Apple 新一代 Mac mini 及 Mac Studio 正式開售，今次除了傳統的效能升級，公司更罕有地把宣傳重點直接放在 本地 AI 成本上：企業與開發者可以買來在辦公室或工作室內長時間運行 AI 模型，毋須像使用 OpenAI、Anthropic 或雲端 GPU 一樣，按 Token 或 GPU 時數持續付費。
M5 Ultra Mac Studio 成本最高近 2 萬美元
新 Mac Studio 提供 M5 Max 及 M5 Ultra 兩款晶片，其中 M5 Ultra 最高可配備 512GB 統一記憶體，記憶體頻寬達 1.2TB/s。高配版本售價可接近 2 萬美元，但亦因為擁有極大的統一記憶體，可以直接在本機載入數百億甚至數千億參數級 AI 模型。
Apple 的論點很直接：雲端 AI 的成本會隨使用量增加，企業每執行一次推論 (inference)、每產生一批 Token，都可能要付費；本地 Mac 則主要是前期硬件投資，之後不會再有「每 Token 成本」。
對需要長時間運行企業內部 AI Agent、程式碼助手、文件分析或私有知識庫模型的公司來說，使用量愈高，本地部署就愈有機會攤薄成本。
四部 Mac Studio 可跑萬億參數模型
Apple 更向傳媒示範，把 4 部 Mac Studio 透過高速連接組成一個小型 AI 叢集，在單一牆身電源插座供電下運行約 1 萬億參數級模型。
Mac Studio 今代亦支援 Thunderbolt 5 及 RDMA，讓多台主機可以組成小型叢集。Apple 表示，4 部 Mac Studio 配合使用時，AI 推論效能最高可達單機約 3 倍。
這種做法與 Nvidia DGX 或傳統 GPU 伺服器的定位並不完全相同，但對不需要訓練超大型模型、而主要做推論的中小企或研究團隊而言，可以提供另一種部署方式。
統一記憶體是 Apple 最大優勢
Apple Silicon 在本地 AI 上較特殊的地方，是 統一記憶體架構 (Unified Memory Architecture)。
傳統 PC 或工作站一般把系統 RAM 與 GPU VRAM 分開，模型如果大過顯示卡 VRAM，就可能無法完整載入 GPU；Mac 則由 CPU、GPU 和 Neural Engine 共用同一個記憶體池，因此 256GB 或 512GB 統一記憶體可以直接被 AI workload 使用。
例如 9to5Mac 引述實測指出，256GB M5 Ultra Mac Studio 已可以在本地運行大型模型及 AI Agent，而不需要依賴雲端。
對企業而言，本地運行亦有另一個優勢：敏感資料可以留在公司自己的電腦內，毋須把文件、程式碼或客戶資料傳到第三方 AI 服務。
Mac mini 則瞄準較低成本部署
Apple 同時更新 Mac mini。M5 Pro 版本售價由 HK$7,299 起，最高提供 20 核 GPU 和 307GB/s 記憶體頻寬。雖然無法像 M5 Ultra Mac Studio 一樣運行超大型模型，但對較小型 LLM、Coding Agent、RAG 或企業內部 AI 工具，成本門檻明顯較低。
換言之，Apple 正把 Mac 產品線包裝成一套可以由單機一路擴展至小型叢集本地 AI 平台。
要挑戰 Nvidia、Microsoft 並不容易
不過，這不代表 Mac 已經可以取代大型 AI 雲端平台。
前沿模型訓練仍然需要 Nvidia GPU 叢集、HBM、高速網絡及大型數據中心。Microsoft Azure、AWS 及 Google Cloud 亦具備彈性擴展、集中管理和全球部署能力，這些都是單純購買 Mac 無法完全取代的。
Apple 面對另一個現實問題，是企業 PC 市場仍由 Windows 主導。IDC 數據顯示，Apple 在企業桌面市場佔有率只有約 4.6%，Windows 則達 91.3%。
因此 Apple 今次真正想搶的，並不是整個雲端 AI 市場，而是其中一個愈來愈大的缺口：企業希望自行控制資料、AI workload 長時間運行，而且不想永遠按 Token 或 GPU 時數付費。
對這類工作來說，新 Mac Studio 的賣點已不只是「最快的 Mac」，而是變成一台一次買斷、放在桌面上便可以長期運行大型 AI 模型的小型 AI 工作站。
