今天没有发布会，没有提前预热，甚至连一点像样的传闻都没有。
苹果官网啪的一下，直接把新款 Mac mini 和 Mac Studio 上线了：Mac mini 更新到 M6 和 M5 Pro，Mac Studio 换上 M5 Max 和 M5 Ultra。
老冯一直非常关注本地自建 AI，尤其是 Mac Studio 这种大容量统一内存设备。我几乎从去年开始，每个星期都要搜一搜，看 M5 Ultra 到底什么时候出来。
结果一直没等到消息，今天它突然就来了。
而且最关键的是：512GB 统一内存版本回来了。看到这里，老冯年初花六万块买的，顿时就不香了。
当然，不香归不香，该买还是得买——MacBook Pro 毕竟是一台能随身带走的 128GB 移动工作站，和桌上那个铝盒子不是一回事。但如果你真正想做的是在本地跑大模型，那新款 Mac Studio 的 512GB 版本，几乎就是这一代唯一值得认真考虑的机器。
目前能看到的是 256G / 16T 的价格 —— 14万3，根据定价规律，512G / 16T 估计再加 5-6 万，也就是顶配拉满的总价接近20万；如果选个磁盘小点的 512G / 2T 版本，估计也要 14 万-15万左右)，确实不便宜，吗？
一、512GB 为什么这么重要
上一代 M3 Ultra 的 512GB 机型停售之后，市场上出现过一段非常离谱的行情。原本不到十万元的机器，渠道报价一路被抬到十五万、十八万，据说还有喊到二十万的。
有人愿意追，不是因为它叫 Mac，也不是因为苹果标好看，而是因为它卡住了一个非常特殊的空位：它可能是普通人能够正常购买、正常开票的、最便宜的大容量本地 AI 一体机。
贵和便宜是相对的，你要是跟 9.5 万美元（64万人民币）GB300 Station 比，那就太便宜了。
今天消费级显卡最大的问题，往往不是算力不够，而是显存不够。
RTX 5090 只有 32GB，RTX PRO 6000 Blackwell 是 96GB，DGX Spark 是 128GB。它们跑一个 27B 模型毫无压力，但一遇到 DeepSeek-V4-Flash、GLM 这种几百 B 参数的 MoE，容量马上就撞墙。
Mac Studio 的 512GB 统一内存，CPU 和 GPU 可以同时访问。它当然不等于 512GB 的 HBM 显存，速度也远远比不上真正的高端 NVIDIA 系统，但它避免了把海量权重在显存和系统内存之间来回搬运。
它先解决的不是"跑得多快"，而是"到底装不装得下"。
几个模型的实际体量
最后这个数字是关键。
400 到 450GB 的模型塞进 512GB，余量确实不算宽裕，但至少存在一条正常的单机运行路径。换成消费级 NVIDIA 显卡，你就得开始考虑多卡、CPU 卸载、主机内存、NUMA、PCIe 拓扑、分布式框架——为了跑一个模型，专门去攒一台支持多卡、有足够 PCIe 通道和高带宽服务器内存的机器，这件事本身就相当麻烦。
显卡只是第一笔钱。机箱、电源、主板、服务器 CPU、散热、噪音、供电、系统调试，后面一个都跑不掉。Mac Studio 的价值，就是把这一整套麻烦，塞进了一个二十厘米见方、可以直接摆在办公桌上的铝盒子里。插上电就能用。
二、容量是一回事，速度是另一回事
512GB 并不意味着它就比 RTX 5090 快。得把两个阶段分开看。
第一个阶段是 prefill，读取和理解整段提示词。这一阶段吃的是算力、矩阵运算效率和软件优化。
第二个阶段是 decode，一个 Token 一个 Token 往外吐。这一阶段主要受内存带宽限制——每生成一个 Token，都要把相关权重重新读一遍。
新款 M5 Ultra 的统一内存带宽做到了 1.2TB/s，比上一代提升 50%。这才是它除了容量之外，真正跟本地 AI 相关的核心升级。
几台候选设备的底牌
看这张表你就明白了：5090 的带宽比 M5 Ultra 还高一半，但它只有 32GB。带宽决定单 Token 多快，容量决定能不能跑。
保守估算
根据模型结构、权重大小、内存带宽，以及上一代设备的实测数据，做一个保守推算：
