Der Grund für die Lieferknappheit des Mac mini ist gefunden: Sowohl OpenAI als auch Anthropic konkurrieren intensiv um die verfügbaren Einheiten.
Die Preise für Speicherchips steigen rasant, normale Verbraucher können sich kaum noch Computer leisten, während Geräte, die für die Ausführung von KI-Lasten geeignet sind, sich äußerst gut verkaufen.
Laut Berichten von *The Information* unter Berufung auf interne Quellen bei OpenAI hat OpenAI in den letzten Monaten Zehntausende von Mac mini und Mac Studio erworben, um die Entwicklung von Reinforcement-Learning- und Computer-Betriebsagenten voranzutreiben.
Diese Geräte werden zentral bereitgestellt, um Agenten zu trainieren und zu testen, die Computer selbstständig bedienen können. Der Bericht besagt ferner, dass Anthropic ebenfalls eine große Menge an Mac-Rechenleistung über Amazon AWS mietet.
Apple-Computer waren früher hauptsächlich für normale Verbraucher und professionelle Kreative ausgelegt. Heute gelangen sie in Form von Clustern in die führenden KI-Labore und übernehmen Aufgaben wie Codetests, E-Mail-Organisation, Dokumentenverarbeitung und die Ausführung mehrstufiger Aufgaben.
Die Rolle des Mac verändert sich: Er wandelt sich allmählich von einem Personal Computer zu einem Teil der KI-Infrastruktur.
Warum beginnen KI-Labore, Macs zu horten?
OpenAI und Anthropic fehlt es nicht an GPUs.
Sie verfügen über riesige Cluster von Nvidia-Beschleunigern und kaufen fortlaufend weitere Rechenleistung für Rechenzentren. Der plötzliche massive Kauf von Macs durch OpenAI zielt auf die neue Nachfrage ab, die durch Computer-Betriebsagenten entsteht.
Solche Agenten müssen Schaltflächen anklicken, Text eingeben, Dateien ziehen und zwischen verschiedenen Anwendungen kontinuierlich arbeiten. Der zuvor von OpenAI veröffentlichte Computer-Using Agent erlernt durch Reinforcement Learning, wie er grafische Oberflächen direkt bedient.
Für das Training solcher Systeme sind eine große Anzahl von Betriebssystemumgebungen erforderlich, die parallel ausgeführt und wiederholt zurückgesetzt werden können. Der Agent führt darin Aufgaben aus, das System zeichnet die Betriebsabläufe auf, prüft, ob die Ergebnisse korrekt sind, und gibt diese Rückmeldungen für das anschließende Training weiter.
Der Mac fungiert hier eher als Trainingsgelände und Ausführungsknoten für Agenten. Er bietet eine native macOS-Umgebung und vermeidet Abweichungen bei Oberflächen, Berechtigungen und Anwendungskompatibilität zwischen simulierten Systemen und echten Geräten.
Der Erwerb von Zehntausenden von Macs durch OpenAI bedeutet daher nicht, dass das Haupttraining seiner Spitzenmodelle von Nvidia-GPU-Clustern auf Apple-Geräte verlagert wurde. Höchstwahrscheinlich übernehmen die Macs parallele Interaktionen, die Erfassung von Betriebsabläufen, Aufgabenprüfungen, lokales Inferenzieren und Teile des Nachbearbeitungstrainings. Die zentralen Aktualisierungen der Modellparameter werden nach wie vor größtenteils von Rechenzentrumsbeschleunigern durchgeführt.
Apples M-Serie-Chips verwenden eine einheitliche Speicherarchitektur, bei der CPU, GPU und Neural Engine auf denselben Speicherpool zugreifen können, sodass der wiederholte Datentransfer zwischen verschiedenen Speicherbereichen reduziert wird. Für die Inferenz lokaler großer Modelle kann dies die Einschränkung der Speicherkapazität mildern, die bei verbraucherorientierten separaten Grafikkarten häufig auftritt.
