别人都在拼云端，苹果把AI装进了桌面

苹果今天发了两个芯片：M6和M5 Ultra。一个装进Mac mini，一个装进Mac Studio。如果只看参数，这是桌面产品的例行升级；但如果把这两颗芯片放在一起看，能看到一个明确的信号：苹果的AI路线，和所有人都不一样。

这两年AI行业最热闹的事，是各大厂拼命建数据中心、抢显卡、囤算力。云端AI成了默认答案，大模型要连服务器，推理要租GPU，连手机厂商都在宣传自己的"云侧大模型"。苹果偏偏走了相反的路：把AI的能力全部塞进本地设备，塞进你办公桌下那台电脑里。

两颗芯片，同一个答案

先看M6。2nm制程，台积电N2工艺，这是目前消费电子领域最先进的量产制程，苹果又是全球第一个用的。CPU升级到12核，多线程性能比M5快1.2倍。但M6真正的重点不在CPU，在AI。它装了两个16核神经网络引擎，加起来32核，峰值AI算力比上一代翻倍。GPU也变了，12颗核心，每颗核心内部都内置了一个神经网络加速器。还有一个容易被忽略的细节：M6原生支持FP8格式的硬件处理，上一代M5还得靠软件模拟。FP8是AI推理最常用的低精度格式，硬件化意味着同样的AI任务更快、更省电。

苹果没有把AI做成一个独立模块，而是把它拆碎了，塞进CPU、GPU、神经引擎每一处，让整颗芯片处处都能算AI。这是"端侧AI"的底层逻辑：AI不是某个角落的功能，而是整台设备的能力。

M5 Ultra是另一条思路的极致。它用UltraFusion封装技术把两枚双晶粒的M5 Max拼在一起，形成四晶粒结构，晶粒间带宽超过4.4TB/s，四颗晶粒在系统里表现得像一颗完整芯片。规格上，最多36核CPU、80核GPU、512GB统一内存，内存带宽1.2TB/s。80颗GPU核心每一颗都带神经网络加速器，AI峰值算力比上一代M3 Ultra高4.5倍。

512GB统一内存意味着什么？你可以把几千亿参数的大语言模型完整放进本地内存，不联网，直接在桌面上跑推理。这是苹果做AI最不一样的地方：别人的AI要连服务器，苹果的AI能整个装进你办公桌下那台机器里。

五年前就埋下的底牌

这套打法的底牌，是统一内存架构。2020年M1发布时，苹果做了一件别人没做过的事，把CPU、GPU、神经引擎放进同一颗芯片，共享同一个内存池，数据不用在不同组件之间来回拷贝。这个设计当年被看作省电技巧，如今成了端侧AI时代的核心优势，因为大模型吃的就是内存容量和带宽，而苹果从五年前就在为这件事铺路。

当时的市场没几个人看懂这一步。大家都在比跑分、比核心数，统一内存被当成"苹果式封闭"的又一例证。直到大模型时代到来，人们才发现，内存带宽和容量成了AI落地的硬约束，而苹果恰好是唯一一个从架构层面就为此做了准备的玩家。加上苹果自研CPU核心而不是用ARM公版，再配合macOS和自家的Metal、Core ML框架，软硬一体，别人很难照搬。

我的判断是，苹果的端侧AI不是没得选才做的，而是主动选择。云端AI有云端的优势，算力无限、模型够大；但端侧AI有端侧的价值：数据不出设备，隐私安全；不依赖网络，离线可用；不用按次付费，成本可控。对苹果来说，端侧AI还有一个云端给不了的东西，它能把AI体验和自家的硬件、系统、生态深度绑定，形成别人抄不走的体验壁垒。

端侧AI的分量，比想象中重

有人会觉得，端侧AI是小打小闹，云端才是主战场。但苹果这次的产品说明了一个趋势：AI落地，不只有云端一条路。

M6把FP8硬件化，GPU每颗核心都带神经加速器，M5 Ultra用512GB内存把大模型本地化，这三级台阶叠在一起，苹果端侧AI的能力边界已经被推到很远了。接下来开发者可以不用买NVIDIA的卡，直接用Mac本地微调大模型，苹果官方开发者工具已经支持。这个生态一旦滚起来，对英伟达的云算力依赖会形成实实在在的分流。

落到具体场景，端侧AI的价值会越来越明显。一个律师处理上千页合同，数据敏感，不能上传云端，本地跑大模型是唯一选择；一个设计师在无网络的飞机上改图，端侧模型随叫随到；一家医院做影像分析，患者数据出了设备就是合规事故。这些场景里的需求，云端AI替代不了，苹果的本地化路线正好卡在这个位置上。大模型越普及，这类"数据不能离开设备"的需求只会越多，端侧AI的盘子也会跟着变大。

更值得关注的是，苹果在重复自己在iPhone上的成功路径。当年iPhone不是第一个做触屏手机的，但它把触屏、应用生态、硬件体验做成了一个闭环，定义了移动互联网的玩法。现在苹果用同样的思路做端侧AI：芯片、系统、模型、开发者工具全部自研，把AI从"连服务器才能用的功能"变成"设备本身的能力"。这条路能不能走通，市场会给出答案，但方向已经很清楚：AI的终局不只在云端，也在每一个人的口袋里和桌面上。