Den artificiella intelligensens värld upplever ett oväntat skifte. Enligt en rapport från The Information har OpenAI köpt tiotusentals Mac mini-datorer och Mac Studios de senaste månaderna. Målet är att utbilda dess AI-agenter att använda en dator som en människa: klicka, navigera i menyer, fylla i formulär och utföra komplexa uppgifter. Denna strategi, som har överraskat många, visar att Apples hårdvara inte längre bara är för konsumenter och kreatörer, utan har blivit en nyckelkomponent i infrastrukturen hos stora AI-labb.
Nyheten, som också rapporterats av kanaler som Cult of Mac, Moneycontrol och 24/7 Wall St., indikerar att dessa datorer används i en mycket specifik fas av träningen: förstärkningsinlärning. I denna process interagerar AI-modeller med verkliga grafiska gränssnitt, testar handlingar och får belöningar eller straff baserat på resultatet. Denna metod kräver en betydande mängd minne och möjligheten att köra tusentals simuleringar parallellt, något som Mac-datorer med Apple Silicon-chips verkar vara särskilt väl lämpade för.
Varför Apple Silicon är nyckeln till förstärkningsinlärning
Att träna en AI-agent som måste använda en dator skiljer sig mycket från att träna en traditionell språkmodell. Istället för att absorbera stora mängder text måste agenten tolka vad du ser på skärmen, bestämma vilken åtgärd du ska vidta och kontrollera om det fungerade.Varje försök poängsätts, och modellen justerar sin strategi baserat på den feedbacken. För att detta ska vara möjligt behövs tusentals oberoende sessioner, där var och en körs samtidigt med sitt eget tillstånd och sammanhang.
Det är här Apples Unified Memory Architecture (UMA) kommer in i bilden. Till skillnad från traditionella GPU-baserade system, där grafikminne och RAM är separata och data måste färdas fram och tillbaka, delar CPU, GPU och Neural Engine samma minnesblock i Mac-datorer. Detta minskar flaskhalsar och gör att modellen snabbt kan komma åt den information den behöver vid varje given tidpunkt. Som flera analyser påpekar är denna funktion avgörande för att agenten ska kunna upprätthålla en konsekvent representation av skärmen, instruktionerna och resultaten av sina handlingar.
En annan fördel med Mac mini och Mac Studio är deras kylsystem. Till skillnad från MacBooks, som är tunnare och lättare, har dessa stationära datorer dedikerade fläktar som gör att de kan bibehålla stabil prestanda i timmar eller till och med dagar av intensiv träning. Detta är avgörande för förstärkningsinlärning, vilket kan kräva mycket långa sessioner utan att datorn överhettas och saktar ner.
OpenAI köper, antropisk hyr: två strategier för samma syfte
Nyheten avslöjar också att OpenAI inte är det enda företaget som är intresserade av denna metod. Anthropic, med stöd av Google och Amazon, har enligt uppgift valt en annan strategi: istället för att köpa utrustningen, hyr Mac mini-kapacitet via Amazon Web Services (AWS)Denna skillnad är viktig eftersom den visar att man inte behöver investera en förmögenhet i hårdvara för att testa om arkitekturen fungerar. Man kan hyra kapaciteten, mäta prestandan och sedan bestämma om det är värt att köpa eller fortsätta hyra.
Att dessa labb är intresserade av Mac-datorer betyder inte att de kommer att ersätta Nvidias stora GPU-kluster. Storskalig språkmodellträning förlitar sig fortfarande på dessa specialiserade acceleratorer. Men för intensiva inferensuppgifter och för träningsagenter som interagerar med gränssnitt erbjuder Mac-datorer ett mer ekonomiskt och effektivt alternativ. Som analytikern Shay Boloor förklarar används Apples datorer för förstärkningsinlärningsfasen, medan GPU:er fortfarande är viktiga för förträning.