这些数字不是实测。新机器还没交付，MLX、llama.cpp 这些框架也需要时间适配新的 GPU 和 Neural Accelerator。量化方法、上下文长度、提示词缓存、并发数、推理引擎，每一项都会让最终结果产生巨大差异。
顺便说一句：苹果官网给的是"LM Studio 提示词处理速度提升 4 倍"这类相对倍数，但从数量级上讲，结论已经足够清楚：这台机器不只是能把大模型加载起来，而是有可能把它们跑到真正可用的程度。
每秒几十个 Token，已经明显快过普通人的阅读速度。多路并发到每秒五十到一百，意味着它可以同时撑住几个编码 Agent、检索 Agent、文档分析任务和后台自动化流程。这才是本地 AI 具备生产力意义的门槛。
苹果这次还特意提到，多台 Mac Studio 可以通过 Thunderbolt 5 + RDMA 组成共享内存池，四台集群的分布式推理比单机快 3 倍。
三、一个容易被忽略的升级：PCIe 6.0 SSD
新款 Mac Studio 的内置 SSD 换成了基于 PCIe Gen 6 的新架构，苹果官方口径是"存储性能最高达到上一代的两倍"。30GB/s 是 PCIe 6.0 x4 的链路理论带宽。
不过实际怎么样，第三方实测出来之前，谁的数字都只是推测。
那这个升级到底有什么用
模型加载完成之后，SSD 不参与稳定生成阶段。 decode 每一步读的是那 1.2TB/s 的统一内存，13GB/s 的盘速跟它差了近百倍，一点关系都没有。
SSD 真正影响的是：模型加载、模型切换、冷启动、缓存、数据预处理、大规模本地数据分析。
举个具体的：一个 400GB 的模型冷加载，按 13GB/s 算大约半分钟，按上代 6.5GB/s 算要一分钟。频繁切换模型的人，这个差别感知很明显。
而且，你自己想配一套 PCIe 6.0 是真的麻烦
2026 年了，消费级 PC 平台基本还停在 PCIe 5.0 甚至是 4.0。 PCIe 6.0 主要在服务器和 AI 平台上刚刚起步，你想自己攒一台跑 Gen6 的机器，得让 CPU 平台、主板、SSD 控制器全部对齐——先不说钱，光是选型、兼容性验证、固件折腾，就够你喝一壶。
苹果直接把这套东西焊进盒子里给你了。开箱插电，它就是这个速度。
但也正因为焊死了：Mac 的 SSD 不可更换、不可升级。而且 Apple Silicon 的存储在 I/O Registry 里一直显示为 "Apple Fabric" 而非标准 PCIe，所以"PCIe Gen 6"更像是一种代际等效描述，不是说你能插一块标准 Gen6 NVMe 上去。
顶配可以配到 16TB SSD，再加 512GB 统一内存。如果实测真能到 12–14GB/s，那么加载几百 GB 的模型、扫大型 Parquet 数据集、构建向量索引，都会变得非常快。
说句半开玩笑的话——很多搞数据仓库的朋友看到这套配置，可能都要汗颜。
现实中不少公司的核心分析数据，确实可以直接装进这台机器的内存。配上 DuckDB、PostgreSQL、Parquet 和本地对象存储，大量原本要靠小集群跑的离线分析，一台盒子就能吃下。
当然它替代不了真正的数据仓库：高可用、并发、权限治理、灾备、横向扩展，那是另一回事。但作为单机分析工作站，这个性能确实已经到了"禽兽"级别。
（老冯甚至冒出一个念头：要不要搞一个基于 macOS 的 Pigsty 一体机？把数据库、Agent、AI 全打包成开箱即用的发行版。）
四、但如果只是为了"Token 自由"，未必值得买
说句实话，如果你的目的只是省订阅费，我反而不太建议买顶配 Mac Studio。
老冯手头现在有十个每月 200 美元的 AI 订阅，加起来一个月两千美元，一万多块人民币。按这个花法，一台十几万的顶配 Mac Studio，差不多够我畅快用一年云端模型。
而且云端给你的是随时更新的头部闭源模型。新的推理模型、编程模型、多模态模型不断上线，接下来还有 Astra 这类新东西要继续卷。两天前刚重置完，结果就在刚刚又重置了。
