Mac miniはAIトレーニングのために作られたわけではない。それでもOpenAIは数万台を購入した。

AIトレーニングインフラの標準的なイメージは、GPUクラスター、サーバールーム、そして1枚あたり数万ドルするNvidiaのハードウェアだ。OpenAIは先ごろ、数万台のコンシューマー向けMacを購入し、そのイメージを覆した。同社が購入したのはMac miniとMac Studioシステムで、目的は特定の種類のAI——人間のオペレーターのようにコンピューターを操作し、クリック、スクロール、ソフトウェアの操作を行うエージェント——をトレーニングすることだ。

その理由はメモリにある。AppleのMシリーズチップは、CPUとGPUを同一シリコンダイ上に配置し、単一の高帯域幅メモリプールを共有するユニファイドメモリアーキテクチャを採用している。強化学習——エージェントに数千回の試行錯誤を繰り返させることで学習させるトレーニング手法——において、この設計は永続的なデータ転送のボトルネックを排除する。従来のGPU構成のようにGPUメモリとシステムメモリが分離されている場合、ハードウェアはその間のギャップを越えて常にデータをコピーしなければならない。Appleのユニファイドメモリはその転送を不要にする。チップはより低温で動作し、ユニットあたりの消費電力も少なく、これらの数値は、この特定のタスクにおいて2万5000ドルのNvidia H100を凌ぐ。

OpenAIの最大のライバルであるAnthropicも同じハードウェアを選択したが、財務面では異なる判断を下した。AnthropicはMac miniを購入するのではなく、Amazon Web Servicesを通じてレンタルしている。ワークロードは同一だが、コミットメントは異なる。OpenAIが数万台を一括購入するという決定は、コンピューター操作エージェントのトレーニングが一時的な実験ではなく、恒久的かつ大規模なインフラ投資であることを示している。

供給への影響はすぐに現れた。Appleは8月下旬にMac miniとMac Studioをリフレッシュし、初の2ナノメートルプロセッサであるM6を発表した。Mac mini M6は899ドルから、最大96GB以上のユニファイドメモリを搭載するMac Studio M5 Ultraは5499ドルからとなっている。最高メモリ構成はすでに世界的なメモリチップ不足により制約を受けていた。AIラボによる大量購入により、最上位モデルは在庫切れとなり、新ユニットの出荷開始までリードタイムは数か月に及んでいる。

この動きはいずれもNvidiaの中核事業に影響を与えない。基礎モデルのトレーニング——GPT-5、Claude 5、Gemini 3をゼロから構築すること——は依然として数千台のNvidia H100やB200のクラスターで実行される。Mac miniではそれを再現できない。Nvidiaが注視しているのはエージェント層、つまり基礎モデルの上に構築され、現実世界と相互作用するワークロードだ。NvidiaのデスクトップAIシステムであるDGX Sparkは、Appleが偶然占めることになった同じ領域への直接的な回答である。しかし、AIラボは現在、それを大規模に選択してはいない。

価格がその差を説明する。96GBのユニファイドメモリを搭載したMac Studio M5 Ultraは5499ドルから。一方、Nvidia H100 GPUカードは、動作に必要なサーバーシャーシを除いても2万5000ドル以上する。エージェントにブラウザをクリックさせ、フォームを操作させ、レポートを提出させる強化学習のクラスにおいて、Macのコスト効率とメモリアーキテクチャは異なる方程式を生み出す——そしてAIラボはその違いを認識し、それに応じて購入した。

Appleがこれを供給関係として維持できるかどうかは、チップ生産が需要よりも速く拡大するかどうかにかかっており、その条件は現在満たされていない。同社の次の製品イベントは9月初旬に予定されており、iPhone 18シリーズと初の折りたたみデバイスに焦点が当てられる。さらなるMacラインのアップデートは年内後半に予想されている。

タグ: 人工知能, nvidia, OpenAI, Apple, Anthropic, Apple Silicon, Mac mini