OpenAI skupuje desetitisíce Maců. Apple se stal AI infrastrukturou

OpenAI podle reportu koupilo desetitisíce Mac mini a Mac Studio, aby na nich trénovalo AI agenty. Anthropic si totéž pronajímá přes AWS. Apple se z výrobce spotřební elektroniky nečekaně stává hráčem v AI infrastruktuře — a Mac Studio, které uběhne frontier model lokálně, dostává úplně nový smysl i pro české firmy.

Umělá inteligence se posledních pár let spojovala s jedním jménem — Nvidia. Kdo chtěl trénovat velké modely, kupoval grafické karty za desítky tisíc dolarů a stavěl z nich propojené superpočítače. Tento týden ale přišla zpráva, která do zaběhnutého příběhu vnáší nečekaný zvrat. Podle serveru The Information nakoupilo OpenAI desetitisíce běžných počítačů Mac mini a Mac Studio — tedy stejných strojů, jaké najdete v grafických studiích i na stolech domácích střihačů videa. A nekupuje je pro zaměstnance. Kupuje je jako trénovací infrastrukturu pro novou generaci AI agentů.

Není v tom samo. Konkurenční Anthropic podle reportu sahá po stejném hardwaru, jen jinou cestou — kapacitu Apple Silicon si pronajímá přes Amazon Web Services. Dva největší rivalové v oboru se tak nezávisle na sobě shodli, že pro určitý typ práce je stovka relativně levných Maců lepší volbou než jeden monstrózní GPU cluster. Pro Apple, který dlouho platil za firmu, jež generativní AI vlak zaspala, je to pikantní obrat: aniž by hnul prstem, stal se dodavatelem pro ty, kdo AI vlak řídí.

Trénink agentů nepotřebuje jeden superpočítač, ale tisíce nezávislých strojů

Aby dávalo smysl, proč OpenAI nakupuje spotřební počítače, je potřeba pochopit, co se v nich vlastně děje. Nejde o trénink jazykového modelu v klasickém slova smyslu — to se pořád odehrává na Nvidia clusterech. Jde o takzvané computer-use agenty: modely, které mají samy ovládat počítač, klikat myší, vyplňovat formuláře, procházet weby a dokončovat úkoly jako digitální zaměstnanec. Tyto agenty se učí metodou zpětnovazebního učení (reinforcement learning) — dostanou úkol, pokusí se ho splnit, jejich výsledek se ohodnotí a model se z toho poučí. A takových sezení je potřeba spustit tisíce najednou.

Představte si to jako výcvik nováčka, kterého necháte tisíckrát vyplnit stejný objednávkový formulář — pokaždé v trochu jiné situaci. Aby agent zvládl svět skutečných aplikací, musí ho vidět v celé jeho rozmanitosti: různá rozlišení obrazovky, pomalu se načítající stránky, vyskakovací okna, formuláře, které se chovají nečekaně. Každý takový pokus přitom potřebuje běžet v opravdovém prostředí — ve skutečném operačním systému se skutečným prohlížečem, ne v nějaké zjednodušené simulaci. A právě to je práce, kterou obří propojený superpočítač neumí odbavit lépe než hejno samostatných počítačů.

A přesně tady je pointa. Když potřebujete rozběhnout tisíce nezávislých virtuálních plocht, kde každá běží samostatný pokus agenta, nepotřebujete jednu obří propojenou mašinu — potřebujete šířku. Mnoho relativně skromných, ale plnohodnotných počítačů, z nichž každý zvládne udržet vlastní operační systém i s běžící aplikací. Úloha se dá pohodlně rozkrájet na tisíce dílků běžících paralelně. A pro tenhle scénář je běžný Mac ideální — je to hotový počítač s vlastním systémem, ne holá výpočetní karta.

Druhým důvodem je architektura čipů Apple. Zatímco běžný počítač s dedikovanou grafickou kartou musí data neustále přesouvat mezi operační pamětí a pamětí grafiky, Apple Silicon používá takzvanou sjednocenou paměť (unified memory). Procesor, grafický čip i neurální jádra čerpají ze stejného společného fondu paměti. Odpadá tím část režie s přesouváním dat — a právě pro agentní úlohy, kde v jednom stroji běží celý operační systém s aplikací, je to praktická výhoda. Mac tak nefunguje jako náhrada za GPU clustery, ale jako jejich chytrý doplněk pro specifický druh práce.

Appleu se otevřela příležitost proto, že agentní úlohy jdou rozdělit mezi tisíce relativně nezávislých strojů. To dělá z Maců užitečný doplněk ke GPU clusterům — ne jejich náhradu.