Die neueste Version des Mac Studio mit M5 Ultra ist mit bis zu 512 GB einheitlichem Speicher ausgestattet, die Speicherbandbreite beträgt 1,2 TB/s. Ein so großer Speicherpool ermöglicht die Ausführung von quantisierten Modellen mit extrem großen Parameterumfängen auf einem einzelnen Gerät. Das aktive Kühlsystem von Desktop-Geräten eignet sich zudem besser für Hochleistungsaufgaben, die mehrere Stunden oder sogar Tage andauern.
Apple hat zudem die Zusammenarbeit mehrerer Geräte im neuen Mac Studio verbessert. Nach offiziellen Angaben von Apple können mehrere Geräte über Thunderbolt 5 zu einem Cluster zusammengeschlossen werden, wobei die Leistung der verteilten KI-Inferenz bis zum Dreifachen der Leistung eines einzelnen Geräts erreichen kann.
Apple nimmt dieses Geschäft endlich ernst
Der Mac mini war einst der günstigste Desktop-Computer im Apple-Ökosystem. Er ist klein, hat einen niedrigen Stromverbrauch und kann über längere Zeit ohne angeschlossenen Monitor betrieben werden. Mit der Verbreitung von ständig laufenden KI-Agenten sind diese ursprünglich gewöhnlichen Produktmerkmale plötzlich sehr gut für die Bereitstellung in Rechenzentren und für lokale KI geeignet.
Der *Wall Street Journal* berichtete zuvor, dass der Mac mini im letzten Jahr nur etwa 3 % von Apples US-amerikanischen Mac-Verkäufen ausmachte. Seit Beginn des Jahres 2026 ist er zu einem beliebten Host für privatisierte, rund um die Uhr laufende Agenten geworden. Einige Versionen mit hohem Speicher wiesen zeitweise Lieferverzögerungen von mehreren Wochen bis hin zu Monaten auf.
Auch Apple scheint von dieser Nachfrage überrascht worden zu sein.
*The Information* beruft sich auf Aussagen von Todd Dailey, einem ehemaligen Produktmarketingmanager für Unternehmens-KI bei Apple, dass der Erfolg des Macs auf dem Unternehmens-KI-Markt stark zufällig ist. Apple hat zuvor kein vollständiges System für technischen Support für Unternehmen und Beziehungen zu Entwicklern für diesen Markt aufgebaut.
Im Juni dieses Jahres veranstaltete Apple in Apple Park eine seltene geschlossene Unternehmensveranstaltung, an der auch Jared Kaplan, Mitbegründer von Anthropic, teilnahm. Dem Bericht zufolge stand der Mac mini im Mittelpunkt der gesamten Veranstaltung.
Am 25. August veröffentlichte Apple den M6 Mac mini und den M5 Ultra Mac Studio, wobei der Werbefokus deutlich auf gerätebasierter KI, Inferenz großer Modelle und Clustern aus mehreren Geräten lag. Apple stellte zudem klar fest, dass Entwickler große Modelle lokal auf dem Mac ausführen und feinabstimmen können.
Die Preise sind entsprechend gestiegen. Der neue M6 Mac mini hat auf dem chinesischen Markt einen Einstiegspreis von 6999 Yuan. Im Jahr 2024 lag der Einstiegspreis des M4 Mac mini mit 16 GB Speicher bei 4499 Yuan. Innerhalb von zwei Jahren ist der Einstiegspreis des Mac mini um etwa 56 % gestiegen. Die Chip-Aktualisierung ist ein Teil des Grundes, aber die steigenden Kosten für Speicher und Speichermedien treiben auch den Gesamtpreis des Geräts in die Höhe.
Die KI-Nachfrage spiegelt sich bereits in Apples Finanzdaten wider. Im dritten Quartal des Geschäftsjahres 2026 erreichte der Umsatz des Mac-Geschäfts von Apple 10,352 Milliarden US-Dollar, was einem Anstieg von etwa 28,7 % im Vergleich zum Vorjahr entspricht – eine höhere Wachstumsrate als bei anderen Hardware-Kategorien im gleichen Zeitraum.
