¡OpenAI compra decenas de miles de Mac para entrenamiento de aprendizaje por refuerzo! Apple le arrebata el trabajo a Nvidia

marsbitPublicado a 2026-08-31Actualizado a 2026-08-31

Resumen

Según informaciones, OpenAI y Anthropic están adquiriendo o alquilando decenas de miles de Mac mini y Mac Studio para tareas de aprendizaje por refuerzo, específicamente para entrenar "agentes de uso informático". Este aumento en la demanda empresarial ha convertido a Mac en la línea de productos de más rápido crecimiento para Apple, impulsando sus ventas en un 29% en el último trimestre. La ventaja clave radica en la arquitectura de memoria unificada de los chips M de Apple, que permite un acceso más eficiente a los datos para cargas de trabajo de IA en comparación con las GPU tradicionales, junto con sus sistemas de refrigeración robustos. Aunque esta demanda tomó por sorpresa a Apple, que carece de un enfoque estructurado para el mercado empresarial, ahora celebra este éxito e incluso adelantó el lanzamiento del nuevo Mac Studio para potenciar capacidades de agrupamiento en clúster. Nvidia ha respondido con su producto DGX Spark, compitiendo directamente en este segmento. Sin embargo, Apple enfrenta desafíos de suministro debido a la escasez global de chips de memoria, lo que ha llevado a algunos clientes a considerar alternativas. La empresa se está apoyando en socios para penetrar más en el mercado corporativo y está desarrollando servidores internos con sus chips, aunque por ahora no los comercializa.

Se revela que OpenAI está comprando Mac de forma masiva, adquiriendo de una vez decenas de miles de unidades.

Sin querer, agotaron el stock y ahora buscan conseguir aún más por todos los medios.

No quieren MacBook portátiles, solo compran Mac mini y Mac Studio sin pantalla ni teclado.

Entonces surge la pregunta: ¿Qué tipo de tarea de IA no pueden realizar las GPU de Nvidia o los TPU de Google, que necesitan usar Mac?

Decenas de miles de Mac para aprendizaje por refuerzo, A\ también lo hace

Según información de The Information, OpenAI ha comprado decenas de miles de Mac mini y Mac Studio, específicamente para aprendizaje por refuerzo.

No solo OpenAI, Anthropic también está alquilando Mac mini a través del servicio en la nube AWS de Amazon para realizar tareas similares.

Estos Mac se utilizan para entrenar "agentes de uso informático" (computer-use agent), es decir, sistemas de IA que pueden operar computadoras de forma autónoma para completar tareas de múltiples pasos como editar/probar código, organizar automáticamente el correo electrónico, resumir documentos, etc.

Esta ola de popularidad se refleja directamente en los resultados financieros de Apple.

En el último trimestre, las ventas de Mac aumentaron casi un 29% interanual, alcanzando los 10,300 millones de dólares, una tasa de crecimiento superior a la de iPhone, iPad y todas las demás líneas de productos de Apple. Mac se convirtió en el negocio de más rápido crecimiento de Apple.

El 23 de junio, en la sede de Apple en Apple Park, se celebró un evento llamado "Business at the Park". Esto no es común en la historia de Apple, que siempre se ha centrado en el mercado de consumo y rara vez organiza eventos específicamente para clientes empresariales.

Al evento asistieron ejecutivos de Disney y Ford, también estuvo Jared Kaplan, cofundador de Anthropic, y tanto Tim Cook, el CEO saliente de Apple, como John Ternus, quien lo sucederá.

Según un asistente, Apple enfatizó repetidamente durante el evento que su hardware es muy adecuado para procesar tareas de IA localmente, y el Mac mini fue el centro de atención de todo el evento.

El entrenamiento de IA ha estado dominado durante mucho tiempo por las GPU de Nvidia, pero el Mac ha logrado ser adquirido a gran escala en este escenario específico del aprendizaje por refuerzo gracias a la memoria unificada.

La memoria de video (VRAM) y la memoria del sistema en las GPU de Nvidia están separadas, y la transferencia de datos entre ambas crea un cuello de botella. Los chips de la serie M de Apple, en cambio, utilizan un único grupo de memoria compartida, donde la CPU y la GPU acceden directamente a la misma memoria, lo que ofrece una ventaja de rendimiento al procesar cargas de trabajo de IA.

