想在一台设备上本地跑大模型，先要回答一个问题：这台设备的内存装得下多大的模型。北京时间 9 月 25 日到 26 日，国内多家科技媒体先后报道了苹果在 Jamf 用户大会（JNUC）上展示的一张图表，把从 iPhone、iPad 一直到 Mac Studio 集群的端侧 AI 上限一次排开。JNUC 是设备管理厂商 Jamf 每年办的全球用户大会，台下坐的多是管理苹果设备的 IT 管理员，今年这场分享聚焦端侧 AI，这张图正是在「IT 行业最新动态」环节放出来的，讲的正是给企业选型用的算力参考。
六档算力，从 140 亿到 1.6 万亿
按图表给出的数据，iPhone 和 iPad 配 16GB 统一内存、76GB/s 带宽，最高承载 140 亿激活参数，对应 Siri、文字润色、图片处理这类日常任务；MacBook Air 是 32GB 内存、153GB/s 带宽，上限 350 亿；Mac mini 64GB、307GB/s，上限 700 亿，适合隐私敏感的本地任务；MacBook Pro 128GB、614GB/s，最高 1200 亿，覆盖大型模型和重度创作开发；Mac Studio 512GB、1.2TB/s，可承载 4800 亿；到了 Mac Studio 集群，内存堆到 2TB，上限 1.6 万亿参数，定位超大模型的本地训练与推理。六档设备、两个指标，选型问题在这张表上被压成了查表题。
快科技在报道里算了一笔账：1.6 万亿这个参数规模与 DeepSeek V4 Pro 相当，也就是说四台 Mac Studio 组个集群就能在本地跑起来，不必再投入动辄数百万的服务器集群。
这张图在台下那批 IT 管理员眼里，分量不在秀肌肉上，更像一份选型对照表：什么规模的模型该跑在什么设备上，按内存和带宽对号入座就行。国内媒体在报道时也留意到一个细节，图里把「集群」同样归进了端侧叙事——2TB 统一内存的 Mac Studio 集群被列在本地训练与推理一栏，和云端划分开了。
统一内存是那条暗线
把六档数字摆在一起看，规律很直接：内存容量和带宽决定设备能加载多大的激活模型，这两道闸门卡住了参数规模的上限。带宽从 76GB/s 到 1.2TB/s，跨度超过 15 倍；内存容量从 16GB 到 2TB，跨度是 128 倍。设备定位每往上走一档，能跑的模型就大一圈。
民间这两年「买 Mac mini 当 AI 主机」的用法，正好卡在这张表的中段：64GB 内存、307GB/s 带宽，700 亿参数以下的本地模型装得下、跑得动，隐私敏感的数据也不用出门。快科技在报道开头就提到，AI 时代不少人买 Mac mini 就是拿来做本地大模型主机。
支撑这套分级的是苹果的统一内存架构。A 系和 M 系处理器不只让 CPU、GPU 共享同一套内存，还做到了芯片级统一封装，带宽因此拉开差距：Ultra 级别的 M 芯片可以做到 1.2TB/s。快科技做了个对比：x86 平台的 PC 即便配上 256bit 的 LPDDR5X-8000 内存，带宽也只有 256GB/s，跑 AI 的效率差着量级。
x86 阵营的追兵在哪
x86 阵营里真正有突破的是 AMD 的锐龙 AI Max，从 Strix Halo 这一代开始也走了共享内存的路线，能跑千亿级的本地大模型，效率仍然比不过 Mac。接下来值得盯的是英伟达的 RTX Spark 产品线，它把 RTX 5070 级别的 GPU 核心整合进 CPU，不过 CPU 架构本身属于 ARM 阵营，这条路能走多远还得看微软对 ARM 版 Windows 的优化。
需要留意的是，图上标的口径是最大激活参数，衡量的是运行时实际参与计算的参数规模。本站此前写过 iPhone 18 Pro 本地跑 270 亿参数模型的实测，模型总参数量和运行时激活的参数量是两个口径，对照着看会更清楚。
这份阶梯对企业 IT 部门的价值，在于把「本地跑不跑得动」变成了查表题；个人用户这边，它也顺手解释了为什么近两年 Mac 在本地大模型这件事上被反复提起——内存和带宽的天花板，确实和 x86 平台不在一个量级。
声明：本文来自苹果迷投稿，不代表苹果家园立场，版权归原作者所有，欢迎分享本文，转载请保留出处！
