ผู้บริหาร Apple Silicon พูดถึงความต้องการ Mac mini สำหรับ AI และอนาคตแบบออนดีไวซ์

 (macrumors.com)
1 คะแนน โดย GN⁺ 4 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • เมื่อความต้องการอุปกรณ์แยกต่างหากสำหรับรัน AI agent เป็นเวลานานเพิ่มขึ้น Mac mini และ Mac Studio จึงได้รับความสนใจในฐานะเดสก์ท็อปสำหรับนักพัฒนา
  • งานแบบ agent ต้องการระบบที่แยกจากเครื่องหลัก อยู่ภายใต้การควบคุมของผู้ใช้โดยตรง และสามารถ รันได้ตลอด 24 ชั่วโมง 7 วันต่อสัปดาห์
  • มีเครื่องมือ AI จำนวนมากที่เป็นแบบ Mac-first หรือ Mac-only และเมื่อ Mac กลายเป็นสิ่งที่พบได้ทั่วไปในหมู่นักพัฒนาของห้องแล็บ AI แนวหน้า สถานะของระบบนิเวศ Mac ก็แข็งแกร่งขึ้น
  • Brooks มอง AI แบบ agent ไม่ใช่แค่ ปัญหาเรื่อง GPU แต่เป็นปัญหาการออกแบบชิปทั้งระบบที่ต้องจัดการทั้งการรัน LLM, การเรียกใช้เครื่องมือ และการประมวลผลเวิร์กโฟลว์ร่วมกัน
  • Apple เชื่อมโยง AI บนอุปกรณ์กับ ความเป็นส่วนตัว·ความปลอดภัย·ต้นทุนการอนุมาน และคาดว่าจะเป็นการรันแบบไฮบริดที่อุปกรณ์กับคลาวด์แบ่งบทบาทกัน

ความต้องการ AI agent ที่หลั่งไหลมายัง Mac mini และ Mac Studio

  • Doug Brooks ผู้จัดการผลิตภัณฑ์อาวุโสของ Apple Silicon กล่าวถึงกลยุทธ์ชิปของ Apple และความต้องการด้าน AI ในการสัมภาษณ์กับ The Deep View ก่อนหน้า WWDC 2026
  • Apple เห็น “ความต้องการที่น่าทึ่ง” สำหรับ Mac mini และ Mac Studio
  • สำหรับเวิร์กโหลดแบบ agent เงื่อนไขต่อไปนี้มีความสำคัญ
    • ระบบที่ผู้ใช้สามารถควบคุมได้โดยตรง
    • สภาพแวดล้อมที่แยกออกจากกัน จากเครื่องที่ใช้งานหลัก
    • อุปกรณ์ที่สามารถรันได้ตลอด 24 ชั่วโมง ทุกวันในสัปดาห์
  • Brooks ประเมินว่าในเงื่อนไขเช่นนี้ Mac mini เป็น “ระบบที่ยอดเยี่ยมมาก”
  • เครื่องมือ AI จำนวนมากให้บริการแบบ Mac-first หรือ Mac-only และ Mac ยังถูกกล่าวถึงว่าเป็นสภาพแวดล้อมที่ใช้กันอย่างแพร่หลายในห้องแล็บ AI แนวหน้า

