مک مینی اپل همیشه یک دسکتاپ آرام و فراموششدنی در پشت فروشگاه اپل بوده است. کاربردی، ارزان بر اساس استانداردهای اپل، و تا حد زیادی توسط جامعه هوش مصنوعی نادیده گرفته میشد. سپس OpenClaw وارد میدان شد.
روز پنجشنبه، تیم کوک به تحلیلگران گفت که مک مینی و مک استودیو به فروش رفتهاند – و ممکن است تا چند ماه به همین شکل باقی بمانند. او در تماس مالی سهماهه دوم ۲۰۲۶ اپل گفت: "هر دوی اینها پلتفرمهای فوقالعادهای برای هوش مصنوعی و ابزارهای عاملمحور هستند، و شناخت مشتری از این موضوع سریعتر از آن چیزی که ما پیشبینی کرده بودیم، اتفاق میافتد."
ترجمه: اپل اشتباه محاسبه کرد که توسعهدهندگان تا چه حد به این ماشینها نیاز خواهند داشت، به خصوص در زمانهایی که کمبود، بازارها را به هم میریزد.
درآمد مک در این سه ماهه ۸.۴ میلیارد دلار بود که ۶٪ نسبت به سال قبل رشد داشت. دقیقاً یک جهش بزرگ نیست – اما محدودیتهای عرضه، نه تقاضا، عامل محدودکننده هستند. پیکربندیهای مک مینی و مک استودیو با رم بالا فقط به تأخیر نیفتادهاند؛ برخی به طور کامل از فروشگاه اپل حذف شدهاند.
مک مینی پایه ۵۹۹ دلاری در آمریکا با عدم امکان تحویل یا تحویل حضوری در فروشگاه به فروش رفته است. پیکربندیهای ارتقاء یافته با ۶۴ گیگابایت رم، زمان انتظار ۱۶ تا ۱۸ هفتهای را نشان میدهند. مدلهای مک استودیو با ۵۱۲ گیگابایت حافظه یکپارچه به طور کامل از فروشگاه ناپدید شدند. دلالان در eBay به سرعت این موضوع را دریافتند و مدلهای پایه را تقریباً با دو برابر قیمت خردهفروشی فهرست کردند.
کاتالیزور همه اینها چه بود؟ OpenClaw و رونق هوش مصنوعی عاملمحور (Agentic AI) که حافظه زیادی نیاز دارد.
چارچوب عامل هوش مصنوعی متنباز — که توسط پیتر استاینبرگر ساخته شده و اکنون پس از یک جنگ مزایده با متا، توسط OpenAI حمایت میشود — با بیش از ۳۲۳,۰۰۰ ستاره در GitHub به سرعت رشد کرد و به سریعترین راه برای افراد و تیمهای کوچک تبدیل شد تا عاملهای هوش مصنوعی پایدار را به صورت محلی اجرا کنند. و سختافزار مرجع غیررسمی برای اجرای آن، تقریباً بلافاصله، مک مینی شد.
اما این نتیجه یک کمپین بازاریابی نبود.
نکتهای که اکثر افراد پوششدهنده کمبود مک نادیده میگیرند این است که اپل برای سالها به طور کلی برای حجم کاریهای جدی هوش مصنوعی بیربط بود. قبل از اینکه معجزه عاملهای هوش مصنوعی (AI Agents) رایج شود، مردم شکایت داشتند که اجرای LLMها، Stable Diffusion یا هر نوع نرمافزار هوش مصنوعی خانگی دیگر بسیار کند و تقریباً غیرقابل استفاده بود. عملکرد یک مک M2 با یک GPU از سال ۲۰۱۹ قابل مقایسه بود. امتناع اپل از پذیرش CUDA یا استفاده از انویدیا، و اصرار بر فناوری MLX خود، آن را برای هوش مصنوعی به همان اندازه که برای بازی بیربط بود، بیاهمیت ساخت.
انویدیا حکمرانی میکرد زیرا CUDA — چارچوب برنامهنویسی اختصاصی GPU آن — ستون فقرات آموزش و استنتاج مدل بود. کل پشته هوش مصنوعی حول آن ساخته شده بود. اپل هیچ چیز قابل مقایسهای نداشت. هیچکس برای استنتاج محلی، مک نمیخواست.
اما CUDA یک راز کثیف دارد: محدودیتهای VRAM.
