过去几年，企业讨论AI，重点往往是“用哪个模型”。
但随着AI真正进入业务流程，一个更现实的问题正在浮出水面：这些模型和Agent，究竟应该运行在哪里？
IDC在数据报告中预测：到2027年，全球2000强企业中的Agent使用量将增长10倍，由此产生的token与调用负载甚至可能增长1000倍；到2030年，50% 的企业AI推理工作负载将在终端或边缘节点本地处理。
IDC对CIO角色的判断也随之改变——IT部门正在从建设、维护系统，转向编排由人、软件和自主Agent共同组成的“智能生态”。
当AI从一个工具变成企业基础能力，Apple商务面对的问题，也就不只是“企业为什么要采购Mac”，而开始多出了一层：Mac能否承担企业AI工作流中的一部分计算？
企业需要的AI，未必都需要最大模型
苹果委托Omdia开展的人工智能基础设施报告中也回答了一些问题。
这项研究调查了美国、中国、英国、德国和印度等市场的1584名企业技术负责人。其中一个很关键的结果是：「95% 的组织并没有从零开始训练模型，而主要是在既有模型上进行微调和推理；企业通常部署的模型中，57% 小于100亿参数。」换句话说，企业真正大量使用的，并不都是需要超大规模数据中心才能承载的前沿基础模型。
文档分析、知识检索、代码辅助、模型推理乃至部分Agent工作流，都存在向设备端或企业本地部署的空间。
这不是“本地取代云端”。
恰恰相反，企业AI正在从过去相对简单的Cloud First，走向更加现实的Workload First：训练超大模型和需要弹性扩展的任务仍然适合大型基础设施，而对延迟、数据控制和高频调用更敏感的任务，则可以向本地和终端分流。
Omdia的调查也说明了这种需求。
76%的受访企业担忧数据通过云服务传输时可能发生泄露；87% 认为将敏感数据保留在设备或企业本地非常重要，而企业AI工作流中处理专有数据的比例接近99%。这里的重点并不是“设备端天然绝对安全”，而是如果一部分数据无需传输，就能从架构层面减少一类数据暴露路径。
M6和M5 Ultra，开始让Mac承担更多计算
到了这里，再看今年的M6与M5 Ultra，就比单纯比较CPU和GPU性能更有意义。
M6是苹果首款2nm制程芯片，拥有12核CPU、12核GPU、双16核神经网络引擎，统一内存带宽最高170GB/s，并支持最高32GB统一内存。苹果在官方介绍中已经明确将“智能体AI工作”和设备端大语言模型列为它的使用场景。
M5 Ultra则把这条路线推到了另一端：最高36核CPU、80核GPU、512GB统一内存和1.2TB/s内存带宽。苹果则表示，这样的内存容量能够让Mac在设备端运行数千亿参数级别的大语言模型。
更值得注意的其实是产品形态。
苹果第一次非常明确地将新款Mac mini描述为可以承担“全天候智能体计算”的桌面设备；搭载M5 Pro的Mac mini支持最高64GB统一内存和307GB/s内存带宽，并可通过雷雳5连接多台Mac mini形成集群，以运行更大型的本地AI模型。
Mac Studio则进一步支持最高512GB统一内存；苹果更是在实际的解释中表达为：多台Mac Studio可以通过雷雳5构建集群，在其测试条件下，分布式AI推理性能最高可达到单机的3倍。
这意味着Mac的产品角色正在出现一个微妙变化：
它仍然是员工桌面上的个人电脑，但同时开始具备成为本地AI计算节点的条件。
Apple商务的下一步，不只是把Mac卖进公司
这或许也是理解Apple商务的一个新角度。
过去企业购买Mac，核心考虑更多集中在员工生产力、设备管理、安全以及生命周期；到了AI时代，Apple Silicon又给这套体系增加了一个新的变量——本地计算能力。
一家公司部署的一千台Mac，过去是一千个办公终端；当这些设备能够运行模型、调用企业数据、执行Agent工作流之后，它们理论上也构成了一层分布在员工身边的计算资源。
苹果并没有因此成为一家云计算公司，也没必要与大型AI数据中心正面竞争。它真正有机会争夺的，是云与员工之间正在扩大的那一层：企业本地与设备端AI。
所以，M6、M5 Ultra和新Mac的意义，并不只是又一次性能升级。
IDC看到的是Agent的扩张，Omdia看到的是企业开始重新考虑AI工作负载的位置，而苹果正试图用Apple Silicon和Mac，把自己放进这场变化之中。
当Agent真正开始“上班”，Mac或许也不再只是员工使用的一台电脑。
它正在尝试成为Apple商务体系里，一块越来越重要的AI基础设施。
热门跟贴