AI บนอุปกรณ์ที่ Apple Silicon มุ่งเป้า

  • Brooks ไม่ได้มอง AI แบบ agent เป็นเพียง งานที่เน้น GPU เท่านั้น
    • การให้ GPU จัดการการรัน LLM เพียงอย่างเดียวยังไม่เพียงพอ
    • ส่วนต่าง ๆ หลายส่วนของชิปมีส่วนเกี่ยวข้องกับการเรียกใช้เครื่องมือและงานรอบ ๆ เวิร์กโฟลว์ด้วย
    • โครงสร้างนี้สอดคล้องกับจุดแข็งของ Apple Silicon
  • จุดแข็งด้าน AI ของ Apple เชื่อมโยงกับการตัดสินใจออกแบบชิปตั้งแต่ก่อนที่ LLM อย่าง ChatGPT จะปรากฏขึ้น
    • Neural Engine ถูกออกแบบมาเพื่อการคำนวณเมทริกซ์ที่ประหยัดพลังงาน
    • ตัวเร่งเครือข่ายประสาทภายใน CPU ที่ไม่ค่อยเป็นที่รู้จัก จัดการงานที่อ่อนไหวต่อเวลา เช่น เสียงพูด
    • ช่วงหลัง Apple ยังเพิ่มตัวเร่งเครือข่ายประสาทลงใน GPU เพื่อขยายประสิทธิภาพ AI ตั้งแต่ชิประดับ iPhone ไปจนถึงซิลิคอนขนาดใหญ่ของ Mac
  • Apple ยังคงใช้แนวทางการสร้างชิปให้เหมาะกับเครื่องเฉพาะรุ่น และพัฒนา ฮาร์ดแวร์กับซอฟต์แวร์ ไปพร้อมกัน
  • การรัน AI มีแนวโน้มย้ายบางส่วนจากคลาวด์มายังเครื่องในเครื่อง และ Brooks ระบุปัจจัยเบื้องหลังว่าเป็นความเป็นส่วนตัว ความปลอดภัย และ ต้นทุนการอนุมานที่สูงขึ้น จากการใช้โทเค็นของ agent ที่เพิ่มขึ้น
  • การรัน AI ในอนาคตน่าจะใกล้เคียงกับ รูปแบบไฮบริด มากกว่าการย้ายมาโลคัลทั้งหมด โดย agent จะตัดสินใจว่างานใดควรประมวลผลบนอุปกรณ์ และงานใดควรส่งไปยังคลาวด์
  • บน iPhone และ iPad มีการเน้น “AI ที่โปร่งใส”
    • หมายถึงฟีเจอร์ที่ทำงานอย่างเงียบ ๆ ในหลายส่วนของระบบปฏิบัติการและแอปจากภายนอก โดยไม่ชูให้เห็นชัดว่าเป็น AI
    • Draw Things เครื่องมือสร้างภาพที่ทำงานบน iPhone, iPad และ Mac ถูกยกเป็นตัวอย่าง
    • SwingVision ซึ่งวิเคราะห์การแข่งขันเทนนิสและพิกเคิลบอลแบบเรียลไทม์ด้วยกล้อง iPhone ก็รวมอยู่ในตัวอย่างเช่นกัน
  • Brooks อธิบายความเร็วของการพัฒนา AI ในปัจจุบันว่า “บ้าคลั่งมาก” และกล่าวว่าแม้แต่ 1 ปีข้างหน้า ก็ยังไม่ต้องพูดถึง 3 เดือนหรือ 1 เดือนข้างหน้า ล้วนคาดการณ์ได้ยาก

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 4 시간 전
ความคิดเห็นบน Hacker News

  • จนถึงตอนนี้ Apple แทบยังไม่ได้ปล่อยประสบการณ์ AI ที่น่าสนใจออกมาเลย แต่ก็ยังคิดว่ามีโอกาสสูงที่ในอีก 5 ปีข้างหน้า Apple จะกลายเป็น ผู้ให้บริการ AI รายหลัก
    ถ้ามีความก้าวหน้าเพิ่มอีกแค่หนึ่งหรือสองครั้งในด้านชิปหรือโมเดล หรือทั้งสองอย่าง อุปกรณ์ Apple ระดับกลางก็น่าจะรัน โมเดลโลคัล ที่ค่อนข้างดีได้ฟรีแล้ว และเมื่อถึงตอนนั้น การผสมผสานระหว่างความเป็นส่วนตัว·ต้นทุน·เวลาแฝง น่าจะเป็นสิ่งที่ OpenAI/Anthropic/Google เอาชนะได้ยาก
    จดไว้เพื่อให้ในอีก 5 ปีจะได้ถูกชม หรือไม่ก็ถูกล้อ

