Krzysztof Śmiałowski / Software & AI
O mnie Newsy Chat AI ↗ Kontakt

← Wszystkie newsy

Giganci AI rzucili się na Maki mini - OpenAI kupuje dziesiątki tysięcy, Anthropic wynajmuje

30 sierpnia 2026

Największe firmy AI znalazły sobie nowego ulubieńca. Nie jest to karta graficzna za dziesiątki tysięcy dolarów, tylko Mac mini.

Według The Information OpenAI kupił w ostatnich miesiącach dziesiątki tysięcy Maków mini i Mac Studio - bez monitorów i klawiatur, prosto do serwerowni. Anthropic korzysta z tych samych maszyn, ale ich nie kupuje - wynajmuje je przez AWS, korzystając z bliskich związków z Amazonem (skali tego wynajmu nie ujawniono). Ten sam pomysł, zupełnie inne podejście do wydawania pieniędzy.

Maki służą do trenowania agentów obsługujących komputer jak człowiek: model działa w prawdziwym systemie, patrzy na ekran, klika, pisze, dostaje informację zwrotną i próbuje jeszcze raz - miliony razy. To reinforcement learning - metoda, na której opiera się obecna fala agentów AI.

Dlaczego akurat Mac? Z powodu architektury. W Apple Silicon procesor i układ graficzny współdzielą jedną pulę pamięci, a desktopowe Maki mają aktywne chłodzenie, więc znoszą wielotygodniową pracę pod obciążeniem. Nie zastępują wielkich klastrów Nvidii - wypełniają niszę, w której liczy się pamięć, dostęp do systemu operacyjnego i izolowane środowiska, a nie surowa moc GPU.

Skutki widać w sklepach: Maków mini i Studio zaczęło brakować, więc Apple ogłosiło nowe modele już pod koniec sierpnia zamiast, jak zwykle, jesienią - z wysyłką dopiero w trzecim tygodniu września. Pierwszy raz w historii tej linii firma celuje nimi w klientów biznesowych, chwaląc się łączeniem wielu Mac Studio w jedną maszynę do AI. Przychody z Maców urosły o 29% rok do roku, a część klientów, zniechęcona brakami, ogląda się już na konkurencyjną Nvidię DGX Spark.

Apple latami słyszało, że przespało wyścig AI. Weszło do niego trochę tylnymi drzwiami - sprzętem, którego nikt nie kupował "do AI".

Reinforcement learning - metoda trenowania AI oparta na próbach i błędach: model wykonuje działanie, dostaje nagrodę albo karę i po milionach powtórzeń sam odkrywa, które strategie działają.