Пока рынок продолжает молиться на серверные стойки Nvidia H100, в лабораториях OpenAI и Anthropic разворачивается тихая инфраструктурная рокировка. Обе компании начали массово скупать и брать в аренду через AWS десятки тысяч Mac mini и Mac Studio. Причина этого демарша прагматична: для обучения с подкреплением (RL) и тестирования автономных агентов привычные GPU-монстры оказались слишком неповоротливыми и неоправданно дорогими.
Суть проблемы кроется в специфике RL-цикла: агенту требуется непрерывный сквозной инференс и плотное взаимодействие со средой — браузером, терминалом или кодовой базой. Архитектура единой памяти Apple (UMA) дает CPU, GPU и Neural Engine бесшовный общий доступ к пулу RAM без постоянных накладных расходов на перегон массивов данных по шине PCIe. В задачах симуляции окружения связка процессора и графики на одном кристалле Mac работает в разы эффективнее, чем распределенный кластер, изначально заточенный исключительно под матричные перемножения.
Перенос фокуса с классического обучения LLM на агентный инференс уже ударил по логистике самой Apple: сроки корпоративных поставок кастомных конфигураций Mac mini и Mac Studio с максимальным объемом памяти растянулись на недели и месяцы. Для бизнеса это наглядный сигнал: эра слепой закупки терафлопсов уступает место оптимизации задержек и сквозной архитектуре, где компактная рабочая станция за пару тысяч долларов решает прикладную задачу дешевле дата-центра.