Apple je najednou „AI akcie"

Časování Applu vyšlo skoro dokonale. Firma 25. srpna osvěžila jak Mac mini, tak Mac Studio. Do Mac mini nasadila čip M6 — svůj vůbec první procesor vyráběný dvounanometrovým procesem — a Mac Studio dostalo varianty M5 Max a M5 Ultra. Nejvyšší konfigurace Mac Studia s čipem M5 Ultra se dodává až s 512 GB sjednocené paměti, což stačí na to, aby přímo na stole rozběhla i frontier modely, které by jinak potřebovaly cloud. Není divu, že se nejvýkonnější konfigurace začaly rychle vyprodávat.

Čísla to potvrzují. Tržby Applu z Maců vzrostly meziročně o 29 procent a jen za poslední kvartál dosáhly zhruba 10,4 miliardy dolarů. Investoři, kteří ještě před rokem řešili, jestli Apple v éře AI nezůstane pozadu, dnes na firmu koukají jako na nečekaného hráče v infrastruktuře. Vedle Nvidie, jejíž tržní hodnota se pohybuje kolem hranice pěti bilionů dolarů, je Apple pořád malý dodavatel výpočetního výkonu pro AI — ale je to dodavatel, s nímž nikdo nepočítal, a to trhu stačí, aby zpozorněl.

Zajímavé je, jak k téhle roli Apple přišel. Nesnažil se postavit vlastní datacentrum pro AI ani konkurovat Nvidii v grafických akcelerátorech. Jen léta poctivě vylepšoval čipy pro svoje notebooky a stolní počítače — a shodou okolností vznikla architektura, která se hodí přesně na typ úlohy, jaký teď obor potřebuje. Je to učebnicová ukázka toho, že v technologickém byznysu se hodnota často objeví tam, kde ji nikdo neplánoval. Apple neprodává AI. Prodává stroje, na kterých AI vzniká.

Nadšení má ale limit. AI laboratoře už dnes vysávají obrovské množství vysokorychlostní paměti a právě její nedostatek může Appleu příležitost přiškrtit — vyrobit dost strojů s velkou sjednocenou pamětí totiž znamená soupeřit o stejné čipy, po kterých sahá celý obor. Mac navíc nikdy nenahradí GPU cluster u trénování samotných základních modelů. Jeho role je specifická: paralelní armáda samostatných počítačů pro agentní práci. To je reálná, ale ohraničená nika.

Co to znamená pro váš byznys

Na první pohled je to zpráva pro miliardové laboratoře, ne pro českého podnikatele. Jenže logika, kterou OpenAI a Anthropic zrovna nahlas potvrdily, platí i o dvě řádové úrovně níž. Pokud vaše firma řeší, jak provozovat AI bez toho, aby posílala citlivá data do cizího cloudu a platila měsíční předplatné za každého uživatele, právě jste dostali silný argument: jeden dobře vybavený Mac Studio dnes uběhne slušný jazykový model přímo u vás v kanceláři. Pro účetní kanceláře, advokáty, zdravotnická zařízení nebo kohokoli, kdo pracuje s daty, která nesmí opustit budovu, je lokální AI na Apple Silicon reálná alternativa k cloudovým předplatným v řádu tisíců korun měsíčně na uživatele.

Spočítat se to dá jednoduše. Špičkové cloudové AI nástroje pro vývojáře či analytiky se dnes běžně pohybují kolem dvou set dolarů měsíčně na uživatele. Při týmu deseti lidí je to přes dvě stě tisíc korun ročně jen za licence — a to donekonečna. Jednorázová investice do výkonného Mac Studia se v takové úvaze vrátí řádově za rok a data přitom nikdy neopustí firmu. Neplatí to pro každý scénář; cloud pořád vede tam, kde potřebujete nejsilnější modely nebo špičkovou dostupnost. Ale pro rutinní práci s citlivými dokumenty se lokální varianta stává obhajitelnou volbou, ne technickým hobby nadšenců.

Druhé poučení je strategické a týká se každého, kdo staví byznys na AI. Trh výpočetního výkonu pro umělou inteligenci přestává být monokulturou s jediným dodavatelem. Když si dva největší hráči diverzifikují hardware a sahají po nečekaných řešeních, je to signál, že závislost na jediné technologii — ať už je to konkrétní čip, cloud, nebo model — je riziko, které se vyplatí řešit dřív než později. Pro Apple je to potvrzení, že v éře AI nejde jen o to mít nejlepší chatbota, ale i o to prodávat lopaty těm, kdo kopou zlato. A lopaty, jak víme z každé zlaté horečky, bývají nakonec ten nejjistější byznys.