在AI算力军备竞赛中，英伟达高端GPU始终是各家争抢的核心硬通货。而OpenAI近期走出了一反常规的一步：不再只盯着显卡扩容，转而按吨批量采购苹果硬件设备，全部投入AI模型研发与训练，为火热的算力竞赛撕开了一条新的路线。
过去数年，从GPT-3到GPT-4系列，OpenAI的训练基建核心始终是由数万张英伟达GPU搭建的超算集群，整个行业也几乎默认了“大模型=堆CUDA显卡”的唯一路径。但随着全球AI需求集中爆发，高端GPU产能持续紧张、交付周期不断拉长、采购成本居高不下，单一供应链的风险与瓶颈日益凸显。OpenAI此次大规模囤入苹果设备，本质是开辟第二算力曲线，用多元化布局对冲供应链风险，同时探索更适合多模态任务的算力架构。
所谓“按吨囤苹果”并非夸张，而是OpenAI批量采购搭载M系列Ultra芯片的Mac Studio与Mac Pro，数千台的采购量叠加整机重量，实打实是“论吨计量”的硬件投入。和传统GPU侧重通用并行计算不同，苹果M系列芯片凭借统一内存架构，在多模态数据处理、图像视频编解码、小模型轻量化微调等场景下能效比优势突出。OpenAI将这批设备主要用于Sora视频模型的数据预处理、多模态数据集清洗标注、端侧AI模型适配等工作，把珍贵的GPU算力解放出来聚焦核心大模型训练，实现算力资源的分层调度与高效利用。
但这条替代路线并不平坦。英伟达CUDA生态经过十几年沉淀，拥有完善的算子库、开发工具与全行业解决方案，而苹果Metal生态在AI训练领域的积累还很薄弱，分布式训练框架、底层算子支持都需要从头适配。OpenAI要把苹果硬件深度融入现有训练体系，需要投入大量研发成本做底层优化，这也是只有头部玩家才能支撑的算力实验。
本质上，OpenAI囤苹果不是否定GPU路线，而是AI算力精细化分工的开始。当大模型全面进入多模态时代，算力需求不再是单一的堆显卡数量，而是根据不同任务匹配最优算力架构。这场“按吨囤苹果”的操作，既是头部企业供应链避险的布局，也在探索AI算力的更多可能性。#互联网大厂 #大厂 #互联网 #科技资讯早知道 #ai#苹果