Mac tidak jual secepat Apple bisa buat karena AI, tapi AI memberi alasan bisnis beli lebih banyak. Anda mungkin sudah memperhatikan bahwa waktu antri Mac mini dan Mac Studio sudah cukup lama setahun atau setahun-an. Fakta, sekarang kalau mau beli Mac Studio penuh konfigurasi, harus menunggu 10 hingga 12 minggu.

Juga ada harga 18.299 dollar sebelum pajak. Hanya sekadar kata. Alasan utama adalah kita menghadapi kendala rantai pasok yang tak pernah sebelumnya, karena komponen penyimpanan dan memory semakin sulit didapat dengan andal dan murah.

Tapi ada cerita lain. Dan cerita itu layak dibahas, karena sayangnya ini akan mempengaruhi semua kita satu atau lainnya. Jadi, kita akan bicara tentang Mac mini, Mac Studio, dan kecerdasan buatan.

Ya, orang menggunakan Mac untuk AI. Pemasok melihat permintaan yang meningkat untuk Mac mini dan Mac Studio. Dan ya, AI memang alasan mengapa itu terjadi.

Bagi beberapa orang, ada pemikiran bahwa Mac, khususnya Apple's pint-sized powerhouses, menjadi fondasi AI secara diam-diam. Mari jelaskan di sini. Antara 'AI mendorong permintaan Mac' dan 'Mac menjadi infrastruktur AI yang mendasar' ada lautan besar.

Apple sendiri sadar akan itu. Sebenarnya, pitch utuh Apple adalah Mac mini dan Mac Studio sempurna untuk melakukan tugas-tugas kecil, sesuatu seperti AI-based 'chore'. Kita sudah tahu ini beberapa bulan.

Tapi ketika besar AI company mulai membeli peralatan Apple dalam jumlah besar, orang akan berbicara. Menurut The Information, Open AI telah membeli puluhan ribu Mac mini dan Mac Studio. Dan Anthropic menyewa Mac mini melalui Amazon Web Services.

Tapi kalau Mac ini tidak digunakan untuk infrastruktur, meskipun dibeli dalam jumlah besar, sebenarnya digunakan untuk apa? Hal-hal kecil, terkadang. Open AI tidak menempel Mac mini menjadi supercomputer, dan tidak ada rencana yang jelas untuk melakukannya. Namun, itu tidak berarti tidak ada ruang berupa Apple di pipeline.

Satu dari hal terbaik tentang Mac mini, dan ini ganda untuk Mac Studio, adalah banyak daya komputasi yang efisien energi dalam jejak kaki yang kecil. Ini membuatnya ideal untuk penggunaan hyper-spesifik yang memerlukan banyak pengulangan. Satu penggunaan adalah reinforcement learning, proses di mana AI harus belajar melalui uji dan kesalahan.