L’ondata degli agenti AI alimenta il successo dei Mac! Apple (AAPL.US) scende in campo per conquistare il budget per la potenza di calcolo AI, avanzando nel settore dell’infrastruttura AI

Secondo quanto riportato da Zhitong Caijing APP, mentre la strategia di crescita della multinazionale americana dell'elettronica di consumo Apple (AAPL.US) si orienta fortemente verso l’AI e i costosi iPhone pieghevoli, al momento della spedizione dei nuovi computer desktop negli Stati Uniti martedì scorso, i dirigenti della società hanno proposto ai grandi clienti aziendali una motivazione di vendita insolita e particolarmente allettante in termini di rapporto qualità-prezzo: acquistare questi computer ad alte prestazioni costa meno che noleggiare un grande data center per l’AI.

Secondo le informazioni disponibili, i Mac mini e Mac Studio di ultima generazione di Apple saranno in grado di gestire localmente alcuni carichi di lavoro complessi relativi a compiti di inferenza AI, con un prezzo fino a 20.000 dollari circa, entrando in competizione diretta con le GPU per workstation ad alte prestazioni di Nvidia (NVDA.US) e con i nuovi desktop lanciati da produttori americani di PC come Microsoft (MSFT.US), HP (HPQ.US) e Dell (DELL.US) che permettono di gestire attività AI in locale. Si prevede che questi nuovi dispositivi saranno protagonisti anche durante l’evento Windows di Microsoft previsto il mese prossimo a San Francisco.

L’arrivo degli agenti AI apre un nuovo mercato per i Mac, grazie alle richieste di calcolo locale necessarie per l’esecuzione continua di task. I workflow agentici rappresentati da OpenClaw eseguono ripetutamente chiamate di modelli, lettura di file, esecuzione di codice, operazioni su browser e validazione dei risultati, trasformando il computer da terminale in attesa delle azioni dell’utente in una piattaforma capace di lavorare senza sosta. Il successo planetario di Muse e Astra amplia ulteriormente gli scenari d’automazione di task complessi; secondo logiche ingegneristiche e di business, questo probabilmente aumenterà la domanda di dispositivi locali sempre attivi, efficienti dal punto di vista energetico e facili da implementare. I Mac di Apple, in particolare, possono gestire strumenti locali, trattamento di dati privati, inferenze su modelli open source e collaborare con modelli cloud.

Da notare, però, che un sistema desktop dominato dai Mac di Apple “costa meno” non significa che abbia anche la “potenza/capacità di calcolo equivalente a un intero data center AI GPU”. Dal punto di vista economico, l’approccio di riduzione dei costi di Apple si basa su un presupposto: che il sistema AI locale sia in grado di offrire qualità e velocità di risposta adatte ai task richiesti e che il risparmio sui servizi cloud, dovuto all’utilizzo continuativo, sia superiore a deprezzamento del dispositivo, costi energetici e di mantenimento.

I Mac stessi si affidano alle GPU integrate negli Apple Silicon per i calcoli sui modelli, vantando un vantaggio nella memoria unificata che permette a CPU e GPU di condividere una capiente pool di RAM, riducendo copie di dati e consentendo l’allocazione di pesi dei modelli e cache di chiavi e valori (KV Cache). La fase di decodifica dei modelli di grandi dimensioni, a bassa concorrenza e generazione parola per parola, è spesso limitata dalla banda della memoria, per cui “ampia memoria + alta banda + basso consumo” abbinate alla quantizzazione e alle ottimizzazioni software MLX consentono l’esecuzione economica di modelli adatti alla gestione locale. Questo si rivela particolarmente adatto ad assistenti di codice, gestione documenti e agenti interni utilizzati regolarmente da singoli o piccoli team.

La dichiarazione “quattro Mac in esecuzione di modelli da un trilione di parametri” citata dai dirigenti Apple dimostra che i modelli possono essere caricati ed effettuare inferenza, ma non garantisce che il throughput, la latenza e la concorrenza siano al livello delle cluster GPU/TPU cloud. La performance reale dipende da precisione della quantizzazione, numero di parametri effettivamenti attivati, lunghezza del contesto ed efficienza della comunicazione tra macchine; Thunderbolt RDMA può ridurre il costo di comunicazione, ma non trasforma diversi Mac in una singola, enorme GPU senza alcun collo di bottiglia comunicativo. Per attività di training su larga scala e servizi ad alta concorrenza, i data center AI GPU di Nvidia offrono invece acceleratori specializzati, memoria ad alta banda e cluster di rete ultraveloce.