Efterfrågan sätter press på leveranskedjan och Apple reagerar
Denna Mac-trend har inte gått obemärkt förbi i leveranskedjan. Enligt flera rapporter, Mac mini- och Mac Studio-konfigurationer med mer minne har varit slutsålda i månader. Och leveranstiderna för anpassade versioner har sträckt sig i veckor. Den globala bristen på DRAM- och NAND-minne, driven av efterfrågan från datacenter, har förvärrat situationen. Leverantörer prioriterar stora hyperskalare, och Apples beställningar konkurrerar i samma kö.
För att hantera denna situation accelererade Apple sitt uppdateringsschema. Den 25 augusti 2026 introducerade företaget den nya Mac mini med M6- och M5 Pro-chip, samt Mac Studio med M5 Max och M5 Ultra. Detta ovanligt tidiga drag svarar på behovet av att fylla på marknaden med kraftfullare och effektivare chip. De nya modellerna inkluderar betydande förbättringar av prestanda och minne, med alternativ på upp till 512 GB enhetlig lagring i Mac Studio M5 Ultra.
Apples beslut att tidigarelägga lanseringen har också tolkats som ett svar på efterfrågetrycket. Företaget har inte officiellt bekräftat förvärvet av OpenAI, men leveranstider och lagerbrist tyder på att den institutionella efterfrågan är verklig. Faktum är att intäkterna från Mac-divisionen ökade med 29 % jämfört med föregående år under det senaste kvartalet och nådde 10.400 miljarder dollar, vilket gör den till Apples snabbast växande affärsområde.
Nvidia följer noga hur Apple positionerar sig på företagsmarknaden.
Mac-datorernas framväxt inom lokal AI har inte gått Nvidia obemärkt förbi. Enligt en källa nära företaget, Nvidia anser redan att Apple är sin största konkurrent inom lokal AI-bearbetningFör att motverka detta hot lanserade Nvidia DGX Spark sent förra året, en stationär dator med en design som liknar Mac mini, utrustad med ett Grace Blackwell-chip och upp till 128 GB enhetligt minne. Produkten riktar sig direkt till marknaden för stationära AI-inferenser.
Apple, å sin sida, försöker utnyttja detta tillfälle för att stärka sin position på företagsmarknaden. I juni höll företaget ett privat evenemang på Apple Park kallat "Business at the Park", där chefer från Disney, Ford och Anthropics medgrundare Jared Kaplan deltog. Vid detta evenemang lyfte Apple fram fördelarna med sin hårdvara för att bearbeta AI-uppgifter lokalt, med Mac mini i centrum. Företaget saknar dock fortfarande ett dedikerat säljteam för företags-AI-segmentet, något som vissa tidigare chefer har pekat ut som en missad möjlighet.
Brist på tillgångar ger också upphov till nya affärsmodeller. Peter Voell, en tidigare anställd på OpenAI, har grundat Mount Thor, ett molntjänstföretag baserat på Apple-hårdvara som fortfarande fungerar i stealth-läge. Andra företag, som Namespace Labs, har tillgripit att racka MacBook Pro-datorer för att möta kundernas efterfrågan. Detta framväxande ekosystem visar att intresset för Mac-datorer som AI-infrastruktur sträcker sig långt bortom stora laboratorier.
Kort sagt, nyheten att OpenAI har köpt tiotusentals Mac minis och Mac Studios för att utbilda sina AI-agenter markerar en vändpunkt i branschen. Apple Silicons enhetliga minne, energieffektivitet och förmåga att köra tusentals sessioner parallellt Dessa enheter har blivit ett värdefullt verktyg för förstärkningsinlärning. Även om varken Apple eller OpenAI officiellt har bekräftat affären, tyder försäljningssiffror, lagerbrist och tidiga lanseringar på att denna trend är verklig. Det återstår att se hur Nvidia kommer att reagera och om Apple kommer att utnyttja denna möjlighet att stärka sin position på AI-marknaden för företag.
