Per addestrare i modelli di intelligenza artificiale più avanzati, il riferimento dell’industria rimane rappresentato dai grandi cluster di GPU Nvidia installati nei data center. Tuttavia, alcuni workload specifici stanno spingendo le aziende AI verso un hardware decisamente più compatto come i Mac mini e Mac Studio di Apple.

Secondo quanto riportato da The Information, OpenAI avrebbe acquistato decine di migliaia di questi sistemi per attività legate soprattutto all’addestramento degli agenti AI. Anthropic avrebbe invece scelto una strada simile affidandosi ad Amazon Web Services, che mette a disposizione Mac mini attraverso la propria infrastruttura cloud.

La scelta non significa che i computer Apple stiano sostituendo i cluster Nvidia. La differenza è soprattutto nel tipo di elaborazione. L’addestramento di modelli linguistici di frontiera e i workload AI più pesanti richiedono ancora infrastrutture con migliaia di acceleratori ad alte prestazioni. Per l’addestramento e la sperimentazione di agenti capaci di utilizzare un computer un sistema locale può invece offrire caratteristiche particolarmente interessanti.

Uno degli ambiti indicati per i Mac di OpenAI è il reinforcement learning, una metodologia nella quale il modello apprende attraverso tentativi, valutando il risultato delle proprie azioni e modificando progressivamente il comportamento. È un approccio particolarmente adatto agli agenti AI, che devono imparare a portare a termine sequenze di operazioni all’interno di ambienti software.

Il punto di forza dei Mac mini e Mac Studio utilizzati per questi compiti risiede soprattutto nell’architettura dei chip Apple Silicon, in cui i processori della serie M integrano CPU, GPU e Neural Engine all’interno di una piattaforma caratterizzata dalla Unified Memory Architecture.

Mac M6 Apple

Invece di utilizzare pool di memoria separati per CPU e GPU, i diversi componenti possono accedere a uno spazio di memoria condiviso. Questo riduce gli spostamenti di dati tra le varie unità di elaborazione, risultando vantaggioso quando si lavora con modelli AI che devono mantenere rapidamente grandi quantità di informazioni disponibili durante l’elaborazione.

La configurazione può inoltre raggiungere quantità di memoria particolarmente elevate nei modelli di fascia alta, consentendo di gestire localmente workload che su altri sistemi potrebbero richiedere una configurazione server più complessa. Per attività di sviluppo, test e addestramento specializzato, questa caratteristica può diventare un vantaggio concreto.

A questo si aggiungono consumi relativamente contenuti e dimensioni molto più compatte rispetto a un server tradizionale. Un Mac Studio può infatti essere installato in uno spazio ridotto e utilizzato per carichi continuativi mantenendo una gestione termica progettata per l’impiego professionale. Per un laboratorio che deve predisporre rapidamente numerosi nodi di calcolo, la semplicità dell’hardware rappresenta un ulteriore elemento interessante.

L’interesse di OpenAI e Anthropic contribuisce inoltre a spiegare perché Apple stia registrando una domanda anomala per alcune configurazioni Mac. Nell’ultimo trimestre i ricavi della divisione Mac avrebbero infatti raggiunto 10,3 miliardi di dollari, con una crescita di quasi il 29% su base annua. La richiesta proveniente dalle aziende AI si sovrappone però a una più ampia carenza globale di memoria, creando problemi di disponibilità soprattutto per le configurazioni più potenti. Non a caso è da mesi che alcuni modelli risultano difficili da reperire, il che può diventare problematico per organizzazioni che devono acquistare migliaia di sistemi.

La vera novità è quindi industriale più che commerciale, con Apple Silicon che sta entrando in una fascia di utilizzo che tradizionalmente apparteneva ai server e agli acceleratori per data center. Come detto, non è un’alternativa generalizzata alle GPU Nvidia, ma una piattaforma complementare per workload nei quali efficienza, memoria condivisa, compattezza e costi operativi possono risultare più importanti della pura potenza di calcolo.