O czym jest ten film
- Apple odświeżyło całą desktopową linię Maków, budując ją wokół lokalnej AI; sprzęt trafia do klientów od 22 września, a konfiguracja 512 GB dopiero pod koniec października.
- Nowa generacja M6 trafiła na sam dół oferty, podczas gdy mocniejsze Mini i Studio zostały na M5 Pro, M5 Max i M5 Ultra — zdaniem autora to sygnał pośpiechu i priorytetu pamięci nad porządkiem generacyjnym.
- Apple po raz pierwszy tak otwarcie sprzedaje Maca jako komputer, na którym „mieszka” agent AI — koniec cichego dokładania Neural Engine.
- Krytyka „matematyki pamięci” jest słuszna, ale odpowiada na inne pytanie niż to, które zadaje Apple: nie „czy zmieści się największy model”, tylko „czy modele lokalne wystarczą do większości realnej pracy”.
- Ekonomia zakupu: raz płacisz za komputer, potem tylko za prąd — bez licznika tokenów i bez nieprzewidywalnych rachunków za chmurę.
- Dwa trendy idą w przeciwnych kierunkach: agenty frontierowe konsumują coraz więcej mocy i przenoszą się do chmury, a jednocześnie użyteczna inteligencja tanieje i schodzi na lokalny sprzęt.
- Największą barierą nie jest już moc obliczeniowa, tylko brak wygodnego routingu i łatwej instalacji modeli lokalnych — a firmą najlepiej ustawioną do rozwiązania tego problemu jest Hugging Face, świeżo kupiony przez Nvidię.
- Chmura ma własną, mocną tezę: Grok bot i ChatGPT work dają trwały komputer w chmurze z przeglądarką, systemem plików, terminalem i zalogowanymi sesjami, działający po zamknięciu laptopa.
- Realne zagrożenie dla Apple to nie większe modele, lecz sytuacja, w której chmurowy agent staje się stałym domem plików, pamięci i sesji użytkownika — wtedy Mac zostaje tylko eleganckim terminalem.
- Prognoza autora: scenariusz „i to, i to” — inwestycje w lokalną moc plus dostęp do frontieru tam, gdzie naprawdę potrzebny; brakującym ogniwem jest routing między nimi.
Redakcyjne tłumaczenie
Premiera, która wygląda jak wyzwanie rzucone Nvidii
Apple właśnie odświeżyło całą desktopową linię Maków wokół lokalnej AI. Maszyny zaczęły trafiać do klientów 22 września, choć flagowa konfiguracja 512 GB pojawi się dopiero pod koniec października — bardzo w stylu Apple. Na pierwszy rzut oka wygląda to, jakby Apple rzucało wyzwanie Nvidii w obszarze mocy obliczeniowej dla AI.
Wiem, co pomyślisz: 512 GB i tak nie pomieści każdego ogromnego modelu frontierowego, który ktoś sobie wyobraża, że chce uruchomić. Centrum danych da agentowi znacznie więcej mocy, znacznie więcej kontekstu, więcej kopii samego siebie i nowszy model, który aktualizuje się nieustannie — w przeciwieństwie do komputera stojącego na twoim biurku. Filmy z „matematyką pamięci”, które widziałem, mają w tym absolutną rację.
Ale spójrz na dziwny szczegół tej premiery.
Dziwny szczegół: M6 na dole, M5 na górze
Apple umieściło nową generację M6 na samym dole desktopowej linii, podczas gdy mocniejsze Mini i Studio nadal działają na M5. Dlaczego tak zrobili? Co to mówi o AI i o tym, dokąd zdaniem Apple to wszystko zmierza? Nie ma tu M6 Pro. Nie pojawia się Max ani Ultra w tej generacji.
Myślę, że Apple wypuściło pamięć, z której ludzie mogą skorzystać już teraz — bo pamięci jest krytycznie mało — zamiast czekać, aż rodzina układów ułoży się tak schludnie, jak zwykle. Apple nie musi być właścicielem ruchomej granicy możliwości, żeby zarabiać, kiedy zapotrzebowanie na frontierowe zdolności jest tak pilne. Parametry układów należy czytać jako komunikat: „wszyscy desperacko potrzebują lokalnej mocy obliczeniowej, my ją dostarczymy, a ludzie sami wymyślą, jak posadzić na tym agentów”.
Musisz jako pojedyncza osoba zdecydować, w którą przyszłość wierzysz. Czy wierzysz w przyszłość chmurową, z frontierowymi agentami, którą będziesz wynajmować — wynajmiesz inteligencję, wynajmiesz pracę, a ostatecznie spora część twojej pamięci, plików i całej reszty zamieszka u laboratorium frontierowego? Czy raczej wierzysz w przyszłość, w której wiele dzieje się lokalnie: masz podrasowany komputer, własne GPU i własne modele lokalne, które robią mnóstwo roboty, a do laboratoriów frontierowych chodzisz wtedy, gdy naprawdę potrzebujesz inteligencji najwyższej próby?