    • ผมกลับชอบที่ Apple ไม่ได้เปลี่ยนธุรกิจทั้งหมดให้เป็น ศูนย์กลาง AI
      ตอนนี้เริ่มเหนื่อยนิด ๆ แล้ว ในงานต้องใช้เพราะความจำเป็นเชิงปฏิบัติ เลยทำให้ส่วนที่น่าสนใจและสนุกถูกลดทอนลงไป และถ้าใช้นอกงานมากขนาดนั้นก็คงจะเป็นแบบเดียวกัน
    • มีเหตุผลใหญ่สองข้อที่ การอนุมานแบบโลคัล จะสู้กับคลาวด์ได้ยากไปอีกระยะหนึ่ง
      ข้อแรก งาน LLM ที่มีประโยชน์ส่วนใหญ่ประมวลผลแบบขนานได้ Mac Mini รันเธรดอนุมาน LLM ได้ทีละเธรด แต่คลาวด์สามารถเปิดได้หลายสิบเธรดและจัด batch processing ได้อย่างมีประสิทธิภาพทั่วทั้งกองฮาร์ดแวร์
      ข้อสอง ฮาร์ดแวร์อนุมานที่เร็วกว่าอย่าง Cerebras หรือ Groq ไม่สามารถรันแบบโลคัลได้ ข้อได้เปรียบที่มีปริมาณประมวลผลโทเค็นต่อเธรดมากกว่า 5 เท่าขึ้นไปนั้นประเมินต่ำได้ยาก และเมื่อรวมกับข้อได้เปรียบของหลายเธรดแล้ว ก็กลายเป็นหมัดเด็ดต่อ LLM แบบโลคัล
      การอนุมานแบบโลคัลก็มีบทบาทอยู่ ถ้าจัดการงานที่ละเอียดอ่อนสุด ๆ หรืออยากใช้โมเดลที่ไม่ถูกเซ็นเซอร์เพื่อคุยเรื่องทางเพศหรือสร้างภาพ NSFW โลคัลก็เป็นทางเลือกเดียว Apple และบริษัทอื่น ๆ ก็น่าจะยังคงรันงานที่มีประโยชน์จำนวนมากแบบโลคัลต่อไป เช่น ข้อเสนอแนะการแก้ไขประโยค การรู้จำเสียง การสังเคราะห์เสียง และการปรับแต่งภาพ และเมื่อฮาร์ดแวร์โลคัลดีขึ้น ฟีเจอร์เหล่านี้ก็จะดีขึ้นด้วย
      แต่สำหรับงาน LLM ส่วนใหญ่ คลาวด์น่าจะเหนือกว่าไปอีกนานมาก หรืออาจจะตลอดไป
    • การผสาน แมชชีนเลิร์นนิง แบบแนบเนียนในแอป Photos นั้นถือว่าโอเค มีทั้งการระบุชนิดพืช การรู้จำใบหน้า การลบพื้นหลัง การค้นหาข้อความด้วย OCR ไปจนถึงการค้นหาลายมือ ก็ทำมาได้ดี
    • ก่อนจะไปถึงโลกที่ทุกอย่างเป็นโลคัลทั้งหมดหรือออนไลน์ทั้งหมด ผมคิดว่า ไฮบริด จะมาก่อน
      เช่น ให้โมเดลโลคัลรับหน้าที่ควบคุมหรือมอบหมายงานบนคอมพิวเตอร์ ส่วนงานที่ต้องใช้การอนุมาน·การวางแผน·การเข้าถึงความรู้ที่แข็งแรง ให้โมเดลออนไลน์รับหน้าที่ ถ้าผมคิดผิดก็คงดีใจ แต่ผมคิดว่าโมเดลกำลังโตเร็วกว่า hardware
    • เมื่อเดือนเมษายน 2023 ผมเคยเขียนว่า “เราทุกคนควรซื้อ Mac Studio สเปกจัดเต็ม, RAM 128GB, CPU 20 คอร์, GPU และ Neural core จำนวนมาก”
      เราทั้งสายไปและเร็วไปพร้อมกัน
      https://news.ycombinator.com/item?id=35527692

  • ถ้า Apple ออกแบบ Private Cloud Compute ให้เป็นสถานที่รันเฉพาะตัวของแต่ละคน ก็น่าจะขายเครื่องที่เริ่มต้นที่ 10,000 ดอลลาร์ได้
    สุดท้ายคงต้องมีเส้นทางลงมาเป็นรุ่น 2,500 ดอลลาร์ แต่ niche แบบนี้ดูเหมือนแบรนด์ผู้บริโภคเจ้าอื่นนอกจาก Apple จะทำได้ยาก
    [1] https://security.apple.com/blog/private-cloud-compute/