Apple si lancia nella battaglia dei costi AI con i nuovi Mac, puntando a sfidare Microsoft e Nvidia

I Mac mini e Mac Studio aggiornati da Apple sono in grado di eseguire localmente complicati compiti di inferenza AI, con prezzi fino a 20.000 dollari, entrando in competizione diretta con Nvidia e produttori di PC che stanno lanciando nuovi desktop AI. Si prevede che questi dispositivi saranno il punto centrale dell’evento Windows di Microsoft a San Francisco il mese prossimo.

I nuovi Mac sono progettati per attività AI intense come la scrittura di codice o l’esecuzione di business workflow complessi, consentendo agli utenti di evitare di pagare tariffe “Token” ai leader dei servizi cloud come OpenAI o Anthropic: i Token sono le unità di base nel computing AI.

I dirigenti Apple condividono la speranza che l’esperienza maturata nel massimizzare performance ed efficienza energetica su dispositivi alimentati a batteria come iPhone possa aiutarli a guadagnare terreno nei mercati tradizionalmente dominati da Microsoft. Una sfida difficile: secondo gli ultimi dati del ricercatore IDC Linn Huang, la quota di mercato dei Mac desktop aziendali è intorno al 4,6%, mentre Windows domina con il 91,3%.

È risaputo che Steve Jobs, co-fondatore di Apple, aveva un atteggiamento ambivalente rispetto al mercato dei grandi sistemi enterprise, dove gli utenti finali non possono scegliere liberamente il proprio prodotto favorito. Ciononostante, Apple ora gode di una posizione di vantaggio nel segmento desktop AI anche grazie alla sua tradizionale attenzione al risparmio energetico e all’efficienza.

Quando nel 2020 Apple introdusse i primi chip Apple Silicon, integrò due classi di chip precedentemente separate nei PC - chip di calcolo e di memoria ad alte prestazioni - in un’architettura a memoria unificata proprietaria per migliorare la durata della batteria.

Questa integrazione inattesa tra CPU e memoria ha reso il Mac particolarmente adatto ai compiti AI; solo recentemente anche giganti come Nvidia si stanno avvicinando a questo tipo di soluzione. Con l’ascesa di strumenti open source come OpenClaw in mercati come la Cina, il Mac mini di Apple viene spesso esaurito rapidamente.

Pur essendo inizialmente rivolto ai creatori di contenuti video o musicali, negli ultimi due anni Apple ha già introdotto varie funzionalità AI innovative su Mac Studio, tra cui una tecnologia di interconnessione chip specifica, denominata Remote Direct Memory Access (RDMA) su interfaccia Thunderbolt.

Nella presentazione di questo mese, i dirigenti Apple hanno mostrato con stupore come sia possibile collegare quattro Mac Studio per far eseguire un super-modello AI da ben 10.000 miliardi di parametri, utile per trovare e correggere errori di codice grafico. Il numero di parametri definisce la complessità del modello. Di solito, un compito del genere richiede l’uso di un data center, ma qui la potenza di un’unica presa di corrente a muro è sufficiente per alimentarli tutti.

“Una volta che questa macchina è sulla tua scrivania, l’hai già pagata. Credo che il valore che offriamo sia eccellente, sia in termini di prestazioni che di costo,” ha dichiarato il Chief Hardware Officer di Apple, Johny Srouji. “Non c’è bisogno di pagare per token. Devi solo utilizzare questa macchina, più e più volte.”

Anche Microsoft sta competendo con Apple per questo nuovo e vasto mercato incrementale, e il CEO Satya Nadella ha definito il carico di lavoro AI lato dispositivo come “intelligenza non basata sulla tariffazione effettiva dei token”. Nadella ha inoltre annunciato l’intenzione di integrare molte funzioni AI in una “super app” per Windows.

Tuttavia, il ruolo storico di Microsoft nel settore enterprise significa che l’azienda deve supportare hardware proveniente da molti grandi produttori, il che può spingere gli sviluppatori Windows interessati a sfruttare pienamente specifici chip a lavorare di più. In altre parole, la posizione dominante di Microsoft nel mercato enterprise implica la compatibilità di Windows con hardware di tanti produttori diversi: per sfruttare a fondo le prestazioni di un chip, gli sviluppatori devono spesso impegnarsi in ulteriori adattamenti e ottimizzazioni.

Un programma AI, ad esempio, deve essere ottimizzato per CPU, GPU o processori NPU di diversi produttori, adattandosi a ciascuna architettura, driver, interfaccia di calcolo e sistema di gestione della memoria. L’ecosistema hardware di Windows, vastissimo, garantisce compatibilità ma alza la complessità in fatto di ottimizzazione prestazionale; Apple può invece progettare in modo unitario chip, sistema operativo e strumenti di sviluppo, facilitando le ottimizzazioni di sistema cooperativo.