Además, a diferencia de los delgados MacBook, el Mac mini y el Mac Studio cuentan con sistemas de refrigeración especializados que evitan la reducción de frecuencia por sobrecalentamiento durante largos períodos de ejecución de tareas complejas de IA. Esto es crucial para el entrenamiento de aprendizaje por refuerzo que puede durar horas o incluso días.

Apple también está promoviendo el proyecto de software de código abierto EXO Labs, que puede agrupar múltiples Mac para ejecutar modelos de IA de billones de parámetros a nivel local.

El nuevo Mac Studio que Apple acaba de lanzar también enfatiza especialmente la capacidad de agrupación (clustering), donde varias Mac Studio pueden conectarse en cadena para formar un sistema más poderoso y ejecutar modelos de vanguardia.

El momento de este lanzamiento también es inusual. Apple normalmente actualiza la línea de productos Mac a finales de año, en octubre o noviembre, pero esta vez lo adelantó a agosto.

Nvidia está atenta, Apple responde a la carrera

El auge del Mac en el campo de la IA local ya ha llamado la atención de Nvidia.

Según una fuente informada que ha discutido la situación competitiva con ejecutivos de Nvidia, Nvidia ve a Apple como su mayor competidor en el campo de la IA local.

A fines del año pasado, Nvidia lanzó DGX Spark, una computadora de escritorio para IA con un diseño similar al Mac mini, apuntando directamente a este mercado.

Por su parte, Apple se enfrenta al problema real de que la oferta no puede seguir el ritmo.

La enorme demanda de chips de memoria por parte de los centros de datos de IA ha provocado una escasez histórica en toda la industria, y Apple no se ha librado.

Las versiones de alta gama del Mac mini y Mac Studio, más atractivas para los desarrolladores de IA, han estado agotadas durante meses.

Todd Dailey, exgerente de marketing de productos de IA empresarial de Apple, reveló que, debido a las limitaciones de suministro de Mac durante el último año, algunas empresas ya han comenzado a buscar alternativas, siendo la DGX Spark de Nvidia una opción mencionada con frecuencia, y que además está disponible de inmediato.

Dailey dejó Apple en abril de este año y ahora es asesor independiente de IA. También reveló que el éxito del Mac en el mercado empresarial de IA fue completamente accidental, no parte de un plan activo de Apple. Apple no tiene un equipo de ingeniería dedicado específicamente a clientes empresariales, ni empleados enfocados en relaciones con desarrolladores.

La última vez que Apple vendió un producto servidor fue con Xserve, descontinuado en 2011. El sistema operativo para servidores basado en Mac también dejó de desarrollarse en 2022.

Sin embargo, ya hay quienes huelen la oportunidad.

Peter Voell, ex empleado de infraestructura informática de OpenAI, fundó Mount Thor, una empresa de computación en la nube basada en hardware de Apple, que actualmente aún está en modo sigiloso (stealth mode). Su sitio web describe el producto como un "entorno de ejecución de IA basado en hardware de Apple".

Apple también está depositando esperanzas en socios como Mount Thor y webAI para llevar el Mac a mercados empresariales más profundos.

Apple finalmente ha comenzado recientemente a construir sus propios servidores utilizando chips Mac. Sin embargo, estos servidores son solo para uso interno, para el servicio de Computación en la Nube Privada (Private Cloud Compute), que maneja tareas de IA que superan la capacidad de procesamiento de un iPhone o Mac.

Algunos clientes empresariales han preguntado a Apple si podría vender acceso a estos servidores, pero Apple hasta ahora se ha negado.

Enlaces de referencia:[1]https://www.theinformation.com/articles/apple-stumbled-ai-hardware-success-mac[2]https://www.apple.com/newsroom/2026/07/apple-reports-third-quarter-results/

Este artículo proviene de la cuenta pública de WeChat "Quantum Bit", autor: Atención a la tecnología de vanguardia

Preguntas relacionadas

Q¿Para qué está comprando OpenAI grandes cantidades de computadoras Mac?

AOpenAI está comprando grandes cantidades de Mac mini y Mac Studio para usarlas específicamente en tareas de aprendizaje por refuerzo, con el fin de entrenar "agentes de uso informático" que puedan operar computadoras y realizar tareas de múltiples pasos de forma autónoma.

Q¿Qué ventajas técnicas tienen los Mac de Apple frente a las GPU de NVIDIA para ciertas tareas de IA, según el artículo?

