AI开发者选Mac因环境兼容、统一内存省事
为什么现在做 AI 的人,桌上大多是 Mac,不是 Windows?
不是因为 Mac 性能碾压 Windows。
更现实的原因是:Mac 折腾起来省事。
现在很多 AI 工具,本来就是从 Linux 那套环境里长出来的。Shell、Git、Python、Docker、SSH,这些东西在 Mac 上基本拿来就能用。
Windows 当然也能做,但很多时候要先装 WSL,相当于在 Windows 里再套一层 Linux。
平时用着没问题,一旦碰到路径、权限、端口、文件系统,多少都要多折腾一会儿。
这就是开发者常说的“WSL 税”。
Mac 还有一个很实际的优势:统一内存。
CPU 和 GPU 共用一块内存,买个 64GB、128GB 内存的 Mac,跑本地模型时,不会像普通 PC 那样一直被显存卡住。
但别误会,Mac 适合的是写代码、跑 Agent、本地推理,不是训练大模型。
真要训练,还是 Linux 服务器加 NVIDIA 显卡。
所以 AI 开发者喜欢 Mac,不是因为 Windows 不行。
只是同样一件事,Mac 往往少配几次环境,少踩几个坑,打开电脑就能干活。
不是因为 Mac 性能碾压 Windows。
更现实的原因是:Mac 折腾起来省事。
现在很多 AI 工具,本来就是从 Linux 那套环境里长出来的。Shell、Git、Python、Docker、SSH,这些东西在 Mac 上基本拿来就能用。
Windows 当然也能做,但很多时候要先装 WSL,相当于在 Windows 里再套一层 Linux。
平时用着没问题,一旦碰到路径、权限、端口、文件系统,多少都要多折腾一会儿。
这就是开发者常说的“WSL 税”。
Mac 还有一个很实际的优势:统一内存。
CPU 和 GPU 共用一块内存,买个 64GB、128GB 内存的 Mac,跑本地模型时,不会像普通 PC 那样一直被显存卡住。
但别误会,Mac 适合的是写代码、跑 Agent、本地推理,不是训练大模型。
真要训练,还是 Linux 服务器加 NVIDIA 显卡。
所以 AI 开发者喜欢 Mac,不是因为 Windows 不行。
只是同样一件事,Mac 往往少配几次环境,少踩几个坑,打开电脑就能干活。