Mac集群新飞跃：AI性能跃升与商业潜力

集群部署 本地运行

将多台高端Mac Studio并联，能否打造价值上百亿的AI模型？这听起来或许不可思议，但Apple Silicon正赋予苹果这样的自信。

此前，牛津大学的Alex Cheema与Seth Howes创建的Exo Labs公司，已用两台Mac Studio成功运行百亿级模型。苹果显然也留意到了这一成果，并在最新的macOS 26.2 Beta中加强了AI能力，正是瞄准了Exo Labs所展示的——Mac集群化部署。

在新版macOS 26.2 Developer Beta中，苹果带来了两项重大改进：

一是苹果开发的开源阵列框架MLX可调用M5处理器的神经网络加速器

二是Mac集群可使用基于雷雳5协议的高速传输通道

神经网络加速器普及化

在最新的14寸MacBook Pro中，苹果为M5处理器采用了3nm N3P工艺，并在GPU核心中加入神经网络加速器，实现了本地模型的高效运行。而macOS 26.2中更新的MLX框架，则让包括第三方AI模型在内的更多应用能利用这一加速器。

MLX是苹果为Apple Silicon特化的开源阵列框架，旨在让开发者在macOS程序中部署和微调AI模型，实现纯本地运行。这样一来，开发者就能在app中利用M5的神经网络加速器提高响应速度，并保留对模型的微调能力。

这一更新尤其利好目前无法使用Apple Intelligence的Mac用户。而且，随着MLX的助力，Mac的整体AI能力还将进一步提升。

这也为macOS 26.2 Beta中的另一项AI升级奠定了坚实基础。正如Exo Labs的“Mac集群”方案所示，借助动态负载分配规则，Mac的本地AI性能几乎达到了硬件上限。

macOS 26.2 Beta进一步提升并解锁了Mac的能力上限，为类似Exo Labs的本地AI工具提供了更广阔的发展空间。

那么，苹果是如何在不改变硬件的前提下提升Mac的本地AI性能的呢？答案是优化Mac集群间的数据传输方式。

雷雳5的无限可能

在之前的Exo Labs版本中，物理连接、拓扑网络建立等工作都依赖雷雳5信道。然而，尽管雷雳5规格很高，macOS却只能通过TCP-IP连接各台Mac。

TCP-IP并非专为AI集群优化，尤其是“并行AI计算”对带宽和延迟要求极高，TCP-IP的节点间延迟会被进一步放大。而macOS使用TCP-IP进一步导致Exo V2即使能借助统一内存加载巨大模型，也只能采用低效的“管线并行”方式分配负载。

现在，这一瓶颈终于得到解决——苹果开发了一套新的基于雷雳5的macOS连接协议，大幅改进了传输延迟。这意味着每块M3 Ultra处理器都能直接调度全部统一内存池。

值得注意的是，这一方案效果类似RDMA（远程内存直接访问），但无需设置以太网卡或光模块，完全依赖现有雷雳5硬件。

这一改变极大优化了Exo V3的节点间通讯延迟问题，使其能在最新软件中实现“张量并行”分配。相比“TCP-IP + 管线并行”，新方案能优化负载分配效率，进一步提升每秒生成的token数。

Mac的AI价值在商业领域

macOS 26.2 Beta主要在提升Mac AI能力上做了“提升式”更新。一方面让第三方模型能用上M5芯片的新特性；另一方面提升Mac组集群的效率。虽然不如高性能服务器那般令人兴奋，但苹果正悄悄为生态建设积攒能量。

四台顶配M3 Ultra Mac Studio就能本地运行近似GPT-4规模的巨型模型。虽然对个人用户而言可能不划算，但对企业用户来说却极具吸引力。出于商业保密和细分需求考虑，很多企业会选择本地部署AI功能。

对于这些高敏感数据，企业的AI功能需求往往必须“纯本地化”。

然而，选择本地部署会迅速陷入“水多加面、面多加水”的循环。这时，集成了CPU、GPU、共用内存等的Mac Studio就显得极为突出——不仅空间和散热规模低、成本最大的用电接近腰斩，而且保留了所有纯本地运行AI模型的优势。

意外之喜

用Mac搭集群、本地跑AI的有趣之处在于：这不像苹果深思熟虑的产品战略，倒像是一个双向奔赴的意外。

最初设计Apple Silicon时，苹果追求的是统一架构、电脑能效比和跨端体验的一致性，并未考虑AI模型会成为行业主题。然而运行本地模型、隐私数据管控等需求在2025年逐渐凸显。

正是这两者的碰撞造就了今天Mac作为“本地AI工作站”的无法替代的价值。此外，macOS 26.2 Beta是纯软件更新，所有支持雷雳5的Mac机型都能受益。买Mac Studio的用户会发现设备价值倍增——这台当初为剪视频、做设计而买的工作站，现在也能运行万亿参数的大模型了。