To pytanie, przed którym stanie w ciągu najbliższych 90–120 dni wielu ludzi poważnie pracujących z AI. To prawdziwy zakład.
Jeśli jesteś tu nowy — nazywam się Nate B Jones. Spędziłem ostatnie 20 lat w branży technologicznej, a przez ostatnich kilka lat skupiam się na pomaganiu liderom w wykorzystywaniu AI w ich firmach. Mówię tu o nowościach z AI, o tym, dlaczego mają dla ciebie znaczenie i jak możesz ich użyć, żeby pewnie budować życie, jakiego chcesz. Dziś oznacza to ustalenie, którą inteligencję warto posiadać, a którą wynajmować.
Co dokładnie pokazało Apple
Nowy Mac mini dostępny jest z układem M6 albo M5 Pro. Apple nazywa go maszyną do uruchamiania modeli na urządzeniu i do „always-on desktop agentic computing”. Apple wreszcie nauczyło się mówić o agentach.
Wersja z M6 oferuje od 16 do 32 GB pamięci zunifikowanej, podczas gdy M5 Pro idzie mocniej: dochodzi do 64 GB i 307 GB/s przepustowości pamięci. Mac Studio pcha to jeszcze wyżej: M5 Max sięga 128 GB pamięci, a M5 Ultra — 512 GB i 1,2 TB/s przepustowości.
(Informacja dodatkowa: w układach Apple Silicon pamięć jest zunifikowana — ten sam pool obsługuje procesor i układ graficzny, więc rozmiar RAM bezpośrednio wyznacza, jak duży model zmieści się w pamięci.)
Apple twierdzi, że to wystarczy, by uruchamiać naprawdę duże modele językowe w całości na urządzeniu — bez licznika tokenów, bez kosztu za token, bez rachunków za chmurę. Tylko koszt prądu.
Maszyny zaczynają trafiać do sprzedaży 22 września, choć ten prawdziwy potwór, wersja 512 GB, przyjeżdża dopiero pod koniec października — bardzo typowe dla Apple. Rzecz w tym, że ten sprzęt pojawia się dokładnie w momencie, gdy najzdolniejsze agenty idą w przeciwnym kierunku: na trwałe komputery w chmurze.
Jest więc tu większa historia i większe pytanie: dlaczego Apple stawia swój największy zakład na lokalną AI właśnie teraz? Odpowiedź, jak sądzę, wyjaśnia, dlaczego Apple wyraźnie zmądrzało w kwestii AI i dlaczego ten rynek jest wystarczająco duży dla wielu zwycięzców. Jest dość duży, żeby wygrało Apple, żeby wygrał Jensen z Nvidią, a nawet żeby jednocześnie wygrało OpenAI. Nie znaczy to, że wszyscy wygrają w ten sam sposób — do tego zaraz dojdziemy.
Apple przestało być ciche w sprawie AI
Jedna rzecz rzuca się w oczy w całej tej premierze: Apple nie milczy już na temat AI. Nie dokłada po cichu Neural Engine z nadzieją, że nikt tego nie zauważy. Apple wprost sprzedaje Maca jako komputer, na którym może zamieszkać agent AI. To znacznie bardziej jawnie AI-natywne i AI-lokalne podejście niż kiedykolwiek wcześniej.
Od miesięcy powtarzam, że Apple może być firmą, która poważnie podejdzie do lokalnej AI, i ta premiera to prawdziwy zwrot. Potwierdza kierunek, o którym mówiłem — bo ludzie są głodni lokalnej mocy obliczeniowej, a Apple Silicon dobrze radzi sobie z AI. Firma, która przez większość boomu AI wyglądała na powolną i zostającą w tyle, ma teraz kompletną linię desktopów zbudowaną wokół założenia, że znacząca liczba ludzi zapłaci znaczące pieniądze, żeby posiadać inteligencję, z której korzysta.
Oczywista kontra: 512 GB to wciąż za mało
Najbardziej oczywisty zarzut jest taki: możesz wydać mnóstwo pieniędzy — tyle, co na małe auto — dostajesz 512 GB i to nadal nie pomieści każdego wielkiego modelu frontierowego, który chcielibyśmy uruchomić. Nawet gdyby miał otwarte wagi, a przecież nie wszystkie mają. Centrum danych da agentowi tyle mocy, ile potrzeba: cały kontekst, kopie samego siebie, aktualizacje, nowszy model odświeżany za każdym razem, gdy wychodzi kolejna wersja. Wszyscy, którzy robią te filmy o „matematyce pamięci” i ograniczeniach tego, co Apple wypuściło, mają rację.
Ale sądzę, że zadają inne pytanie niż to, które zadaje Apple, żeby wygrać.
