最新资讯

苹果再次对Mac产品线进行了更新。

8月25日晚间，苹果突然发布了新款Mac mini和Mac Studio。两款产品在外观上几乎没有变化，产品定位也符合预期：Mac mini延续了小巧、精致且高效的特点，而Mac Studio依旧是桌面Mac中面向专业用户的性能强者。

不过，价格却让人意外。

新款Mac mini国行起售价直接涨到了6999元。上一代M4 Mac mini的起售价仅为4499元，即便今年因存储调整曾提价至5999元起。但仅仅一代产品过后，入门门槛就大幅提升。

Mac Studio的价格更加惊人。搭载M5 Max的版本已经不便宜，而顶级的M5 Ultra版本起售价直接达到46999元。如果再选择更大的内存和存储，价格轻松突破六位数。

苹果疯了吗？

但如果深入了解这一代产品，会发现苹果并非仅仅通过涨价来刷存在感。Mac mini首次搭载了全新的M6芯片，这是苹果的第一颗2nm芯片；而Mac Studio则配备了M5 Ultra，这是苹果历史上首款采用四晶粒架构的芯片。

自2020年M1发布以来，Apple Silicon已经走过了六年。过去几代苹果芯片的升级逻辑非常清晰：CPU更快、GPU更强，制程逐步推进，并通过Pro、Max、Ultra系列不断扩展规模。

到了M6和M5 Ultra，苹果终于迈入了2nm时代，并重新调整了CPU核心结构，互连架构也从过去的两颗大型芯片互联，发展为四晶粒共同组成一颗SoC。

与此同时，AI开始真正成为芯片设计的核心。

在M6上，苹果终于进入了2nm时代

先简单介绍M6的参数变化：CPU从10核增加到12核，GPU也从10核增加到12核，内存带宽从M5的153GB/s提升到170GB/s，Neural Engine直接变成了两组16核。

参数只是一方面，但M6真正值得关注的是其他方面。

首先是2nm。

从M3开始，苹果已经连续三代M系列芯片停留在3nm。M3采用了第一代3nm，M4和M5则不断改进工艺。到了M6，终于跨入2nm，成为苹果历史上首颗2nm芯片。

更高的晶体管密度，让M6在更小的面积内实现了更高的性能和能效。对用户来说，最终可以归结为两个词：

更快，更省电。

根据台积电的数据，N2相比N3E，在相同功耗下性能最高可提升约15%，在相同性能下功耗最高可降低约30%。

当然，这只是制程本身的理论收益，不考虑架构升级，不能直接等同于M6的实际提升。但它也解释了一个关键问题：为什么苹果可以在这一代基础款M芯片中，塞进更多CPU、GPU和AI单元，同时继续维持Mac mini这种小体积机器对功耗和散热的要求。

换句话说，M6的2nm不仅仅提升了性能跑分，还为苹果重新分配芯片性能开销腾出了空间。

苹果首先将这些“空间”用在了CPU上。

上一代M5的CPU结构仍然是Apple Silicon一贯的“大核+小核”思路。但到了M6，12个CPU核心被正式划分为三档：2个超级核心、4个性能核心和6个效率核心。

中间那档“性能核心”尤为特别。

今年早些时候发布M5 Pro和M5 Max时，苹果已经悄悄重新定义了CPU核心体系。过去的高性能核心被改名为“超级核心”，同时新增了“性能核心”。

按照苹果的说法，“超级核心”负责追求极致的单线程性能，而“性能核心”则在多线程任务中以更低功耗提供大量计算能力。到了M6，这套架构首次下放到最基础的M系列芯片，多线程性能相比M5最高提升20%。

这很苹果。尤其是在Mac mini上，机器体积有限，电源和散热能力都有明确边界，性能提升最终还是要与能效一起权衡。

GPU也有类似的变化。M6将GPU从10核增加到12核。但更重要的是，从M5开始，苹果在每个GPU核心中嵌入了一组“神经网络加速器”，这与英伟达的CUDA核心和Tensor核心思路非常接近。

M6延续了这一设计，GPU既负责图形处理，也负责AI。

事实上，对于大语言模型、图像生成和其他生成式AI工作负载，GPU的重要性正在快速提升。模型规模越大，需要的并行计算和内存吞吐越高，GPU就越容易成为主力。

因此，苹果的策略是保留GPU擅长的大规模并行计算，同时为每个GPU核心增加专门的“神经网络加速器”。

GPU还是GPU，但越来越像一块专为生成式AI改造过的GPU。

与此同时，M6首次搭载了两组16核神经网络引擎，算力最高达到前代的两倍，系统框架还可以自动同时调用两组神经网络引擎。

这些变化并不意味着M6突然从消费级芯片变成了AI怪兽。最高仍只有32GB统一内存，170GB/s的带宽想运行真正的本地“大”模型，也是不现实的。

但M6的方向非常明确。过去基础款M芯片解决的是“绝大部分电脑任务都足够快”。M6开始更多地考虑普通用户未来在本地运行AI、调用Agent、做图像生成、运行中小型模型时，芯片应该如何分配算力。