    • รุ่น M3 Ultra Mac Studio ที่ขายหมดแล้วและมีแบนด์วิดท์หน่วยความจำ 800GB/s ขึ้นไป กำลังซื้อขายกันบน eBay ที่ 24,000 ดอลลาร์ ดังนั้นเป็นไปได้สบาย ๆ
    • ตอนที่ iCloud Drive กำลังพัฒนาอยู่ เคยขอ Apple ผ่านพนักงานขายที่มาแนะนำแอปการแพทย์ภายในบน iPad ให้บริษัทว่าอยากให้ทำอะไรแบบนี้สำหรับ iCloud
      ถ้าเป็น Mac Pro แบบติดตั้งใน rack ที่ให้อุปกรณ์ “managed” ชี้ไปหาได้ ผมคงจ่าย 50,000 ดอลลาร์ได้ง่าย ๆ แต่ Apple ไม่เข้าใจความต้องการนั้นเลย
    • เมื่อก่อนทุกครั้งที่ Mac รุ่นใหม่ออกมา ผมกับเพื่อนร่วมงานมักจะลองจัดสเปกที่แพงที่สุดกัน
      ช่วงหนึ่งมันขึ้นไปถึง เงินดอลลาร์หกหลัก ได้ง่าย ๆ แต่เมื่อเวลาผ่านไปก็ค่อย ๆ ลดลง
    • Apple ค่อนข้างเป็นปฏิปักษ์กับ ผู้ใช้มืออาชีพ ดังนั้นผมคิดว่าไม่ใช่
    • นั่นใกล้เคียงกับตลาดองค์กรกว่า ในการใช้งานคอมพิวเตอร์ส่วนบุคคล นึกกรณีใช้งานที่จะทำให้ เครื่องราคา 10,000 ดอลลาร์ สมเหตุสมผลได้ยาก

  • ถ้าแค่ต้องการใช้ซอฟต์แวร์อย่าง Claude Code หรือ openclaw ผ่าน LLM API หรือ subscription เท่านั้น ไม่ได้รันโมเดลโลคัล และต้องการแค่เวิร์กโฟลว์ “สมองที่สอง” ที่เข้าถึงไฟล์ซิสเต็มโลคัลและเปิดอยู่ตลอดเวลา ก็ไม่ค่อยแน่ใจว่าจำเป็นต้องใช้ Mac mini ไหม
    ดูเหมือนจะรันบน Raspberry Pi หรือแล็ปท็อปเก่าได้ เลยสงสัยว่ามีใครเคยลองจริงไหม

    • ไม่ค่อยเข้าใจกระแส Mac mini เท่าไร
      คิดว่าน่าจะเป็นหนึ่งในสองอย่างนี้ 1) ได้ยินว่า “Mac เหมาะกับ AI” เลยซื้อมา แต่การอนุมานจริง ๆ กลับใช้ Claude และไม่รู้ว่าถ้าเชื่อมต่ออินเทอร์เน็ตได้ แม้แต่ไดร์เป่าผมก็เรียก Anthropic API ได้ 2) ต้องการให้ agent มี ฟองแชตสีน้ำเงินของ iMessage
      เชื่อยากว่าคนทั่วไปทำการอนุมานบนอุปกรณ์กันมากจน Mac Mini ขาดตลาด และต่อให้เป็นแบบนั้นจริง Mac mini ก็ไม่ใช่แพลตฟอร์มที่ดีมากสำหรับงานนั้น
    • ถ้าใช้แค่งานนั้น ก็ไม่จำเป็นต้องมี Mac Mini แต่ราคามันค่อนข้างต่ำและคุณภาพดี
      คนที่ซื้ออาจไม่ได้ใช้ประสิทธิภาพจนเต็ม แต่พวกเขามักให้ความสำคัญกับความสะดวกมากกว่าของที่ถูกที่สุดเท่าที่เป็นไปได้
      ถ้าคิดว่าจะใช้ไปนานและใช้ทำงานอื่นด้วย ก็พอให้เหตุผลได้ระดับหนึ่ง
    • เพราะบน Mac mini ส่งข้อความผ่าน iMessage ได้ แค่นั้นแหละ
    • ใช่ งานอย่างการเปิดเบราว์เซอร์มี performance เผื่อไว้นิดหน่อยก็ช่วยได้ แต่ถ้าอยากประหยัดเงินหน่อย เครื่อง refurb หรือ มินิพีซี อย่าง Minisforum, GMKTec ก็ใช้ได้ดีพอแล้ว
      หน่วยความจำควรอย่างน้อย 16GB และถ้าเป็นไปได้ 32GB จะดี
    • ถ้าใช้แค่ openclaw กับ API ก็ไม่จำเป็นต้องมี PC เครื่องใหญ่
      ผมรันของเบา ๆ บน RPI4 8GB อยู่ หลายคนรัน LLM แบบโลคัล ซึ่งตอนนั้น Mac จะมีประโยชน์ จริง ๆ แล้วผมคิดว่าความคุ้มค่าของ OpenRouter subscription กับการเรียก API นั้นเอาชนะได้ยาก