Apple nie musi sprawić, by Mac na zawsze mieścił najpotężniejszy model we wszechświecie. Wystarczy, żeby modele lokalne były wystarczająco dobre dla ogromnej części pracy, którą ludzie faktycznie wykonują. I żeby dość klientów wolało zapłacić raz za komputer, a potem za prąd, niż płacić co miesiąc nieznaną kwotę za tokeny.
To dużo ciekawszy zakład, bo ustawia Apple naprzeciw dwóch trendów biegnących w przeciwnych kierunkach. Po pierwsze, agenty frontierowe konsumują coraz więcej mocy obliczeniowej i przenoszą się do chmury. Jednocześnie użyteczna inteligencja staje się mniejsza, tańsza i łatwiejsza do uruchomienia lokalnie, bo wciąż obserwujemy stałe zsuwanie się inteligencji w dół krzywej kosztów. Mądrzejsze tokeny nieustannie tanieją, i to bardzo szybko.
O tym rynku zdecyduje to, ile wartościowej pracy wyląduje po każdej stronie przepaści lokalnej mocy obliczeniowej — i kto ułatwi wykonywanie tej pracy.
Linia produktowa jako drabina
Zanim tam pójdziemy, spójrz na tę premierę jako na linię produktową. Nie zatrzymujmy się nadmiernie na gigantycznych liczbach pamięci.
Bazowy Mac mini z M6 to mała maszynka „zawsze włączona”. To ten sprzęt, którego stosy zaczniesz widzieć — obsługuje open claw, może stać na biurku, uruchamiać zwykłe aplikacje, utrzymywać skromny model lokalny w rodzaju Gemmy, trzymać agenta przy życiu. Twój Hermes może tam zamieszkać.
(Informacja dodatkowa: „open claw” to potoczne w tym środowisku określenie otwartego, samodzielnie hostowanego agenta działającego w tle; Gemma to rodzina lekkich, otwartych modeli Google przeznaczonych do uruchamiania lokalnie.)
Mini z M5 Pro podwaja górny pułap pamięci do 64 GB i niemal podwaja przepustowość. Innymi słowy: więcej pamięci roboczej i szybsze działanie. To „super claw”. Studio z M5 Max jest większe i znów podwaja pamięć. M5 Ultra oferuje 256 GB, a na samym szczycie podwaja to do 512 GB.
W całej ogłoszonej linii Apple daje kupującym drabinę: od zwykłego lokalnego asystenta aż po maszynę zdolną uruchomić lokalnie całkiem duży model w środowisku studyjnym, na długich kontekstach i z kilkoma modelami pracującymi jednocześnie. Znam ludzi, którzy są tym podekscytowani właśnie dlatego, że nie są już skazani na jeden model. Mogą mieć główny model do kodowania, osobnego agenta-recenzenta i open claw działające na tej samej maszynie. To teraz możliwe.
Mac Studio z M5 Max startuje od 2500 dolarów, a z M5 Ultra od 5500 — zanim kupujący dołoży droższe opcje pamięci i pamięci masowej. Wtedy robi się naprawdę drogo. Wchodzimy w rejony ceny samochodu. Apple nie wyceniło lokalnej AI tanio. I nie zrobiłoby tego — nigdy tego nie robią. Zawsze chronią marże i wyceniają w górę.
Co mówi układ generacji chipów
Wracając do tego dziwnego szczegółu: Apple zdecydowało się umieścić nową generację M6 na samym dole linii, podczas gdy mocne Mini i Studio pozostają na M5 — M5 Pro, M5 Max i M5 Ultra. Nie ma jeszcze M6 Pro, Max ani Ultra. To nie osłabia ich strategii. To mówi mi o pilności, jaką odczuwa Apple.
I jest jeszcze rzecz, o której Apple chciałoby wszystkim przypomnieć: to nie są tylko nagłówkowe liczby. To jest Mac. A to znaczy: system operacyjny, aplikacje, przeglądarka, całe doświadczenie zamkniętego ogrodu. To też Mac w tym sensie, że łączy się z iPhonem, iPadem, zegarkiem i resztą ekosystemu Apple — przypomnimy sobie o tym za kilka tygodni. Poczekaj tylko na odświeżenie telefonów.
Konkurencja: Nvidia DGX Spark
Apple nie jest tu samo. Każdy, kto zna się na modelach, wspomni ci o Nvidia DGX Spark. To także świetny, kompletny komputer, bardziej bezpośrednio zoptymalizowany pod osobę, która chce po prostu lokalnego urządzenia do developmentu AI — bo tylko do tego został zaprojektowany. Jest podłączony do ekosystemu CUDA, ma w środku data-centerowy stos Nvidii.
Tyle że większość ludzi nie chce kupować osobno urządzenia do AI i osobno komputera. Chcą, żeby komputer był maszyną do AI. I to właśnie jest zakład Apple. Apple może sprzedać pudełko, które wszyscy już rozumieją, z lokalną inferencją modeli językowych jako kolejnym mocnym powodem, by dokupić pamięć i wspiąć się wyżej w linii produktowej.