为此，苹果几乎同时重整了CPU、GPU和AI三条线。

而这还只是基础款。在M5 Ultra这颗“超级胶水怪”上，苹果解决的是另一种问题。

M5 Ultra是苹果造的“超级胶水怪”

一颗芯片到底能有多大？直接看M5 Ultra的参数：

最高拥有36核CPU、80核GPU、32核神经网络引擎，统一内存最高512GB，带宽达到1.2TB/s。

单看CPU和GPU核心数，并不特别惊人。上一代M3 Ultra已经拥有32核CPU和80核GPU，512GB统一内存也早已存在。

问题是苹果首次将四颗晶粒连在了一起。

M5 Ultra本质上是通过新一代UltraFusion互连技术，将两颗双晶粒M5 Max连接起来，最终组成四晶粒架构，共同构成一颗SoC。

听起来很像“胶水大法”。实际上也确实可以这样理解，但这瓶胶水成本极高，技术难度也远非简单地将四块芯片摆在一起。

先简单说明苹果为什么要这样做。

过去几十年提升芯片性能，最直接的方法就是把芯片越做越大，塞进更多晶体管和核心。但芯片不能无限增大，光刻机一次曝光的面积存在上限，同一块晶圆上芯片面积越大，遇到制造缺陷的概率也越高：

假设晶圆上有一个微小缺陷，它落在一颗小芯片旁边，可能只报废一颗。但如果制造的是大面积芯片，同样的缺陷可能导致整块昂贵的大芯片直接报废。

芯片越大，良率越难控制，成本自然越来越高。因此，现代高性能芯片越来越流行“拆开做”，AMD的Ryzen和EPYC很早就在大规模采用Chiplet，英伟达、英特尔以及苹果都在向多晶粒封装发展。

不过，拆开做容易，但想拼成“一颗芯片”很难。

因为CPU和GPU内部的数据交换速度极快，如果四颗晶粒之间的通信速度太慢，CPU访问另一块晶粒上的数据就需要等待，GPU跨晶粒调用资源也会产生延迟，实际运行起来得不偿失。

所以关键在于UltraFusion芯片级互连技术。

上一代M3 Ultra同样采用UltraFusion，但只连接两颗晶粒，晶粒之间拥有超过2.5TB/s的低延迟带宽。到了M5 Ultra，四颗晶粒协同，苹果将晶粒间带宽直接提高到4.4TB/s以上，连接密度也提升了超过6倍。

4.4TB/s，甚至远远高于M5 Ultra自身1.2TB/s的统一内存带宽，再加上超低延迟互连和软硬件协同，因此才能实现真正的“四合一”，无论对软件还是用户来说。

从方向上看，四晶粒架构也决定了未来的Apple Silicon还能如何继续变强。未来需要更多CPU，可以继续增加计算晶粒；需要更大的GPU，可以继续扩展GPU资源。

甚至在更远的未来，苹果也完全有可能根据不同产品，将计算、AI、I/O或其他模块拆成不同晶粒，再重新组合。

与此同时，AI开始疯狂吞噬算力和内存。M5 Ultra这套四晶粒架构，几乎正好撞上了最需要它的时代。

定位“智能体计算工具”，苹果加码AI计算机

“全天候的智能体计算工具”，这是苹果给新款Mac mini在“台式电脑”之外的新定位。

虽然早有迹象，但这还是苹果首次如此明确地为Mac贴上AI标签，不仅在英文官网直接提到Claude Cowork、OpenClaw、Ollama、LM Studio Bionic等应用，更是将Agent直接写进了M6 Mac mini的产品定义中。

M5 Ultra走得更远，苹果首次明确将多台Mac Studio组成集群作为AI能力来宣传。通过Thunderbolt 5和RDMA，多台机器可以直接进行低延迟数据交换，四台Mac Studio组成集群时，分布式AI推理性能最高可达单机的3倍。

硬件之外，软件也在补齐。

苹果今年推出了全新的Core AI框架，专门针对Apple Silicon上的本地大模型进行构建、运行和部署；MLX继续负责模型训练、微调和推理；JACCL则负责多台Mac之间的高速通信。

从芯片、系统框架到模型工具，再到多机互连，已经开始连成一整套。

苹果过去谈论Apple Silicon时，核心一直是性能和能效。但到了这一代，AI开始真正进入芯片架构、系统软件甚至Mac产品定位本身：

把Mac真正当作AI计算机来设计。

M6负责将这种能力引入最普通的Mac，而M5 Ultra则负责将Apple Silicon向更专业、更大规模的本地AI计算继续推进。

这也是六年后Apple Silicon的又一个关键转折点。2020年之后，苹果自研芯片最大的故事是摆脱英特尔后，Mac终于拥有了性能、功耗和软硬件整合上的主动权。

现在，拥有这种主动权的苹果，正在将Apple Silicon从一套“更适合Mac的处理器”，慢慢变成自己的整套AI计算平台。

本文来自“雷科技”，36氪经授权发布。