kadra kierownicza Apple chciałaby wykorzystać doświadczenie zgromadzone przez lata w poprawie wydajności i efektywności energetycznej urządzeń zasilanych baterią, takich jak iPhone, aby zaistnieć na rynku tradycyjnie zdominowanym przez Microsoft. To niezwykle ambitne wyzwanie: zgodnie z najnowszymi danymi analityka IDC, Linn Huang, udział Apple na rynku komputerów stacjonarnych dla przedsiębiorstw wynosi około 4,6%, podczas gdy Windows ma 91,3%.

Dobrze wiadomo, że współzałożyciel Apple, Steve Jobs, miał mieszane uczucia wobec rynku dużych komputerów korporacyjnych, gdyż końcowi użytkownicy nie mogą wybierać swoich ulubionych produktów. Jednak obecnie Apple jest w korzystnej pozycji na rynku komputerów stacjonarnych AI — częściowo dzięki długoletniemu naciskowi na energooszczędność i wysoką efektywność.

W 2020 roku Apple wprowadziło pierwsze chipy Apple Silicon, ściśle integrując dwa rodzaje chipów — obliczeniowe i pamięci wysokiej wydajności — w unikalnej architekturze jednolitej pamięci Apple, poprawiając żywotność baterii PC.

To bliskie połączenie obliczeń i pamięci sprawiło niespodziewanie, że Mac świetnie sprawdza się w zadaniach AI; najtopowsze firmy AI chipowe, jak Nvidia, dopiero niedawno zaczęły przechodzić na tę architekturę. Dzięki szybkiemu wzrostowi popularności otwartych narzędzi AI agentów OpenClaw w Chinach i innych krajach, Mac mini Apple coraz częściej jest wyprzedany.

Choć Mac Studio pierwotnie był skierowany do twórców multimediów – montażystów i muzyków – w ostatnich dwóch latach Apple po cichu dołączyło niecodzienne funkcje AI, w tym specjalną technologię łączenia chipów, nazwaną zdalnym bezpośrednim dostępem do pamięci (RDMA) przez port Thunderbolt.

Podczas tegorocznej prezentacji Apple wyższego szczebla zadziwiło demonstracją czterech połączonych Mac Studio, wykonujących superduży system AI z 1 trylionem parametrów, by znaleźć i naprawić błąd kodu graficznego. Liczba parametrów mierzy złożoność modelu. Takie zadania zwykle wymagają centrum danych, ale ta konfiguracja Maców działa zasilana zwykłym gniazdkiem.

„Raz kupisz taki komputer i postawisz go na swoim biurku, to już zapłaciłeś. Uważam, że oferujemy świetną wartość – zarówno pod względem wydajności, jak i kosztu”, powiedział Johnny Srouji, dyrektor sprzętu Apple. „Nie musisz płacić za tokeny. Po prostu używasz tego komputera raz za razem.”

Microsoft także walczy o ten sam duży, rosnący rynek — jego CEO Satya Nadella nazywa lokalne obliczenia AI „inteligencją, za którą nie płaci się za faktyczną liczbę tokenów.” Nadella zapowiedział, że Microsoft planuje zintegrować wiele funkcji AI w „superaplikację” dla Windows.

Przewaga Microsoftu na rynku komputerów korporacyjnych oznacza konieczność wsparcia sprzętu od wielu producentów, co wymusza na deweloperach Windows większy nakład pracy, jeśli chcą wykorzystać pełnię potencjału wybranych chipów. Oznacza to, że dominacja Microsoftu przekłada się na konieczność kompatybilności z szerokim spektrum sprzętu, co dla deweloperów oznacza wyższy koszt dostosowania i optymalizacji.

Na przykład, jeden program AI działa różnie na CPU, GPU czy NPU od różnych firm, wymaga odpowiedniej optymalizacji pod architekturę, sterowniki, interfejs obliczeniowy i zarządzanie pamięcią. Ekosystem hardware'owy Windows zwiększa kompatybilność, ale też komplikuje optymalizację; Apple może projektować chip, system operacyjny i narzędzia deweloperskie jako całość, umożliwiając pełną synergiczną optymalizację systemu.

Microsoft w odpowiedzi na prośbę o komentarz przedstawił, że pracuje z partnerami chipowymi, upraszczając zadania AI przez narzędzia Windows ML, inwestując aktywnie w funkcje takie jak RDMA. Nvidia odmówiła komentarza, ale CEO firmy Jensen Huang tego lata, podczas premiery nowych chipów PC, zbagatelizował bezpośrednią rywalizację z Apple, stwierdzając że Nvidia skupia się na rozszerzaniu funkcjonalności Windows PC.