Bariera, która powstrzymuje ludzi przed uruchomieniem takich możliwości, jest po części techniczna, a po części obliczeniowa. Apple tą premierą rozwiązuje stronę obliczeniową, i to w jednostkach, które ludzie rozumieją od dekad. Mówi o gigabajtach — a to znaczy, że możesz wybrać klasę pracy, oszacować, ile agentów pociągniesz, i kupić maszynę, która ci pasuje.
Gdybyś zapytał mnie, co sam bym wziął: celuję w 128 GB. Wygląda na punkt, w którym mogę uruchomić dwóch–trzech agentów, mieć znaczącej wielkości model lokalny jako główny, a obok jeszcze dwa–trzy pomniejsze — i będzie dobrze. 512 GB dałbym radę wykorzystać, ale to sporo mięśni i czułbym, że powinienem stale maksymalizować wartość z takiej maszyny. A używam dość dużo agentów w chmurze, więc może bym tego nie robił. Każdy będzie inny, ale to przykład tego, jak ludzie będą myśleć o ekonomii tych zakupów.
Druga bariera: instalacja i routing
Jest jednak druga kwestia — techniczna konfiguracja — i tu Apple ma znak zapytania.
Jednym z wyzwań przy lokalnej mocy obliczeniowej i lokalnych modelach jest to, że nie istnieje dziś naprawdę bezszwowy sposób kierowania zapytania do właściwego modelu, obojętnie czy jest na twoim laptopie, czy w chmurze. Po prostu nie ma. I modele frontierowe nie mają w tej chwili żadnej motywacji, żeby to zbudować. Apple ma motywację, bo to sprzedaje więcej ich krzemu — ale Apple nie jest firmą modelową.
Ironicznie, firmą najlepiej ustawioną, żeby to zrobić, jest dziś Hugging Face — kupiony przez Jensena Huanga ledwie kilka dni po ogłoszeniu przez Apple nowej linii. Tak, te dwie rzeczy zbiegły się w czasie i nie sądzę, żeby to był przypadek. Jensen od dawna szuka sposobów, by wspierać ekosystem open source poprzez Nvidię. DGX Spark jest tego częścią, ale są nią też ich własne modele otwarte spod znaku Nemotron — a to dobre modele. Kupując Hugging Face, chcą ułatwiać rozwój open source. Hugging Face to miejsce, do którego ludzie z tymi wszystkimi Makami będą przychodzić po modele. Ironicznie więc to Hugging Face jest najlepiej ustawiony, by rozwiązać problem lokalnej instalacji za Apple.
To jedno z najciekawszych otwartych pytań: jak Hugging Face albo ktoś inny podejdzie do problemu modeli lokalnych.
Zakład chmurowy jest osobnym zakładem
Modele i moc lokalna to nie jedyny zakład na rynku. Ekonomia chmury jest zupełnie inna i chcę potraktować chmurę jako osobną tezę — bo chmura odpowiada dokładnie na niektóre ze słabości, o których mówimy.
Najprościej: chmura jest dla ludzi, którzy nie chcą myśleć o modelu. Chcą włączyć swoją aplikację i chcą, żeby po prostu działała, niezależnie od tego, jaki mają komputer. Zakład brzmi: większość ludzi będzie chciała używać najlepszego agenta, jaki jest dostępny. Będą lojalni wobec konkretnego laboratorium — OpenAI, Anthropic, xAI, kogokolwiek, kto zdobędzie tę relację. Będzie ich obchodzić wykonana praca, a nie komputer, który ją wykonał, ani nawet konkretny model. Liczy się, że zostało zrobione.
Twierdzę, że na tym rynku jest miejsce dla wielu zwycięzców. Moje przeczucie: jeśli nadal będzie stała przed nami znacząca bariera techniczna przy instalacji modeli lokalnych — jeśli nie dostaniemy prostego, „apple’owego” doświadczenia uruchamiania lokalnej mocy na laptopie — to mówimy o 5–10% rynku, które zainwestuje w Apple Silicon po to, by mieć modele lokalne, bo nie boi się technicznej złożoności. A jakieś 90% rynku powie: „cokolwiek dostanę od laboratorium, od OpenAI, od Anthropic, będzie wystarczająco dobre”.
Ale to nie znaczy, że Apple przegrywa. Mac wygenerował w ostatnim raportowanym kwartale Apple ponad 10 miliardów dolarów, a marża brutto na produktach wyniosła mniej więcej 40%. Apple nie musi wygrać globalnego wyścigu na budowę GPU, żeby powiększyć ten kawałek tortu. Wystarczy przyjemna, zyskowna mniejszość technicznych prosumentów, którzy uznają, że lokalna pamięć, prywatność, stały koszt i kontrola są warte zapłaty. Mnóstwo ludzi wyłoży na to pieniądze.