Die Nachfrage von Unternehmen und Entwicklern nach Macs mit hohem Speicher ist zu einem nicht zu übersehenden Faktor für dieses Wachstum geworden.
Desktop-KI wird zum neuen Schlachtfeld für Apple und Nvidia
Die Veränderungen bei Apple haben die Aufmerksamkeit von Nvidia erregt.
Von DGX Spark bis zum kürzlich vorgestellten RTX Spark komprimiert Nvidia die KI-Rechenleistung aus Rechenzentren in Desktop-Computer und Laptops. Der RTX Spark integriert Grace CPU und Blackwell GPU, bietet eine KI-Rechenleistung von bis zu 1 PFLOP und 128 GB einheitlichen Speicher und unterstützt gleichzeitig die CUDA-, TensorRT- und RTX-Software-Stacks.
Nvidia definiert es direkt als neuen PC für persönliche Agenten. Nach den offiziellen Planungen werden die ersten RTX Spark-Laptops und kompakte Desktop-Computer im Herbst dieses Jahres auf den Markt kommen.
Obwohl die Produkte noch nicht offiziell im Handel erhältlich sind, ist das Angebot bereits knapp. Berichten zufolge sind die ersten RTX Spark-Modelle von Asus bereits von Vertriebspartnern ausgebucht, die ersten Liefermengen des hochwertigen N1x-Modells von MSI sind ebenfalls fast ausverkauft, und beide Unternehmen bemühen sich bei Nvidia um zusätzliche Kontingente.
Damit befinden sich Apple und Nvidia auf derselben neuen Wettbewerbsbahn.
Apple verfügt über großen einheitlichen Speicher, hohe Energieeffizienz und eine native macOS-Umgebung. Nvidia beherrscht hingegen CUDA, TensorRT und ein ausgereifteres KI-Entwicklungsökosystem und ist tief in das Windows-Agenten-System integriert. Die zentralen Szenarien, um die beide Seiten konkurrieren, umfassen lokale Inferenz, Agentenausführung, Generierung von Reinforcement-Learning-Abläufen, Modellbewertung und leichtes Nachbearbeitungstraining.
Diese Desktop-Geräte werden große Trainingscluster kurzfristig nicht ersetzen. Sie ergänzen eine Ebene, die von der Cloud-Rechenleistung nicht vollständig abgedeckt werden kann: Sie bringen Agenten näher an Benutzerdaten, Betriebssysteme und echte Anwendungen und laufen kontinuierlich mit niedriger Latenz.
Dabei treten auch Probleme bei der Versorgung auf.
KI-Rechenzentren verbrauchen große Mengen an DRAM und NAND und treiben die Kosten des gesamten Speichermarktes in die Höhe. Gleichzeitig erfordern lokale KI und Agenten größere Speicherkapazitäten. Der Wettbewerb um Speicher zwischen vorgelagerten Rechenzentren und nachgelagerten KI-Endgeräten führt schließlich zu einer Kettenreaktion aus steigenden Preisen, Lieferverzögerungen und Mangel an hochwertigen Modellen.
Der Erfolg des Mac mini zeigt einen neuen Hardwarepfad im Zeitalter der Agenten auf. Künftig wird die KI-Rechenleistung nicht nur in riesigen Rechenzentren konzentriert sein, sondern immer mehr Rechenaufgaben werden auf lokale Knoten in Büros, Privathaushalten und Unternehmensrechenzentren verteilt.
Der nächste Wettbewerb um KI-Hardware hat sich bereits von der Cloud auf jeden Schreibtisch ausgeweitet.
Referenzlinks:
https://www.theinformation.com/articles/apple-stumbled-ai-hardware-success-mac
https://wccftech.com/openai-hoarding-tens-of-thousands-of-apple-mac-mini-and-mac-studio-devices-as-asus-and-msi-burn-through-their-entire-first-batch-of-nvidia-rtx-spark-chip-and-beg-for-more/
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Machine Heart“ (ID: almosthuman2014), verfasst von Mitarbeitern mit Fokus auf KI, und wird von 36Kr mit Genehmigung veröffentlicht.