本地开源模型在绝对智能水平、工具生态和多模态能力上，未必能一直追得上。你还要自己承担模型下载、量化、框架适配、故障处理、版本升级和硬件折旧。
所以如果你的需求就是聊天、写代码、查资料，或者你想用最强的模型把活干完——继续用 AI 订阅服务，通常更省心也更划算。
买这台机器，你真正买到的并不是便宜 Token。
你买到的是一块完全属于自己的计算领地。
五、真正的关键词是"数据主权"
如果你处理的是普通公开信息，扔给云端模型没什么大不了。
但如果你手上是律师案卷、医院病历、金融数据、未公开的源代码、芯片设计、商业机密、内部邮件，或者受 NDA 约束的客户资料——情况就完全不同了。
对这些场景来说，数据能不能离开本地，往往比模型是不是排行榜第一更重要。
512GB Mac Studio 意味着，你可以把模型、向量数据库、业务数据库、文档和 Agent 工作流全部放在自己的设备里。整个推理过程断网也能跑，原始数据不需要交给任何第三方。
当然，本地运行不等于自动合规。磁盘加密、账户权限、审计日志、备份、模型许可证、数据生命周期，这些仍然要你自己处理。
但至少在技术上，你终于能真正控制数据去了哪里、被谁访问、保留多久。
这也是为什么我认为，这台机器对法律、医疗、科研、金融、制造和涉密开发团队的价值，远远高于普通个人用户。
六、它和 DGX Station 不是同一种产品
英伟达最新的 DGX Station 用的是 Blackwell Ultra（GB300），配 HBM3e，加上 Grace CPU 侧的 LPDDR5X，总计接近 800GB 的分层一致性内存。单看 AI 算力和 HBM 带宽，它当然比 Mac Studio 强得多。
但它也是一台接近十万美元的专业设备——按现在的汇率，六十多万人民币，够买五六台顶配 Mac Studio。
对国内用户来说，采购渠道、出口合规、发票、保修、售后，每一环都可能变得相当复杂。灰色渠道当然能买到硬件，但一家需要正规采购和长期运维的企业，未必敢用。
Mac Studio 的优势不是在每项性能指标上赢过 DGX Station，而是你可以通过正常零售渠道买到，有正规发票、保修和售后，拿回去插上电就能用。
它当然也不是数据中心服务器。没有冗余电源，没有远程管理，没有完整的企业级运维能力。如果你需要严格 SLA、大规模多租户服务或者机房集群，还是老老实实上正规 NVIDIA 服务器。
但作为一台放在办公室、实验室或者家里的个人 AI 工作站，它几乎没有直接对手。
七、顺带说说新 Mac mini
M6 Mac mini 最高只有 32GB 统一内存、170GB/s 带宽，它不是用来跑超大模型的。
但对 7B、14B，以及量化后的部分模型，它仍然是一台体积小、功耗低的本地 Agent 主机。
真正值得本地 AI 用户关注的，其实是 M5 Pro 版本：最高 64GB 统一内存、307GB/s 带宽，还带 Thunderbolt 5。
它跑不了完整的 DeepSeek-V4，更别说 GLM 这种几百 B 的模型，但跑 Qwen 27B 级别的量化模型已经相当实用。拿来做家庭 AI 服务、代码 Agent、知识库、语音处理，或者当一个常驻的自动化节点，很可能是这一代性价比最高的小机器。
最后
512GB 顶配版本要到十月底才正式供应。
如果香港那边的价格和供货合适，老冯大概率会去买一台。当然在付款之前，我还要看三样东西：最终售价、MLX 等框架的适配情况、第三方的稳定推理实测。
如果表现符合预期，我认为这会是一台能用很多年的机器。
它未必能给你最便宜的 Token，也未必跑得赢真正的 NVIDIA AI 服务器。但它让个人和小团队第一次可以用一台正常购买、正常开票、正常摆在桌面上的设备，运行数百 GB 的前沿开源模型。
十几万说贵当然贵，顶得上一辆小汽车了。
但换个角度看——一辆小汽车，并不能让你在办公室里拥有一个完全私有、可以 7×24 小时运行的本地 AI 集群。
至于它会不会卖断货、能不能一路撑到 2028 年，以及那时候苹果会不会真的端出 1.5TB 统一内存的 M7 Ultra——
那就是另一个许愿池里的故事了。
热门跟贴