(Informacja dodatkowa: „prosument” to tu użytkownik zaawansowany — pracujący z AI zawodowo lub półzawodowo, gotów wydać poważne pieniądze na własne narzędzia, ale niebędący klientem korporacyjnym.)
Dlaczego laboratoria wierzą w coś innego
I tu robi się bardziej skomplikowanie, bo argument chmurowy jest czymś, co ta klasa prosumentów — my, superzapaleńcy — też musi potraktować poważnie. OpenAI i inne laboratoria najwyraźniej wierzą w coś bardzo innego na temat przyszłości komputerów osobistych.
Zakład chmurowy nie jest tylko grą o wygodę. To zakład mówiący, że inteligencja nie jest rozwiązana w sposób, który przed chwilą opisałem. Innymi słowy: tuż za rogiem czeka kolejny poziom możliwości agentów, zbyt użyteczny i zbyt kosztowny obliczeniowo, by go zignorować — tak że nawet ktoś z wypasioną lokalną maszyną i tak będzie chciał wynająć agenta na serwerze gdzieś w Dolinie, bo ten zrobi pracę, której twoja maszyna nie udźwignie.
(Informacja dodatkowa: autor nawiązuje do paradoksu Jevonsa — gdy dane zasoby stają się efektywniejsze i tańsze, łączne zużycie zwykle rośnie, zamiast spadać.)
Wczesny kształt tego produktu już widać. Grok bot daje użytkownikowi trwały komputer w chmurze — dosłownie w Dolinie. Ma przeglądarkę, system plików, terminal, logowania do aplikacji i trwałość, dzięki czemu pracuje dalej po zamknięciu laptopa. Kilka botów może korzystać z tego samego środowiska. Mam ich uruchomionych kilkadziesiąt i mogą przekazywać sobie pracę. Użytkownik może zalogować się do usług na komputerze w chmurze, a agent wraca później do tych sesji.
ChatGPT work też ma teraz własną przeglądarkę w chmurze. Może poprosić użytkownika o zalogowanie się przez bezpieczny formularz, zachować uwierzytelnioną sesję z tokenem, kontynuować pracę po zamknięciu telefonu czy laptopa i wrócić, gdy potrzebuje kolejnej decyzji. Model nie potrzebuje więc, żeby komputer użytkownika był włączony — bo komputer wykonujący pracę należy do xAI albo OpenAI.
To dużo bliżej przyszłości, w której wynajmujesz osobisty superkomputer, niż subskrypcji chatbota. Dlatego uważam, że laboratoria są bardzo optymistyczne co do swoich przychodów. Widzą nierozwiązaną przyszłość inteligencji, tak użytecznej, że — ich zdaniem — znacząca liczba ludzi z tej samej klasy prosumentów za nią zapłaci. A jeśli zapłacisz, jeśli to właśnie dostaniemy do jesieni, to laboratorium może zaktualizować model, dołożyć ci mocy, uruchomić dla ciebie więcej agentów równolegle, utrzymywać całe środowisko — bez wysyłania ci kolejnego urządzenia. To bardzo dużo wygody.
Jeśli następna generacja agentów okaże się zdolna obsługiwać setki narzędzi, utrzymywać przy życiu ogromny kontekst życiowy w dziesiątkach agentów, próbować 20–30 podejść naraz i pracować dniami czy tygodniami, to chmura ma przewagę, której żaden Mac mini nie zetrze.
Jest też przewaga w modelu biznesowym. Dostawca chmury może naliczać opłaty według licznika za wykorzystaną inteligencję. Jeśli agenty staną się warstwą pracy dla firmy albo osoby, to cykliczny rachunek powiązany z tą pracą może ostatecznie być znacznie większy niż marża na komputerze sprzedawanym raz na kilka lat.
Jensen i Nvidia, jak zwykle, korzystają w każdym scenariuszu. Zyskują na ewolucji paradygmatu obliczeniowego niezależnie od tego, skąd przyjdzie zwycięski agent: od OpenAI, xAI, Anthropic czy od kogoś, kogo jeszcze nie poznaliśmy. Dzięki przejęciu Hugging Face zyskują nawet wtedy, gdy nie używasz ich krzemu.
Prawdziwe ryzyko dla Apple
Trudne pytanie dla Apple nie brzmi tak naprawdę: czy modele urosną. Apple zawsze może się rozbudować i to zrobi. Zbudują lepszego Maca, większego Maca, lepszy układ, a modele z czasem będą tańsze i mądrzejsze w uruchamianiu.
Niebezpieczeństwo polega na tym, że chmurowy agent stanie się stałym domem dla plików użytkownika, jego pamięci, sesji przeglądarki — wszystkiego, co pomaga mu pracować. W tym momencie z twojego Maca zostaje doskonały terminal. Doskonałe okno na twojego agenta. A dostawca agenta wynajmuje ci całe codzienne doświadczenie pracy z komputerem. Apple tego nie chce. Apple nie chce, żebyś ty tego chciał. Apple chce, żeby zależało ci na posiadaniu własnej mocy obliczeniowej, własnej AI.
