O Mac mini não foi feito para treinar IA. A OpenAI comprou dezenas de milhares na mesma

A imagem padrão da infraestrutura de treino de IA envolve clusters de GPUs, salas de servidores e hardware da Nvidia a custar dezenas de milhares de dólares por placa. A OpenAI acabou de comprar dezenas de milhares de Macs de consumo e desmontou essa imagem. A empresa adquiriu Mac minis e Mac Studio para treinar uma classe específica de IA: agentes capazes de operar computadores como um operador humano, clicando, deslocando-se e navegando em software em seu nome.

A razão reside na memória. Os chips da série M da Apple utilizam uma arquitetura de memória unificada que coloca a CPU e a GPU no mesmo die de silício, partilhando um único conjunto de memória de alta largura de banda. Para a aprendizagem por reforço — o método de treino que ensina um agente através de milhares de repetições de tentativa e erro — este design elimina um gargalo persistente de transferência de dados. Quando a memória da GPU e a memória do sistema estão separadas, como acontece nas configurações convencionais de GPU, o hardware tem de copiar constantemente dados entre ambas. A memória unificada da Apple elimina essa transferência. O chip funciona mais frio, consome menos energia por unidade e esses números batem uma Nvidia H100 de 25.000 dólares para esta tarefa específica.

A Anthropic, rival mais próxima da OpenAI, fez a mesma escolha de hardware mas uma escolha financeira diferente. A Anthropic aluga Mac minis através da Amazon Web Services em vez de os comprar. A carga de trabalho é idêntica; o compromisso não é. A decisão da OpenAI de comprar dezenas de milhares de unidades por inteiro sinaliza que treinar agentes de uso de computador é um investimento permanente em infraestrutura de alto volume, e não uma experiência temporária.

O efeito na oferta chegou imediatamente. A Apple renovou o Mac mini e o Mac Studio no final de agosto, introduzindo o M6, o seu primeiro processador de 2 nanómetros. O Mac mini M6 começa nos 899 dólares; o Mac Studio M5 Ultra — a configuração que oferece até 96 GB ou mais de memória unificada — começa nos 5.499 dólares. As configurações de memória mais elevadas já estavam limitadas por uma escassez global de chips de memória. A compra em massa por parte dos laboratórios de IA esgotou os modelos de topo, com prazos de entrega agora alargados para meses antes de as novas unidades começarem sequer a ser enviadas.

Nada disto afeta o negócio principal da Nvidia. O treino de modelos fundacionais — construir o GPT-5, Claude 5, Gemini 3 de raiz — continua a ser executado em clusters de milhares de Nvidia H100 e B200. Um Mac mini não consegue replicar isso. O que a Nvidia está a observar de perto é a camada de agentes: as cargas de trabalho construídas sobre modelos fundacionais que interagem com o mundo real. O DGX Spark da Nvidia, o seu sistema de IA de secretária, é uma resposta direta ao mesmo espaço que a Apple ocupou acidentalmente. Os laboratórios de IA não o estão a escolher à escala, de momento.

O preço explica a diferença. Um Mac Studio M5 Ultra com 96 GB de memória unificada começa nos 5.499 dólares. Uma placa GPU Nvidia H100 custa mais de 25.000 dólares antes do chassis de servidor de que necessita para funcionar. Para a classe de aprendizagem por reforço que treina um agente para clicar num browser, navegar num formulário e arquivar um relatório, a eficiência de custos e a arquitetura de memória do Mac criam uma equação diferente — e os laboratórios de IA identificaram essa diferença e compraram em conformidade.

A capacidade da Apple para sustentar isto como uma relação de fornecimento depende de a produção de chips escalar mais depressa do que a procura, uma condição que não está atualmente a ser cumprida. O próximo evento de produtos da empresa, no início de setembro, focar-se-á na linha iPhone 18 e no seu primeiro dispositivo dobrável. São esperadas mais atualizações na linha Mac mais tarde este ano.

Etiquetas: inteligência artificial, nvidia, OpenAI, Anthropic, Apple, Apple Silicon, Mac mini