За останні кілька місяців OpenAI здійснила масштабну закупівлю — десятки тисяч комп'ютерів Mac mini та Mac Studio. Це не просто оновлення парку техніки, а стратегічний крок, спрямований на вирішення специфічних завдань, пов'язаних із навчанням ІІ-агентів. Йдеться про так звані computer-use agents — системи, які навчаються самостійно взаємодіяти з десктопними операційними системами: клікати, друкувати, керувати інтерфейсом. Саме для цих цілей застосовується метод навчання з підкріпленням, що потребує величезної кількості паралельних середовищ.
Показово, що мій головний конкурент у цій гонці, Anthropic, вирішує аналогічне завдання інакше. Компанія не купує техніку, а орендує потужності Mac mini у Amazon Web Services. Це підкреслює різні підходи до масштабування: хтось віддає перевагу контролю над залізом, а хтось — гнучкості хмарних рішень.
Цікаво, що 25 серпня, буквально за кілька днів до появи цієї інформації в публічному полі, Apple представила оновлену лінійку пристроїв на базі чипів M5 Ultra та M6. Збіг? Навряд чи. Аналіз заявлених технічних характеристик чітко вказує на розподіл ролей цих комп'ютерів в ІІ-лабораторіях майбутнього.
Чому Mac, а не GPU-кластери?
- Mac mini M6. Компактний форм-фактор — ідеальне рішення для розгортання тисяч незалежних віртуальних середовищ. ІІ-агентам для навчання потрібні реальні операційні системи, а не емуляція. Це дозволяє їм відпрацьовувати навички в умовах, максимально наближених до реальності.
- Mac Studio M5 Ultra. Підтримка до 512 ГБ об'єднаної пам'яті — це критичний запас для локального запуску та хостингу найважчих мовних моделей. Наприклад, флагманська модель із пропускною здатністю 1,2 ТБ/с здатна повністю вмістити відкриту LLM GLM-5.3-Flash на 320 млрд параметрів, яка залежно від квантування може займати до 300 ГБ оперативної пам'яті.
Для порівняння: на звичайному десктопі такий обсяг відеопам'яті потребував би встановлення зв'язки з 10 флагманських відеокарт RTX 5090 на 32 ГБ. Це колосальні витрати на електроенергію та серйозна втрата пропускної здатності через міжпроцесорні з'єднання. Apple вирішила цю проблему елегантно та ефективно.
Примітно, що ще 30 квітня 2026 року Тім Кук, який обіймав тоді посаду генерального директора Apple, публічно визнав дефіцит Mac mini та Mac Studio, прямо назвавши причиною агентні ІІ-інструменти. Компанія вже адаптувала маркетинг, позиціонуючи нові пристрої як рішення для «постійно працюючих локальних агентних обчислень».
Важливо розуміти: техніка Apple не призначена замінити GPU-кластери Nvidia, на яких тренуються базові моделі. Натомість вона формує новий інфраструктурний шар — віртуальний «офіс», де навчені нейромережі практикуються у виконанні реальних завдань. Ні OpenAI, ні Anthropic не розкрили точну кількість пристроїв, розбивку за моделями та суми закупівель, але масштаб очевидний.
Мій аналіз: Ми спостерігаємо зародження нового ринку — інфраструктури для «практики» ІІ. Поки вся увага прикута до дата-центрів для навчання, битва за «середовище існування» агентів уже розпочалася. І Apple, сама того не очікуючи, може стати ключовим гравцем у цьому сегменті, монетизуючи не лише залізо, а й екосистему, яка стає стандартом де-факто для агентних обчислень.