Pytanie, na które musisz odpowiedzieć sam
Szerszy wniosek jest taki, że ty jako osoba musisz zdecydować, w którą przyszłość wierzysz. Czy w chmurową, z frontierowymi agentami, gdzie wynajmujesz przyszłość, wynajmujesz inteligencję, wynajmujesz pracę, a ostatecznie spora część twojej pamięci i plików zamieszka u laboratorium? Czy w tę, gdzie wiele dzieje się lokalnie: masz podrasowany komputer, własne GPU, własne modele lokalne, które robią mnóstwo roboty, a do laboratoriów idziesz po inteligencję najwyższej próby?
To pytanie stanie przed wieloma poważnymi pracownikami AI w ciągu 90–120 dni. Odpowiedź zdecyduje o tym, jak wypadnie premiera Apple. Zdecyduje o tym, jak będziemy myśleć o kolejnych agentach OpenAI, o kolejnych agentach Claude’a od Anthropic, o nowej wersji Grok bota, kiedy się pojawi. To realne pytania, a wszyscy konkurują o klasę prosumentów, bo to tam zmierza AI. Ci ludzie wydają i inwestują w swoje kariery — zaliczam się do nich — inwestujemy we własną przyszłość i wszyscy chcą od nas wiedzieć: gdzie zainwestujemy? W lokalną AI? W te Maki?
Z tego, co widzę po rozmowach z wieloma osobami: w Maki popłynie sporo pieniędzy. Nie znalazłem ani jednej osoby, którą zaliczyłbym do klasy prosumentów, a która nie ślini się na te Maki. Wliczając siebie. To naprawdę fajne komputery, potrafią dużo. Uważam, że 80–90% naszej pracy intelektualnej będziemy w stanie wykonać lokalnie, a te Maki czynią to możliwym i łatwym — to jest dokładnie Apple wchodzące w wizję lokalnej mocy obliczeniowej, o której mówiłem wiosną. Cieszę się, że to robią.
Nie sądzę jednak, żebyśmy mogli zlekceważyć możliwość, że laboratoria wypuszczą coś nadzwyczaj użytecznego. Dlatego mój zakład brzmi: skończymy w scenariuszu „i to, i to”. Inwestujemy w lokalną moc obliczeniową, inwestujemy w możliwości laboratoriów frontierowych tam, gdzie ich potrzebujemy — i zostaje brakujący środek, na którym ktoś może zarobić mnóstwo pieniędzy: wymyślić, jak routować między jednym a drugim i jak ułatwić instalowanie wielu modeli lokalnie. Bo teraz to nie jest wystarczająco łatwe. Po prostu nie jest. I ironicznie, Jensen jest właścicielem firmy najlepiej ustawionej, żeby to zrobić. Nie jestem pewien, czy ma do tego motywację, ale kocha open source, więc może i tak to zrobi.
W tej przyszłości Nvidia może zgarniać całą drogą pracę na górze łańcucha, Apple sprzedaje kompletny komputer i pamięć, w której model wreszcie działa, a laboratoria dostają 10–20% pracy z najwyższej półki — po najwyższej cenie za najwyższej klasy model. Tam mogą zmierzać prosumenci. Sąd jeszcze nie wydał wyroku.
Będziemy patrzeć na takie rzeczy jak Open Router, żeby zobaczyć, gdzie ludzie wydają na tokeny. Coraz większa część Open Routera to zresztą tokeny open source, więc nie zdziwiłbym się, gdyby do grudnia 80% tokenów tam szło na modele o otwartych wagach — a to przyszłość, która mocno wspiera te Maki.
(Informacja dodatkowa: OpenRouter to serwis pośredniczący w dostępie do wielu modeli językowych; publikowane przez niego statystyki użycia bywają traktowane jako wskaźnik realnych preferencji deweloperów.)
Zobaczymy, jak będzie. Napiszcie mi w komentarzach: kupicie któregoś z tych Maków? Uważacie, że to się opłaca? Sądzicie, że doświadczenie instalacji modeli lokalnych da się uprościć? Macie pomysły, jak rozwiązać problem routingu zadań? To naprawdę trudny problem. Jak rozwiązać routing tak, żeby mieć jak najwięcej inteligencji na własnej maszynie, ale kierować do modeli frontierowych tam, gdzie to konieczne? To są realne pytania, a ekscytujące jest to, że odpowiedź wypracujemy wszyscy razem — pieniędzmi, które zdecydujemy się wydać albo nie wydać. Gdzie kładziecie swoje dolary? To moje pytanie do was.