In risposta alle richieste di commento, Microsoft ha dichiarato di collaborare costantemente con i partner hardware per facilitare i carichi di lavoro AI su Windows tramite ML Tools e di investire attivamente in funzionalità come RDMA. Nvidia non ha commentato, ma durante la presentazione estiva delle nuove CPU per PC, il CEO Jensen Huang ha ridimensionato l’idea di una competizione diretta con Apple, sottolineando che Nvidia si concentra su ciò che Windows può ottenere con i PC.

La posizione dominante di Nvidia resta quella dei data center AI su larga scala. Srouji ha affermato che Apple sta collaborando con le aziende per proporre un nuovo concetto: i modelli AI eseguiti localmente su dispositivi Apple possono scalare fino al potente Mac Studio, ma anche essere ridistribuiti sui più economici iPhone e iPad, tutti basati sullo stesso design e filosofia di chip.

“Puoi sempre alimentare un data center con grandi quantità di corrente,” ha detto Srouji in un’intervista. “Ma noi vogliamo offrire una gamma di prodotti che permetta ai clienti di scegliere in base alle proprie esigenze: di quale computer, di quale prodotto ho davvero bisogno?”

Con l’arrivo degli agenti AI sulla scrivania, la serie Mac si prepara a un boom di domanda per la potenza di calcolo! Lo spazio di crescita dell’AI per Apple si estende verso l’esterno

I dirigenti Apple sperano chiaramente che una parte della spesa in infrastrutture AI cloud delle aziende globali—spesa prevista da Wall Street in oltre 3 trilioni di dollari entro il 2030—possa essere convertita in budget per l’acquisto di dispositivi di calcolo propri Apple: per i carichi di lavoro ad alta frequenza e modelli gestibili localmente, le imprese possono distribuire prezzi di acquisto, energia e manutenzione su una vasta quantità di task, migliorando la prevedibilità del costo nel lungo termine. In parallelo al recente aumento delle azioni di produttori di macchinari per semiconduttori come ASML (ASML.US), che beneficiano dell’espansione della capacità produttiva trainata dai chip AI, Apple punta a intercettare budget di acquisto di nuove macchine scatenato dall’incremento di domanda calcolata lato aziende, estendendo così la filiera AI dalla produzione di chip alle scrivanie d’ufficio.

Come evidenziato sopra, gli agenti AI aprono per i Mac nuove opportunità grazie alla capacità di compiere task costanti in locale. Il vantaggio tecnico di Apple si concentra in memoria unificata, ampia memoria, efficienza energetica e ottimizzazione hardware-software. Nella generazione sequenziale dei modelli AI di grandi dimensioni, la banda della memoria necessaria per leggere i pesi è fondamentale; contesti lunghi e task concorrenti richiedono ancora più memoria per la cache delle chiavi e valori. La memoria unificata consente a CPU e GPU di condividere la RAM, riducendo la copia dei dati, così che più workload locali operino in modo efficiente.

Dal punto di vista degli investimenti, l’opportunità più immediata per Apple sta nella crescita delle vendite dei Mac, nell’aumento della percentuale di configurazioni ad alta memoria e nella penetrazione tra i clienti enterprise. Gli strumenti leggeri e gli agenti residenti possono aumentare l’utilizzo di Mac mini, mentre modelli locali più grandi, workflow paralleli e cluster di piccole dimensioni potrebbero rafforzare la domanda di Mac Studio e prodotti avanzati.

Quando i desktop e altri dispositivi locali potranno assumere compiti economicamente significativi, il criterio di scelta degli utenti virerà su quanto tempo di lavoro viene risparmiato, su quante attività vengono completate e su quanto si riduce la dipendenza da risorse esterne. Nel frattempo, Apple già fornisce supporto per modelli cloud Apple Intelligence tramite una propria struttura privata con chip personalizzati, offrendo possibilità di ottimizzazione di costi, latenza e gestione dati per i servizi in collaborazione tra locale e cloud.

I server AI destinati alle aziende rappresentano invece una possibile direttrice di crescita di lungo termine per Apple. Il 16 settembre The Information, citando fonti interne, ha riportato che Apple starebbe esplorando server AI di inferenza aziendale basati su chip M8 Ultra, potenzialmente combinando la tecnologia Nvidia NVLink Fusion, con una tempistica prevista intorno al 2029, sebbene i piani non siano ancora confermati dall’azienda. Se questa strada verrà imboccata, Apple avrà la possibilità di estendere i suoi vantaggi di integrazione tra chip, memoria, tool software e design dell’hardware fino a una scala superiore per il deployment aziendale. Il vantaggio commerciale: una volta che gli agenti operano in modo continuativo, i clienti aziendali valutano sempre di più il costo totale per task, consumo elettrico e facilità di implementazione—tutti punti che potrebbero diventare pilastri competitivi per Apple. La domanda attuale di Mac e l’esplorazione server di lungo periodo creano così una logica di crescita interconnessa.