ALa principal ventaja técnica es la arquitectura de memoria unificada de los chips M de Apple. A diferencia de las GPU de NVIDIA, que tienen memoria de video y memoria del sistema separadas, los chips de Apple utilizan un único grupo de memoria compartida al que acceden directamente la CPU y la GPU, lo que mejora el rendimiento en ciertas cargas de trabajo de IA.

Q¿Cómo ha reaccionado NVIDIA ante el creciente uso de Mac para IA local?

ANVIDIA ha visto a Apple como su mayor competidor en el campo de la IA local y ha respondido lanzando el DGX Spark, una computadora de escritorio para IA con un diseño similar al Mac mini, dirigida directamente a este mercado emergente.

Q¿Qué problema de suministro enfrenta Apple debido a la alta demanda de Mac para IA?

AApple enfrenta una escasez de suministro, especialmente de las versiones de alta gama de Mac mini y Mac Studio, que han estado agotadas durante meses. Esto se debe en parte a la gran demanda global de chips de memoria por parte de los centros de datos de IA, lo que ha creado una escasez en toda la industria.

Q¿Qué empresa fue fundada por un ex empleado de OpenAI para aprovechar el hardware de Apple en la nube?

AUn ex empleado de infraestructura informática de OpenAI llamado Peter Voell fundó Mount Thor, una empresa de computación en la nube basada en hardware de Apple que se describe como un "entorno de ejecución de IA basado en hardware de Apple" y que opera actualmente en modo discreto.

Lecturas Relacionadas

Marvell: ¿No puede igualar a Nvidia, no cumple las expectativas, su elevada valoración primero 'expulsa el exceso'?

Marvell (MRVL.O) publicó sus resultados del segundo trimestre del año fiscal 2027 (hasta julio de 2026) y ajustó su perspectiva. La empresa elevó sus pronósticos de ingresos para 2027 a 120.000 millones de dólares (crecimiento del 45%) y para 2028 a 180.000 millones (crecimiento del 50%). Sin embargo, estas cifras apenas superaron las expectativas del mercado y fueron menos impresionantes en comparación con las recientes y sólidas perspectivas de NVIDIA. La mayor decepción para los inversores fue que Marvell no elevó su guía para el negocio de ASIC personalizados, a pesar de haber anunciado recientemente un acuerdo de colaboración con Google. Esto generó dudas sobre si el acuerdo realmente generará pedidos sustanciales adicionales para los chips TPU de Google, haciendo que parezca un acuerdo más bien de "regalo" por parte de Marvell para asegurar futuras oportunidades. El crecimiento actual está impulsado principalmente por los productos de interconexión dentro del negocio de centros de datos, que representa el 79% de los ingresos. La rentabilidad bruta ajustada se mantuvo estable en el 58,3%. Aunque Marvell mantiene puntos de crecimiento a largo plazo en redes ópticas, CXL y ASIC para IA, la valoración de la empresa se considera elevada. El mercado reaccionó negativamente (caída tras el cierre) debido a que las perspectivas no cumplieron con las altas expectativas de crecimiento, especialmente en comparación con NVIDIA, y a la falta de claridad sobre los beneficios inmediatos del acuerdo con Google. La atención se centrará ahora en el día del analista de la compañía en octubre para obtener más detalles sobre el negocio ASIC.

marsbitHace 9 min(s)

Marvell: ¿No puede igualar a Nvidia, no cumple las expectativas, su elevada valoración primero 'expulsa el exceso'?

marsbitHace 9 min(s)

a16z: Los mejores talentos se dirigen hacia la infraestructura de IA, el diseño de infraestructura será "reconstruido desde cero"

a16z (Andreessen Horowitz) ha lanzado un nuevo fondo, "Machine Age Fund", centrado en inversiones en infraestructura de IA. La razón fundamental es una creciente "brecha" entre la demanda exponencial de capacidad de cómputo y los suministros limitados. La demanda de IA está aumentando a un ritmo de aproximadamente el 1000% anual, impulsada por el avance desde chatbots hasta agentes y agentes múltiples, donde el consumo de tokens crece exponencialmente. Sin embargo, la oferta de componentes críticos como GPU, memoria y energía está reservada hasta 2028. El problema no es solo la escasez, sino que la arquitectura de computación existente no fue diseñada para cargas de trabajo de IA. El stack completo necesita ser rediseñado desde cero. Esto incluye desde chips y memoria hasta interconexiones, refrigeración, energía e incluso la infraestructura física de los centros de datos. Los cambios físicos son profundos: las necesidades de potencia de los racks pasan de 5-10 kW a 100-150 kW, la refrigeración por aire cambia a líquida, y los voltajes más altos requieren mano de obra especializada. Esta reingeniería total crea enormes oportunidades para startups innovadoras en hardware y sistemas. Los emprendedores de élite están notando esta oportunidad. La proporción de nuevos proyectos de fundadores top relacionados con hardware ha aumentado de un ~3-5% a más del 20-30%. a16z argumenta que estamos en los inicios de una era de décadas dominada por la "inteligencia de máquina", donde la optimización del hardware es crucial para desbloquear todo el potencial.