Do zobaczenia następnym razem.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Wybierz stronę zakładu: posiadać czy wynajmować inteligencję
Na czym polega: Autor stawia sprawę jako świadomą decyzję osobistą — albo lokalny sprzęt z własnymi modelami i sięganie do frontieru tylko w razie potrzeby, albo pełne oparcie się na wynajmowanej inteligencji w chmurze, gdzie ostatecznie zamieszkają też twoje pliki i pamięć.
Jak stosować: Rozpisz sobie, jaka część twojej realnej pracy z AI wymaga modelu najwyższej klasy, a jaka to rutyna (podsumowania, kodowanie, przeszukiwanie własnych notatek). Autor szacuje, że 80–90% pracy intelektualnej da się zrobić lokalnie — sprawdź, czy u ciebie ten podział wygląda podobnie, zanim wydasz pieniądze.
Na co uważać: Nie traktuj tego jako wyboru „albo–albo” na zawsze. Sam autor obstawia scenariusz „i to, i to” i ostrzega, żeby nie lekceważyć możliwości, że laboratoria wypuszczą coś nadzwyczaj użytecznego.
2.Nie kupuj maksymalnej pamięci odruchowo — 128 GB to punkt rozsądku
Na czym polega: Autor, dobierając sprzęt dla siebie, wskazuje 128 GB jako próg, przy którym da się uruchomić jeden większy model jako główny agent plus dwa–trzy pomocnicze. 512 GB uznaje za nadmiar, którego wykorzystanie musiałby stale uzasadniać.
Jak stosować: Wybierz konfigurację od liczby jednocześnie działających agentów i wielkości modelu głównego, a nie od górnej półki cennika. Drabina wygląda tak: 16–32 GB (M6 mini) do lekkiego, zawsze włączonego asystenta, 64 GB (M5 Pro mini) do wygodniejszej pracy, 128 GB (M5 Max Studio) do wielu agentów naraz.
Na co uważać: Ceny startowe — 2500 dolarów za Studio z M5 Max i 5500 z M5 Ultra — to dopiero punkt wyjścia; opcje pamięci i dysku windują koszt w rejony ceny samochodu. Apple nigdy nie wycenia tanio i chroni marże.
3.Odróżnij pytanie „czy zmieści się największy model” od „czy wystarczy do mojej pracy”
Na czym polega: Krytycy liczący pamięć mają rację, że 512 GB nie pomieści każdego wielkiego modelu frontierowego. Ale Apple nie musi tego wygrywać — musi tylko, by modele lokalne były wystarczająco dobre dla dużej części realnej pracy.
Jak stosować: Oceniając zakup, testuj na własnych zadaniach z konkretnymi modelami otwartymi, zamiast porównywać specyfikacje z rozmiarami modeli frontierowych. Pytanie brzmi „czy to załatwia moją robotę”, nie „czy to dorównuje centrum danych”.
Na co uważać: Nie wszystkie duże modele mają otwarte wagi, więc część opcji jest niedostępna niezależnie od tego, ile pamięci kupisz. Centrum danych zawsze da więcej kontekstu, więcej kopii agenta i świeższy model.
4.Największą barierą nie jest już moc, tylko instalacja i routing
Na czym polega: Apple rozwiązało stronę obliczeniową w jednostkach, które wszyscy rozumieją — gigabajtach. Nierozwiązana została strona techniczna: nie ma dziś bezszwowego sposobu kierowania zapytania do właściwego modelu, lokalnego albo chmurowego.
Jak stosować: Zanim kupisz maszynę, sprawdź realnie, jak wygląda twój workflow instalacji i przełączania modeli. Jeśli routing jest ręczny, wliczaj w rachunek własny czas, nie tylko cenę sprzętu.
Na co uważać: Laboratoria frontierowe nie mają motywacji, żeby to zbudować. Apple ma motywację, ale nie jest firmą modelową. Nie zakładaj, że problem sam się rozwiąże w horyzoncie twojego zakupu.
5.Przejęcie Hugging Face przez Nvidię to sygnał, nie ciekawostka
Na czym polega: Hugging Face — miejsce, do którego posiadacze tych Maków będą chodzić po modele — został kupiony przez Jensena Huanga zaledwie kilka dni po ogłoszeniu linii Apple. Autor nie uważa tej zbieżności za przypadek i wskazuje Hugging Face jako podmiot najlepiej ustawiony do rozwiązania problemu lokalnej instalacji.
Jak stosować: Obserwuj, co Nvidia zrobi z dystrybucją modeli i narzędziami do lokalnego uruchamiania — to najbardziej prawdopodobne źródło uproszczenia, które zdecyduje o opłacalności lokalnego sprzętu.
Na co uważać: Autor sam zaznacza, że nie jest pewien, czy Jensen ma motywację, by ułatwiać życie użytkownikom krzemu Apple. Zakłada, że może to zrobić z sympatii do open source — a to słaba przesłanka do planowania własnych wydatków.