  • ถ้ามีทุน อยากทำ อุปกรณ์อนุมานสำหรับใช้ในบ้าน
    ไม่มีอุปกรณ์ต่อพ่วงอื่นนอกจาก Ethernet โครงสร้างมีแค่หน่วยประมวลผลรวม CPU+GPU+หน่วยความจำ, อุปกรณ์จัดเก็บข้อมูลเสริม, เมนบอร์ด และแหล่งจ่ายไฟเท่านั้น คือมีเฉพาะฮาร์ดแวร์ขั้นต่ำที่จำเป็นสำหรับรันโมเดลเหมือนเป็นยูทิลิตี โดยไม่มีของตกแต่ง
    แผงหน้าก็น่าจะดีถ้าเป็นจอแสดงสถานะเหมือนเครื่องเสียง Hi-Fi สเตอริโอสมัยก่อน
    ถ้าจะเพิ่มเติม คิดไว้เป็นรูปแบบคล้ายซีรีส์โมดูลที่ประกอบด้วย RISC-V CPU + Vortex GPGPU + หน่วยความจำ

    • หน้าหนาวคงใช้ทำให้บ้านอุ่นได้ ส่วนหน้าร้อนก็อุ่นสระว่ายน้ำได้
    • ฟังดูเหมือน Mac mini/Studio ที่แค่เปลี่ยนรูปลักษณ์ภายนอกนิดหน่อย
    • สิ่งที่ George Hotz ทำที่ tiny ไม่ใช่อันนี้เหรอ? https://tinycorp.myshopify.com/
    • ในบรรดาของที่มีอยู่ตอนนี้ สิ่งที่ใกล้เคียงที่สุดน่าจะเป็น LLM ASIC ที่ Taalas ออกแบบ
      https://taalas.com/products/
      น่าเสียดายที่แชตบอตของบริษัทนั้นเร็วอย่างน่าทึ่ง แต่กลับไม่รู้อะไรเลยเกี่ยวกับบริษัทที่ดำเนินการมัน
      ไม่ว่าอย่างไร ถ้าเป็น ASIC สำหรับรันโมเดลภาษาแบบ diffusion ในเครื่องก็น่าจะไม่แย่ ต่อให้วันหนึ่งมันล้าสมัย ก็ยังดีกว่าฝากทุกอย่างไว้กับบริษัทที่ดำเนินงานด้วยเงิน VC แล้วหายไปในอนาคต หรือแย่กว่านั้นคือครองตลาดแล้วคิดค่าบริการเท่าที่อยากคิด
    • กำลังจับตา Tenstorrent สำหรับการใช้งานแบบนี้อยู่
      ราคาน่าจะอยู่ somewhere ระหว่างแพลตฟอร์มหน่วยความจำรวมที่มีความหนาแน่นหน่วยความจำสูงกับ GPU เฉพาะงาน
      มันอยู่ตรงเส้นแบ่งว่าคุ้มสำหรับใช้ในบ้านหรือไม่ แต่ก็น่าสนใจ

  • การรันโมเดลบนอุปกรณ์ใน Mac ค่อนข้างน่ารำคาญ
    แค่หาว่าอะไรจะทำงานได้ระหว่าง BF16, FP8, BF16+FP8, NVFP4, INT8, GGUF ฯลฯ ก็ไม่ชัดเจนเลยถ้าพูดแบบสุภาพ Apple แทบไม่ช่วยเรื่องเครื่องมือเลย ถึงจะมี MLX แต่ถ้าไม่ได้คิดจะแปลงโมเดลเป็นฟอร์แมตนั้นเอง ก็จะตามหลังพอสมควร
    แอปอย่าง LM Studio, Ollama, Draw Things ช่วยทำให้ง่ายขึ้นได้ดี แต่ก็ยังยุ่งยากอยู่

