Ведущие ИИ-лаборатории неожиданно обратились к потребительским настольным компьютерам, чтобы преодолеть очередное аппаратное ограничение. Как сообщает издание The Information, компании OpenAI и Anthropic закупили и взяли в аренду десятки тысяч компьютеров Mac mini и Mac Studio. Они необходимы для обучения автономных ИИ-агентов, управляющих интерфейсом операционной системы и выполняющих сложные многоэтапные задачи.
Агрессивное масштабирование инфраструктуры OpenAI уже натолкнулось на физический дефицит поставок: топовые конфигурации Apple Silicon приходится ждать месяцами из-за нехватки чипов памяти. Тем временем Anthropic обошла задержки с поставками железа, арендовав готовые мощности Mac mini напрямую через облачные инстансы AWS EC2.
Архитектурный прагматизм вместо терафлопсов
Этот стратегический разворот объясняется архитектурной практичностью, а не борьбой за чистые FLOPS. Эмуляция нативных графических сред и полноценный рендеринг интерфейсов ОС делают классические серверные GPU-кластеры — заточенные в основном под вычисления Nvidia CUDA и тензорные ядра — крайне неэффективными и экономически нецелесообразными.
Объединенная архитектура памяти Apple (Unified Memory Architecture, UMA) обеспечивает быстрый обмен данными с высокой пропускной способностью и низкой задержкой между ядрами CPU и GPU на энергоэффективных ARM-чипах. Это превратило физические узлы на базе Mac в фактический отраслевой стандарт для масштабной параллельной симуляции операционных систем.
Рост специализированной инфраструктуры
Вокруг нового тренда уже формируется инфраструктурная экосистема. Опенсорсный инструмент Exo позволяет объединять несколько Mac в единые вычислительные кластеры, а бывший инженер по инфраструктуре OpenAI Питер Велл строит Mount Thor — облачного провайдера исключительно на базе оборудования Apple.
По мере того как агентный ИИ смещает фокус с простого предсказания токенов на прямое взаимодействие с прикладным софтом, потребительские настольные чипы Apple неожиданно заняли ключевой уровень инфраструктуры для обучения автономных рабочих процессов.