2023年，一台M2 Ultra Mac Pro顶配卖7万块，现在官网直接404。苹果把这条产品线连根拔起的同时，悄悄给外接显卡开了绿灯——不是给游戏，是给AI。
TinyCorp的驱动过审那天，创始人George Hotz在X上发了条消息：「如果你有雷电或USB4外接显卡盒，今天就是你们等了三年的那天。」
这句话的潜台词很直白：苹果终于承认，自家芯片的AI算力天花板，靠插显卡能捅破。
从"不支持"到"官方认证"：苹果态度的180度转弯
Apple Silicon（苹果自研芯片）刚发布时，外接显卡（eGPU，External Graphics Processing Unit，外部图形处理器）就被判了死刑。M1芯片的架构设计把PCIe通道锁死，雷电口只能传数据，不能跑显卡。
用户想插个AMD显卡打游戏？系统直接不认。想绕过限制？得关掉SIP（System Integrity Protection，系统完整性保护），相当于给Mac敞开后门，风险自担。
这次过审的TinyGPU驱动走的完全是另一条路。它不碰图形输出，专攻AI计算——你的显示器还是接在Mac上，但训练模型、跑大语言模型的活，全扔给外接的Nvidia或AMD卡。
支持名单很具体：macOS 12.1及以上，雷电3/4或USB4接口，AMD RDNA3代起（RX 7000系列），Nvidia Ampere架构起（RTX 30系列）。
AMD卡可以原生运行，Nvidia卡需要搭Docker Desktop走NVCC（Nvidia CUDA Compiler，英伟达CUDA编译器）路线。配置门槛不高，但比即插即玩复杂一档。
关键突破在于：不需要关SIP，不需要进恢复模式敲代码，安装后系统设置里点一下"允许"就能用。
对普通用户这只是一步，对Mac生态这是苹果首次官方认可外接算力扩展。之前社区折腾的补丁、内核扩展，随时可能被系统更新封杀；现在TinyGPU进了白名单，稳定性有了底层保障。
实测数据：27B参数模型塞进Mac Mini
TinyCorp放出的测试用例很敢选——Qwen 2.5 27B，阿里开源的大语言模型，参数量270亿。这个体量之前想跑在Mac上，得M3 Max起步还得看内存脸色。
现在一台基础款Mac Mini M4，外接一张RTX 4090，通过TinyGPU的tinygrad框架（一个轻量级深度学习框架）能把模型完整加载进显存。推理速度没公布具体数字，但官方用了"effectively"（有效运行）这个词，暗示可用级别。
算力对比很直观。M4的神经网络引擎（Neural Engine）标称38 TOPS（Tera Operations Per Second，每秒万亿次运算），一张RTX 4090的FP16（半精度浮点）算力是330 TFLOPS，差距接近一个数量级。
更关键的是显存带宽。Mac的统一内存架构被吹了很多年，但M4 Pro最高也就273GB/s；RTX 4090的GDDR6X（图形用双倍数据速率6X显存）带宽是1008GB/s，训练大模型时这差距会放大成训练时间的倍数差。
George Hotz在采访里提过tinygrad的设计哲学：不做PyTorch（一个主流深度学习框架）的复制品，而是用更少的代码做同样的事。整个框架核心代码约1万行，相比之下PyTorch超过100万行。轻量化意味着在资源受限的设备上更容易优化——比如Mac。
这套组合的真正价值，是把Mac从"AI消费端"变成"AI生产端"。之前开发者买Mac跑AI，多是调试代码、管理云端实例；现在本地能训能推，工作流程可以彻底离线。
Mac Pro之死与算力外包的新逻辑
时间线叠在一起看很有意思。TinyGPU过审的前几周，苹果官网撤掉了Mac Pro的产品页，搜索直接跳转到Mac首页。14年只更新3代，最后一代M2 Ultra版本上市不到两年，成了绝响。
传闻中的M4 Ultra没出现。供应链消息说芯片良率问题导致超大核心版本难产，但更可能的解释是销量撑不起一条产品线——专业用户要的是可扩展性，苹果给的是焊死的统一内存。
Mac Pro的死亡和外接显卡的放行，其实是同一枚硬币的两面。苹果放弃了自己造"AI工作站"的执念，转而允许用户用第三方硬件补缺口。
这套逻辑和iPhone的MagSafe（磁吸充电/配件接口）生态有点像：核心体验我控死，边缘需求你们自己加。区别是MagSafe卖的是配件授权费，eGPU卖的是Mac的入场券——你总得先有一台Mac才能插显卡。
对开发者群体的影响正在显现。机器学习工程师@swyx在X上评论：「这意味着我可以把家里的游戏PC显卡拆下来，插到Mac Mini上写代码，周末再插回去打游戏。」一卡两用，硬件利用率拉满。
更深层的变化是软件生态。tinygrad框架之前主要在Linux（一种开源操作系统）社区活跃，现在有了官方支持的macOS版本。开发者用同一套代码，可以在Mac本地调试、云端Linux服务器训练、边缘设备部署，跨平台摩擦大幅降低。
谁该现在上车，谁该再等等
现阶段TinyGPU的适用场景很明确：本地AI推理、中小规模模型微调、隐私敏感的数据处理（医疗、金融）。不适合的是需要多卡并联的大规模训练——驱动目前只支持单卡，且没有NVLink（英伟达多卡互联技术）支持。
成本账要细算。一张RTX 4090现在市价约1.5万，雷电显卡坞2000-4000不等，加上Mac Mini M4基础款4500，总投入2万出头。对比同价位能买到的Windows工作站，单卡性能接近，但Mac的功耗和噪音控制仍有优势。
风险在于苹果的长期承诺。驱动过审是第一步，后续macOS更新会不会打破兼容性，取决于苹果和TinyCorp的合作深度。参考之前eGPU的历史——苹果2018年官方支持过一阵，2019年后逐渐冷淡——这次能持续多久，没人敢打包票。
George Hotz的回应很典型：「我们开源了全部代码，如果苹果哪天反悔，社区可以自己维护。」tinygrad的GitHub仓库确实完全公开，但内核驱动的签名密钥掌握在苹果手里，这是真正的命门。
另一个变量是Nvidia的态度。Ampere架构的驱动支持是社区逆向的成果，Nvidia官方从未给Mac写过驱动。RTX 40系列（Ada Lovelace架构）能否支持，取决于TinyCorp的逆向工程进度和苹果的政策容忍度。
AMD路线更稳一些，RDNA3和即将推出的RDNA4都有开源驱动基础。但AI生态的重心明显偏向CUDA（Nvidia的并行计算平台），ROCm（AMD的开源GPU计算平台）的兼容性仍是硬伤。
现在最积极的用户群体是两类：已经买了Mac但算力不够用的开发者，以及想进苹果生态但被AI性能劝退的观望者。对前者这是补救方案，对后者这是降低门槛的入口。
一个细节值得注意：TinyGPU的安装流程里有一步，需要在终端运行脚本下载驱动。苹果官方文档里从没教过用户这样做，但也没阻止——这种"默许但不鼓励"的姿态，是苹果对第三方扩展的典型态度。
Mac Mini M4的电源适配器是内置的，整机功耗锁在100W以内。外接RTX 4090后，显卡坞单独供电450W起步，桌面 suddenly 多了两个电源 brick。这是苹果设计哲学和实用主义妥协的物理痕迹。
热门跟贴