    • ไม่แน่ใจว่าตรงไหนที่ยุ่งยากกันแน่ มันก็แค่กระบวนการเรียนรู้ และวันสองวันก็ชิน
      ดูเหมือนจะลืมไปว่า ตลอด 50 ปีที่ผ่านมา การทำงานสารพัดอย่างด้วยคอมพิวเตอร์นั้นน่าเบื่อ ซับซ้อน และแค่ทำให้มันรันได้ก็ใช้เวลามากแล้ว คอมพิวเตอร์เครื่องแรกของผมมี RAM 48KB และถ้าจะเล่นเกมต้องโหลดจากคาสเซ็ตต์ 5 นาที นั่นแหละที่เรียกว่าน่ารำคาญ
      เทียบกันแล้ว LM Studio ที่ให้ดาวน์โหลดโมเดล โหลดขึ้นมา แล้วคุยหรือผูกเอเจนต์เข้าไปได้นั้นง่ายมากและไม่เหนื่อยเลย
    • ใช้ LM Studio ค่อนข้างบ่อย และทีม MLX กับชุมชนก็มักจะปล่อย เวอร์ชัน MLX ภายในหนึ่งหรือสองวันหลังมีโมเดลใหม่ออกมา
    • อยากรู้ว่ากำลังเจอปัญหาอะไรอยู่ ผมรันเอเจนต์ Qwen Coder next หลายตัวในเครื่องอยู่ และมันทำงานได้ดี
    • การ แปลงโมเดลเป็น MLX ก็คือ git clone แล้วรัน mlx_lm.convert ตามตัวอักษร
      หลังจาก clone แล้วเป็นงาน 5 นาที
    • ในทางกลับกัน ผมกำลังใช้ LLM โลคัลตัวนี้ของ antirez ที่ขึ้นชื่อจาก Redis อย่างพอใจ
      [1] https://github.com/antirez/ds4

  • ประเด็นหลักไม่ใช่การอนุมาน AI แต่คือ การเรียกใช้เครื่องมือ, การทำงานกับแอป GUI บนเดสก์ท็อป และการรันเบราว์เซอร์
    ตอนนี้ยังไม่มีโมเดลบนอุปกรณ์ที่ดีพอจะทำงานจริงบน Mac Mini รุ่นล่างได้ แต่ถ้าใช้เพื่อรันเบราว์เซอร์ไม่กี่ตัวกับแอป GUI การซื้อ Mac Mini ย่อมดีกว่าการจ่ายเงินให้คอนเทนเนอร์บนคลาวด์ที่แพงกว่าและประสิทธิภาพแย่กว่า
    เบราว์เซอร์ไม่ได้ถูกออกแบบมาให้รันในคอนเทนเนอร์ Linux และทำงานได้ดีที่สุดบนเดสก์ท็อป OS แบบ bare metal M4 Mac Mini มีประสิทธิภาพคอร์เดียวเมื่อเทียบเป็นพลังประมวลผลดิบต่อดอลลาร์ หรือวัดด้วยคะแนน Geekbench ดีกว่า VM ใด ๆ ที่เช่าได้บนคลาวด์

    • ถ้าวัดจากราคาเดิม ชุด 4 เครื่องเป็นคำตอบที่ดีมากสำหรับข้อกำหนด tokens ต่อวินาที/ดอลลาร์

  • ลิงก์ที่ส่งควรเป็นบทบรรณาธิการต้นฉบับชิ้นนี้
    https://www.thedeepview.com/articles/how-apple-s-decade-long...

  • ข้อความที่ว่า “ตามที่ Doug Brooks ผู้จัดการผลิตภัณฑ์อาวุโสด้าน Apple silicon ระบุ Mac mini และ Mac Studio ของ Apple กลายเป็นเครื่องที่ผู้คนนิยมใช้รันเอเจนต์ AI” ส่วนใหญ่เป็น ปรากฏการณ์ในสหรัฐฯ
    แถวนี้ไม่มี Mac mini หรือ Mac Studio มีแต่แล็ปท็อป ThinkPad กับ MacBook ที่เชื่อมกับ hyperscaler เท่านั้น

    • ไม่รู้ว่า “แถวนี้” คือที่ไหน ในสหราชอาณาจักร ค่าไฟแพงจนไร้เหตุผล เลยค่อนข้างนิยมในฐานะหนึ่งใน ตัวเลือกพลังงานต่ำ สำหรับ LLM โลคัล
      ถ้าไม่ได้อยู่ในวงการ LLM โลคัล ก็ย่อมไม่เห็นอยู่แล้ว คล้ายกับไม่เคยไปสนามเทนนิสแต่พูดว่า “ที่นี่เทนนิสไม่เป็นที่นิยม”

  • เช่นเดียวกับที่ผู้คนซื้อรถดีเซลเพราะประหยัดเชื้อเพลิงกว่าน้ำมันเบนซิน ในหลายประเทศค่าไฟสูงมาก จึงมีคนซื้ออุปกรณ์ หน่วยความจำรวมของ Apple ที่ต้นทุนการใช้งานถูกกว่าชุด Nvidia
    ถ้าตัวเลือกหน่วยความจำรวมที่ไม่ใช่ Apple มีมากขึ้น หลายคนก็คงเลือกทางนั้นมากกว่า

  • บทความนี้เป็นการเขียนใหม่จาก https://www.thedeepview.com/articles/how-apple-s-decade-long...