Ang Mac mini ng Apple ay laging tahimik, ang desktop na madaling makalimutan sa likod ng Apple Store. Praktikal, mura ayon sa pamantayan ng Apple, at halos hindi pinapansin ng mga taong mahilig sa AI. Pagkatapos, nangyari ang OpenClaw.
Noong Huwebes, sinabi ni Tim Cook sa mga analyst na sold out ang Mac mini at Mac Studio—at maaaring manatili sa ganoong kalagayan sa loob ng ilang buwan. "Pareho sa mga ito ay kamangha-manghang platform para sa AI at mga agentic tool," aniya sa Q2 2026 earnings call ng Apple, "at ang pagkilala ng customer dito ay nangyayari nang mas mabilis kaysa sa aming hinulaan."
Pagsasalin: Hindi tumpak ang kalkulasyon ng Apple kung gaano kagusto ng mga developer ang mga makinang ito, lalo na sa mga panahong ginugulo ng kakulangan ang mga merkado.
Ang kita ng Mac ay umabot sa $8.4 bilyon para sa quarter, tumaas ng 6% taon-sa-taon. Hindi ito masasabing isang napakalaking pagtaas—ngunit ang kakulangan sa supply, hindi demand, ang naglilimita. Ang mga high-RAM na Mac mini at Mac Studio configuration ay hindi lang naantala; ang ilan ay tuluyang inalis na sa Apple Store.
Ang $599 na base Mac mini ay sold out sa U.S. na walang available na delivery o in-store pickup. Ang mga upgraded configuration na may 64GB ng RAM ay nagpapakita ng waiting time na 16 hanggang 18 linggo. Ang mga modelo ng Mac Studio na may 512GB ng unified memory ay tuluyang nawala sa tindahan. Mabilis na nakapansin ang mga scalper sa eBay, naglilista ng mga base model sa halos doble ng retail price.
Ang nagtulak sa lahat ng ito? Ang OpenClaw at ang pag-usbong ng memory-hungry na Agentic AI.
Ang open-source AI agent framework—na binuo ni Peter Steinberger at sinusuportahan na ngayon ng OpenAI matapos ang bidding war sa Meta—ay sumabog sa mahigit 323,000 GitHub stars at naging pinakamabilis na paraan para sa mga indibidwal at maliliit na team na magpatakbo ng persistent AI agents nang lokal. At ang hindi opisyal na reference hardware para sa pagpapatakbo nito ay naging, halos kaagad, ang Mac mini.
Gayunpaman, hindi ito resulta ng isang marketing push.
Ang bagay na hindi napapansin ng karamihan ng mga tao na sumasaklaw sa kakulangan ng Mac ay naging walang kaugnayan ang Apple sa mga seryosong AI workload sa loob ng maraming taon. Bago naging mainstream ang himala ng AI Agents, nagreklamo ang mga tao na ang pagpapatakbo ng LLMs, Stable Diffusion o anumang iba pang uri ng home AI software ay lubhang mabagal at halos hindi magamit. Ang isang M2 Mac ay may performance na maihahambing sa isang GPU mula 2019. Ang pagtanggi ng Apple na gumamit ng CUDA o Nvidia, at ang pagtutulak nito sa teknolohiyang MLX, ay nagpawalang-saysay dito para sa AI tulad ng sa gaming.
Nangingibabaw ang Nvidia dahil ang CUDA—ang proprietary GPU programming framework nito—ang gulugod ng model training at inference. Ang buong AI stack ay binuo sa paligid nito. Walang maihahambing ang Apple. Walang gustong Mac para sa local inference.
Ngunit may maruming lihim ang CUDA: mga limitasyon sa VRAM.
Kahit ang pinakamahusay na consumer Nvidia GPU, ang RTX 5090, ay may maximum na 32GB ng VRAM. Mahirap lampasan iyon. Ang isang modelo na mas malaki sa 32GB ay hindi maaaring tumakbo sa buong bilis sa card na iyon—ito ay bumabagsak sa mas mabagal na system RAM, gumagapang sa PCIe bus, at bumababa ang performance. Para magpatakbo ng seryosong 70 bilyong-parameter na modelo sa Nvidia hardware, kailangan mo ng maraming GPU, isang server rack, malaking konsumo ng kuryente, at libu-libong dolyar.
Ang Unified Memory Architecture (UMA) ng Apple ang solusyon dito sa paraang hindi kayang gawin ng CUDA. Sa Apple Silicon, ang CPU, GPU, at Neural Engine ay nagbabahagi ng iisang pisikal na pool ng RAM. Walang hiwalay na VRAM. Walang PCIe bus na kailangang tawirin. Ang isang Mac mini na may 64GB ay kayang mag-load ng 70 bilyong parameter na modelo na simpleng ayaw hawakan ng isang $1,800 RTX 5090.
Ang M4 Ultra—ang chip na nagpapagana sa mga high-end na configuration ng Mac Studio—ay sumusuporta ng hanggang 192GB ng unified memory. Sapat iyon upang magpatakbo ng 100 bilyong parameter na modelo nang lokal sa isang makina. Walang server. Walang buwanang singil sa cloud.
Ginawang malinaw ng OpenClaw ang trade-off na ito. Dahil pinapatakbo nito ang mga ahente nang lokal—kumokonekta sa iyong mga file, iyong mga app, iyong pagmemensahe—kinailangan ng mga user ng mga makina na kayang hawakan ang reasoning load nang hindi nagrerenta ng compute mula sa cloud. Ang isang Mac mini na may 32GB ng unified memory ay kumportable na nagpapatakbo ng mga modelong 30B-parameter. Ang isang Mac Studio na may 128GB ay humahawak ng mga modelo na hindi kayang hawakan ng karamihan ng mga developer nang walang enterprise GPU cluster isang taon na ang nakalipas.
Ang isang mabagal na Mac na kayang magpatakbo ng isang malakas na modelo ng AI ay mas mahusay kaysa sa isang malakas na Nvidia card na hindi man lang kayang i-load ang modelong iyon.
Ang resulta: sinimulan ng mga developer ang pagbili ng mga Mac mini sa paraang dati nilang binibili ang mga Raspberry Pi—maraming unit nang sabay-sabay, itinuturing bilang imprastraktura sa halip na mga personal na computer. Hindi idinisenyo ang supply chain ng Apple para sa ganoong pattern.
Mayroon ding mas malawak na kakulangan sa memorya na nagpapalala sa problema. Inaasahan ng IDC na bababa ang global PC shipments ng 11.3% sa 2026, bahagyang dulot ng kakulangan sa memory chip na pinapagana ng demand para sa AI server. Ang Apple ay nakikipagkumpitensya na ngayon para sa parehong supply ng RAM sa mga hyperscaler na nagtatayo ng mga data center.
Sinabi ni Cook na maaaring tumagal ng "ilang buwan" upang maibalik sa balanse ang supply at demand para sa Mac mini at Studio. Inaasahan ang isang M5 chip refresh sa huling bahagi ng 2026, na maaaring magpagaan ng presyon—ngunit ang kasalukuyang mga mamimili ay naiipit sa paghihintay o pagbabayad ng presyo ng scalper.
Ang Mac mini ay nakalikha ng mas matinding pangangailangan sa 2026 kaysa sa anumang punto sa 20-taong kasaysayan nito—at ang tanging kailangan lang nito ay tulong mula sa isang open-source na proyekto na walang kinalaman ang Apple upang mangyari ito.