Pozycja Nvidia pozostaje silna w super-centrach danych AI. Srouji podkreślił, że Apple promuje wśród korporacyjnych klientów koncepcję: rozwijane na sprzętach Apple duże modele AI mogą być skalowane w górę do najdroższej stacji Mac Studio albo w dół do najtańszych iPhone'ów i iPadów, ponieważ wszystkie te urządzenia bazują na tych samych zasadach chipowych i architekturze.

„Możesz zainwestować wiele prądu w centrum danych”, powiedział Srouji w wywiadzie. „Ale my oferujemy wiele produktów, by klient mógł wybrać: który komputer, który produkt jest mu potrzebny?”

Gdy agenci AI nareszcie wkraczają do biura, seria Mac szykuje się na eksplozję zapotrzebowania! Przestrzeń wzrostu Apple w AI rozszerza się

Kierownictwo Apple chce wyraźnie, aby korporacje przekierowały część budżetu na AI w chmurze — Wall Street spodziewa się, że globalne wydatki na AI przekroczą 3 biliony dolarów przed 2030 — w stronę zakupów własnych urządzeń obliczeniowych Apple: dla zadań często wykonywanych, gdzie model da się uruchomić lokalnie, opłatę za sprzęt, energię i utrzymanie można rozłożyć na wiele zadań, poprawiając przewidywalność kosztów długoterminowych. Wraz z rosnącą popularnością producentów urządzeń półprzewodnikowych z powodu fali inwestycji AI (jak ASML.US), dostawcy sprzętu korzystają na ekspansji mocy produkcyjnych chipów, a Apple stara się zdobyć budżet na zakup całych systemów do nowych zadań obliczeniowych, tworząc nową ścieżkę od produkcji chipów po desktopowy sprzęt AI.

Jak wynika z powyższych treści, nowy rynek dla Maców otwierają agenci AI, dzięki lokalnej mocy obliczeniowej wykonywania ciągłych zadań. Apple koncentruje się na jednolitej pamięci, dużej pojemności, efektywności energetycznej i synergii soft/hard. W procesie generacji sekwencyjnej dużych modeli, kluczowe jest odczytywanie wag przez przepustowość pamięci; długi kontekst i konkurencyjne zadania dodatkowo zwiększają zapotrzebowanie na pojemność cache KV. Jednolita pamięć pozwala CPU/GPU korzystać ze wspólnej puli, minimalizując kopiowanie danych, co pozwala lokalnym zadaniom działać wydajniej.

Z perspektywy inwestycji Apple ma najprostsze szanse w wzroście sprzedaży Mac, wyższych konfiguracjach pamięci i rosnącej penetracji rynku firmowego. Narzędzia lekkie i „stale pracujące” agenty mogą rozszerzyć zastosowania Mac mini, większe lokalne modele, workflow z wieloma zadaniami równocześnie i małe klastry mogą zwiększyć popyt na Mac Studio i produkty o wysokiej specyfikacji.

Gdy urządzenia stacjonarne i końcowe mogą wykonywać zadania ekonomiczne przez cały czas, miarą zwrotu z inwestycji dla użytkownika staje się oszczędność czasu pracy, liczba zrealizowanych zadań i ograniczenie potrzeby zewnętrznej mocy obliczeniowej. Jednocześnie Apple już dzięki prywatnej chmurze i chipom własnym wspiera modele chmurowe Apple Intelligence, a synergia lokal-chmura daje pole do optymalizacji kosztów usług, szybkości reakcji i obróbki danych.

Serwery AI dla firm to długoterminowy potencjał wzrostu Apple. 16 września The Information, powołując się na informatorów, doniosło, że Apple eksperymentuje z serwerami AI do predykcji dla firm, wyposażonymi w chipy M8 Ultra, być może w połączeniu z technologią NVLink Fusion Nvidia, ze startem w okolicach 2029 roku, choć plany nie zostały oficjalnie potwierdzone. Jeśli ten kierunek zostanie zrealizowany, Apple ma szansę rozszerzyć swoje przewagi synergii chip-pamięć-software-sprzęt na jeszcze większe deployments AI w firmach. Zaletą biznesową jest: gdy agenci AI pracują stale, klienci będą coraz bardziej cenić całkowity koszt sukcesu każdego zadania, pobór energii i łatwość wdrożenia — co idealnie wpisuje się w przewagi konkurencyjne Apple; bieżący popyt na Mac i perspektywy serwerów AI tworzą spójną logikę wzrostu.