6.Trwały komputer w chmurze to inny produkt niż subskrypcja chatbota
Na czym polega: Grok bot daje trwały komputer w chmurze z przeglądarką, systemem plików, terminalem i zalogowanymi sesjami; kilka botów może dzielić to środowisko i przekazywać sobie pracę. ChatGPT work ma własną przeglądarkę w chmurze z zachowaną sesją uwierzytelnioną.
Jak stosować: Jeśli twoja praca ciągnie się dniami, wymaga zalogowanych sesji albo równoległego działania wielu agentów po zamknięciu laptopa, to jest to argument za chmurą, którego lokalna maszyna nie zastąpi.
Na co uważać: Przekazujesz wtedy laboratorium uwierzytelnione sesje i tokeny do swoich usług. To dokładnie ten scenariusz, w którym — jak ostrzega autor — chmurowy agent staje się stałym domem twoich plików i pamięci.
7.Ekonomia „raz sprzęt, potem prąd” kontra licznik tokenów
Na czym polega: Argument Apple to przewidywalny koszt: płacisz raz za komputer, potem tylko za elektryczność, bez licznika tokenów i rachunków za chmurę. Argument chmury to naliczanie według zużycia — które przy agentach jako warstwie pracy może dać dostawcy dużo większy przychód niż marża na sprzęcie raz na kilka lat.
Jak stosować: Zestaw swoje faktyczne miesięczne wydatki na tokeny z amortyzacją maszyny w horyzoncie 3–4 lat. Jeśli rachunek za tokeny jest stabilny i wysoki, sprzęt zaczyna mieć sens ekonomiczny, nie tylko ideologiczny.
Na co uważać: Zakup sprzętu zamraża twoje możliwości na moment zakupu, podczas gdy dostawca chmury aktualizuje model i dokłada mocy bez wysyłania ci nowego urządzenia. Oszczędność na tokenach może zostać zjedzona przez brak dostępu do lepszych agentów.
8.Prawdziwe ryzyko: Mac jako „doskonały terminal”
Na czym polega: Zagrożeniem dla Apple nie jest wzrost rozmiaru modeli — bo Apple zawsze zbuduje większą maszynę — lecz sytuacja, w której chmurowy agent stanie się stałym domem plików, pamięci i sesji użytkownika. Wtedy komputer jest już tylko oknem na cudzego agenta.
Jak stosować: Traktuj to jako ostrzeżenie o vendor lock-in dla siebie, nie tylko dla Apple. Świadomie decyduj, gdzie trzymasz kontekst swojej pracy — pliki, historię, pamięć długoterminową — bo to ta warstwa, a nie model, decyduje o kosztach zmiany dostawcy.
Na co uważać: Migracja tej warstwy jest tym trudniejsza, im dłużej odkładasz decyzję. Wygoda utrzymywanego za ciebie środowiska jest realna i właśnie dlatego działa jak pułapka.
9.Realny rozmiar rynku lokalnej AI: 5–10%, i to wystarczy
Na czym polega: Autor szacuje, że dopóki instalacja modeli lokalnych pozostaje technicznie trudna, w Apple Silicon zainwestuje 5–10% rynku, a około 90% uzna to, co daje laboratorium, za wystarczająco dobre. Mimo to Apple nie przegrywa: Mac dał ponad 10 miliardów dolarów w ostatnim raportowanym kwartale przy około 40% marży brutto na produktach.
Jak stosować: Jeśli planujesz produkt lub usługę wokół lokalnej AI, projektuj pod niszę technicznych prosumentów ceniących prywatność, stały koszt i kontrolę — nie pod rynek masowy.
Na co uważać: To szacunek autora, nie dane. Wielkość tej niszy zależy wprost od tego, czy ktoś rozwiąże problem łatwej instalacji — a wtedy liczby mogą wyglądać zupełnie inaczej.
10.Brakujący środek to realna okazja: routing między lokalnym a frontierem
Na czym polega: Autor wprost wskazuje, że w scenariuszu „i to, i to” zostaje niezagospodarowana warstwa pośrednia: mechanizm decydujący, które zadanie idzie do modelu lokalnego, a które do frontieru, plus łatwa instalacja wielu modeli na maszynie. Nazywa to miejscem, gdzie ktoś zarobi dużo pieniędzy.
Jak stosować: Jeśli budujesz narzędzia, to jest konkretna, zidentyfikowana luka. Jeśli tylko używasz AI — zacznij od prostej, ręcznej reguły: rutyna lokalnie, praca wymagająca najwyższej jakości do frontieru, i obserwuj, gdzie ta reguła zawodzi.
Na co uważać: Autor sam mówi, że to naprawdę trudny problem i nie ma jeszcze dobrego rozwiązania. Nie planuj zakupu sprzętu przy założeniu, że wygodny routing pojawi się szybko. Wskaźnikiem do śledzenia jest udział modeli o otwartych wagach w tokenach OpenRoutera — autor nie zdziwiłby się, gdyby do grudnia sięgnął 80%.