marsbitHace 55 min(s)

a16z: Los mejores talentos se dirigen hacia la infraestructura de IA, el diseño de infraestructura será "reconstruido desde cero"

marsbitHace 55 min(s)

Se filtra que el nuevo modelo ChatGPT, Bel, ha completado su preentrenamiento con 10 billones de parámetros

La comunidad tecnológica está en vilo por las últimas filtraciones sobre OpenAI. Se informa que el modelo estrella Astra podría lanzarse la próxima semana, mientras se expanden sus pruebas. Sin embargo, la noticia más impactante es la finalización del entrenamiento previo de un modelo masivo de 10 billones de parámetros, denominado en código "Bel", destinado a ser la base fundamental para la era posterior al GPT-6 y apuntar directamente al umbral de la AGI. Según fuentes, Bel supera a Astra en codificación, razonamiento y tareas de agente de larga duración, funcionando durante días sin intervención y coordinando cientos de subagentes. Se perfila como un "Claude Fable Killer". Además, OpenAI estaría sacando ventaja en la carrera por la supremacía de la IA gracias a su abrumadora potencia de cómputo, incluyendo sus chips personalizados "Jalapeño", lo que supuestamente deja a competidores como Anthropic atrás. En una entrevista, un alto ejecutivo de OpenAI, Tibo, esbozó una visión del futuro cercano: los modelos actuales pronto parecerán primitivos, la "automejora recursiva" ya optimiza internamente los costos operativos, y los modos de respuesta "ultrarrápida" remodelarán el flujo de trabajo humano. Predijo un cambio de paradigma hacia agentes en la nube y la fusión de ChatGPT y Codex en un "AGI Personal" que comprenderá y asistirá proactivamente a los usuarios, adaptando dinámicamente su interfaz. La conclusión es clara: el desarrollo de la IA no se ha estancado; se está gestando una tormenta que podría cambiar las reglas del juego. La segunda mitad de 2026 promete ser espectacular.

marsbitHace 1 hora(s)

Se filtra que el nuevo modelo ChatGPT, Bel, ha completado su preentrenamiento con 10 billones de parámetros

marsbitHace 1 hora(s)

El mecanismo de seguridad de Claude falla espectacularmente, una IA borra furiosamente el directorio principal de 700 GB de un desarrollador

Claude vuelve a fallar: su mecanismo de seguridad eliminó accidentalmente 700 GB del directorio principal de un desarrollador. El desarrollador Guillemot pidió a Claude Fable 5 que escribiera un script para limpiar archivos temporales en /tmp de forma segura, sin eliminar archivos en uso. Como el script involucraba operaciones de eliminación, el sistema de seguridad de Anthropic activó una "revisión adversaria", degradando el modelo primero a Opus 5 y luego a Opus 4.8 para un análisis más conservador. Este modelo más débil (Opus 4.8) probó el script correctamente, identificando que el directorio principal y /tmp no debían borrarse. Sin embargo, durante la fase de limpieza posterior a la prueba, reutilizó una variable que contenía la ruta del directorio principal y la eliminó. Como resultado, se perdieron 700 GB de datos, mientras que el directorio /tmp que se pretendía limpiar permaneció intacto. El incidente ha reavivado las críticas sobre los mecanismos de degradación de seguridad de Claude. Los desarrolladores se quejan de que se activan con demasiada sensibilidad, reducen significativamente las capacidades del modelo para tareas complejas y son persistentes durante toda la sesión. La paradoja es clara: un sistema que degrada a un modelo más "seguro" pero menos capaz puede, en realidad, aumentar el riesgo de errores graves en operaciones delicadas.

marsbitHace 1 hora(s)

El mecanismo de seguridad de Claude falla espectacularmente, una IA borra furiosamente el directorio principal de 700 GB de un desarrollador

marsbitHace 1 hora(s)

Trading

Spot
活动图片