2026年1月下旬，一个当时还叫Clawdbot、后来以“龙虾”之名为人所知的智能体走红，随即引发了一波Mac mini抢购潮。人们开始为一个随时能干活的AI，单独准备一台电脑。 苹果已经在传播层面刻意转向智能体。新款Mac mini不再只讲办公和创作，也开始强调全天候运行智能体；Mac Studio则继续向需要在本地运行大模型的人出售大内存。小米也在近期展示了AI Cube：三颗玄戒芯片装进一个铝合金方盒，配上80GB统一内存，在本地部署大模型。 更早入场的英伟达，已于2025年10月开始交付DGX Spark。联想、华硕、惠普、戴尔也围绕GB10推出整机。原本卖笔记本、工作站和小型电脑的公司，开始争夺一种新订单：用户希望把一部分AI算力留在自己手里。端侧AI即将迎来大时代？别急，现在还只是“小时代”。 模型正在改写电脑规格 不过是在两年之前，AI PC最典型的配置还只是一块NPU。微软给Copilot+ PC划出的门槛是40 TOPS NPU、16GB内存和256GB存储。厂商拿实时字幕、图像处理等功能介绍本地AI。这套标准可以放进原有的轻薄本，用户仍然按熟悉的方式使用电脑，只是多出几项由专用计算单元承担的功能。 但同时，由苹果的统一内存开始，用户们渐渐开始部署本地模型。2025年3月，苹果已把最高512GB统一内存放进M3 Ultra Mac Studio，并以本地运行数千亿参数模型为卖点。在这个时间，本地部署还只是专业工作者们的选择，因为动辄大几万的Mac Studio，还远没能下落到普通消费者的购买区间。 到了今年，端侧AI的产品继续生长。小米AI Cube原型机配备80GB统一内存，DGX Spark和一批GB10整机是128GB，AMD Ryzen AI Max 300系列最高支持128GB；新款Mac Studio继续提供最高512GB，内存带宽提高到1.2TB/s。 内存是重中之重，这已经不是什么秘密。模型权重、上下文缓存和运行时会迅速吞掉内存。以4比特量化粗算，70B模型仅权重就约需35GB，尚未计入量化元数据、缓存和系统开销。 速度与使用门槛接踵而至 部署完成之后，速度又成了下一道门槛。DGX Spark的128GB统一内存，搭配的是273GB/s带宽。前者关系到能装下多大的模型，后者影响计算时搬运数据的速度。真正生成回答时，模型精度、上下文长度和推理软件还会继续影响结果。增加内存，并不能包办后面的工作。 即使模型已经跑起来，用户也未必用得起来。模型怎样下载和更新，应用怎样调用，读取文件之前需要哪些权限，持续运行出了问题由谁维护，都要有人处理。用户买回去的是一台电脑，这些环节却未必由同一家公司完成。 联想、华硕、惠普可以采用英伟达的GB10平台，完成整机设计、销售和服务；苹果可以同时调整芯片、系统和开发工具。小米则把自己的芯片装进原型机，尝试参与决定一台个人AI设备应当怎样计算。 这几条路线，反映的是各家公司愿意承担多少研发投入，又希望掌握多少产品决定权。采用现成平台的厂商，可以把更多精力放在产品化和交付上；自己设计芯片，则要先承担研发和验证投入，换取对内存架构、计算单元和功耗分配更大的调整空间。后续还要靠足够的产品销量，摊薄持续迭代的成本。 自研芯片因而是一种选择，而非所有参与者的入场条件。同样使用GB10的两台机器，底层能力可能很接近，安装体验、维护服务和客户关系却可以由不同公司掌握。新的电脑订单由此带出了一个更大的问题：用户为本地AI多花的钱，最后会留给提供芯片的公司、提供系统的公司，还是把机器卖给他的公司？ 苹果握住整套系统，小米向底层伸手 苹果可以同时改芯片、系统和开发工具，它不需要用户决策新买一台AI PC，就可以让模型部署在本地。统一内存是苹果的杀手锏：苹果的MLX框架让CPU和GPU使用共享内存里的数组，减少在不同计算单元之间搬运数据的需要；MLX-LM则提供模型运行、量化和微调工具。开发者下载第三方开放模型，也可以使用苹果为自己硬件优化的工具来运行。 这条路径主要使用CPU、GPU，并不只靠专用NPU。今年预览的Core AI框架又对统一内存和神经网络引擎进行优化。苹果能够围绕同一套硬件持续补软件，而不是每增加一项AI功能，就重新寻找一套计算平台。 8月的更新进一步拉开了产品梯度。M6 Mac mini 6999元起，内存最高32GB；M5 Pro版本最高64GB。需要更大模型、更重开发任务的人，可以继续向Mac Studio的128GB、512GB配置走。新机已于8月27日接受预购，官方计划9月22日开始发售。 用户本身是有分层的：普通用户需要的是已有应用里多几项好用功能；开发者在意能不能把自己的模型和代码放进去；研究团队、专业创作者才更可能为大内存和持续负载买单。但苹果可以用同一套系