حتی بهترین GPU مصرفکننده انویدیا، RTX 5090، حداکثر ۳۲ گیگابایت VRAM دارد. این یک سقف سخت است. مدلی بزرگتر از ۳۲ گیگابایت نمیتواند با سرعت کامل روی آن کارت اجرا شود — به رم کندتر سیستم سرریز میکند، از باس PCIe عبور میکند و عملکرد به شدت کاهش مییابد. برای اجرای یک مدل جدی ۷۰ میلیارد پارامتری روی سختافزار انویدیا، به چندین GPU، یک رک سرور، مصرف انرژی جدی و هزاران دلار نیاز دارید.
معماری حافظه یکپارچه (UMA) اپل این مشکل را به شکلی حل میکند که CUDA نمیتواند. در تراشههای Apple Silicon، CPU، GPU و موتور عصبی همگی یک مجموعه فیزیکی از رم را به اشتراک میگذارند. هیچ VRAM جداگانهای وجود ندارد. هیچ باس PCIe برای عبور وجود ندارد. یک مک مینی با ۶۴ گیگابایت میتواند یک مدل ۷۰ میلیارد پارامتری را بارگذاری کند که یک RTX 5090 با قیمت ۱۸۰۰ دلار به سادگی قادر به انجام آن نیست.
M4 Ultra — تراشهای که پیکربندیهای پیشرفته مک استودیو را تأمین میکند — از ۱۲۸ گیگابایت حافظه یکپارچه پشتیبانی میکند. این مقدار برای اجرای مدلهای ۱۰۰ میلیارد پارامتری به صورت محلی روی یک ماشین کافی است. بدون سرور. بدون قبض ماهانه ابری.
OpenClaw این مزیت را آشکار کرد. از آنجایی که عاملها را به صورت محلی اجرا میکند — با فایلها، برنامهها و پیامرسانی شما ارتباط برقرار میکند — کاربران به ماشینهایی نیاز داشتند که بتوانند بار محاسباتی را بدون اجاره محاسبات از ابر مدیریت کنند. یک مک مینی با ۳۲ گیگابایت حافظه یکپارچه، مدلهای ۳۰ میلیارد پارامتری را به راحتی اجرا میکند. یک مک استودیو با ۱۲۸ گیگابایت، مدلهایی را مدیریت میکند که اکثر توسعهدهندگان یک سال پیش بدون یک خوشه GPU سازمانی نمیتوانستند به آنها دسترسی پیدا کنند.
یک مک کند که قادر به اجرای یک مدل هوش مصنوعی قدرتمند است، بسیار بهتر از یک کارت انویدیا قدرتمند است که اصلاً قادر به بارگذاری آن مدل نیست.
نتیجه: توسعهدهندگان شروع به خرید مک مینیها به همان شکلی کردند که قبلاً Raspberry Pi میخریدند — چندین واحد در یک زمان، که به عنوان زیرساخت به جای کامپیوترهای شخصی در نظر گرفته میشدند. زنجیره تأمین اپل هرگز برای چنین الگویی طراحی نشده بود.
همچنین کمبود گستردهتر حافظه نیز به این مشکل دامن میزند. IDC پیشبینی میکند که عرضه جهانی کامپیوترهای شخصی در سال ۲۰۲۶ تا ۱۱.۳٪ کاهش یابد، که بخشی از آن به دلیل کمبود تراشههای حافظه ناشی از تقاضای سرورهای هوش مصنوعی است. اپل اکنون برای همان منبع رم با شرکتهای بزرگ داده (hyperscalers) که مراکز داده میسازند رقابت میکند.
کوک گفت که ممکن است "چند ماه" طول بکشد تا عرضه و تقاضا برای مک مینی و استودیو به تعادل برسد. انتظار میرود که تراشه M5 در اواخر سال ۲۰۲۶ عرضه شود که میتواند فشار را کاهش دهد — اما خریداران فعلی مجبورند منتظر بمانند یا قیمتهای دلالان را بپردازند.
مک مینی در سال ۲۰۲۶ بیش از هر زمان دیگری در تاریخ ۲۰ ساله خود فوریت پیدا کرد — و تنها چیزی که نیاز داشت، کمک یک پروژه متنباز بود که اپل مطلقاً هیچ نقشی در آن نداشت تا این اتفاق بیفتد.
