蒂姆·库克辞职 — Mac 是否正成为下一个 AI 代理平台？
Source: Dev.to
请提供您希望翻译的正文内容，我将为您翻译成简体中文并保持原有的格式、Markdown 语法以及技术术语不变。
Apple Leadership Change
在 4 月 20 日，苹果宣布蒂姆·库克将从首席执行官转任执行董事长，硬件工程高级副总裁约翰·特努斯将在 9 月 1 日接任首席执行官。苹果在其 50 年的历史中，至今仅有三位首席执行官。
库克执掌 14 年，定义了两个时代：将苹果打造为全球最有价值的公司，并推动了从英特尔到苹果自研芯片的历史性转型。特努斯的背景颇具意义——他并非来自软件或服务领域。作为苹果硬件工程负责人以及苹果芯片的交付者，他的任命表明，硬件创新将在未来十年仍是公司的首要任务。
AI 领域与 Mac
在过去的几年里，AI 开发和部署几乎等同于 NVIDIA GPU + Windows/Linux。Mac 在 AI 生态系统中几乎没有影响。Apple Silicon 正在改变这一点——越来越多的开发者在 Mac 上运行 AI 工作负载，且这已不再只是实验。
主导因素是 CUDA 生态系统。NVIDIA GPU + CUDA 实际上垄断了 AI 训练和推理基础设施。自 2016 年 Apple 与 NVIDIA 分道扬镳后，Mac 不再配备 NVIDIA GPU。没有 CUDA，主要的深度学习框架（如 PyTorch、TensorFlow）将 Mac 视为二等公民——技术上受支持，但性能受限。因此，AI 从业者默认使用 Windows 桌面或 Linux 服务器。Mac 适合编写代码，但运行模型意味着需要通过 SSH 连接到远程机器。
Apple Silicon 在 AI 领域的优势
M1 芯片（2020）是一个拐点。Apple Silicon 的 Unified Memory Architecture 打破了传统的 CPU‑GPU 分离——CPU 和 GPU 共享同一内存池，消除了在它们之间来回传输数据的需求。这种设计为 AI 推理提供了天然优势：
- 无 VRAM 瓶颈：32 GB 以上的统一内存可直接用于模型推理，不像传统 GPU 受限于专用 VRAM。
- 卓越的能效：在相同计算能力下功耗更低，使得 MacBook 能在电池供电时运行模型。
- 生态系统日益完善：Apple 推出了 MLX，一个针对 Apple Silicon 优化的机器学习框架；PyTorch 现已正式支持 MPS 后端。
从 M1 到 M4，每一代都在 AI 推理性能上带来了显著提升。配备 M4 与 32 GB RAM 的 Mac 如今能够流畅运行此前只能依赖专用 GPU 服务器的模型。
GUI 代理与 Mano‑P
AI 中快速增长的领域是 GUI 代理——直接观察屏幕、理解界面元素并操作鼠标和键盘以完成复杂计算机任务的模型。这类应用需要实时本地响应，使其自然适合在 Mac 上部署。
Mano‑P 是专为 Mac 构建的开源 GUI 代理。 “Mano” 来自西班牙语的 “hand”（手），而 “P” 代表 Person——面向个人使用的 AI。它使用纯视觉——不依赖辅助功能 API，也不进行 DOM 解析，仅凭截图理解。一切均在本地 Mac 上运行，数据不离开设备。
Apple Silicon 足够快吗？
- OSWorld 基准（GUI 代理的标准端到端评估）：Mano‑P 的 72B 模型实现 58.2 % 成功率，排名第一。第二名仅为 45.0 %——差距超过 13 个百分点。
- WebRetriever Protocol I：Mano‑P 获得 41.7 NavEval，超过 Gemini 2.5 Pro（40.9）和 Claude 4.5（31.3）。
本地推理性能（Mano‑P 4B 量化模型，w4a16，运行于 M4 Pro）
| 指标 | 数值 |
|---|---|
| 预填充速度 | 476 tokens/s |
| 解码速度 | 76 tokens/s |
| 峰值内存 | 4.3 GB |
在 32 GB Mac 上，峰值内存仅 4.3 GB，您可以在 IDE、浏览器、Slack 等应用同时运行代理，毫无压力。
- 硬件要求：Apple M4 芯片 + 32 GB RAM。
- 训练流水线：双向自我强化学习，分为三个递进阶段——SFT → 离线 RL → 在线 RL。
- 推理循环：思考‑执行‑验证。分析屏幕状态，执行动作，验证结果。如果出现意外（弹窗、加载延迟），系统会自行纠正。
- 核心能力：复杂 GUI 自动化、跨系统数据集成、长任务规划与执行、智能报告生成。
brew tap HanningWang/tap && brew install mano-cua在 Apache 2.0 许可证下开源。
更广阔的生态系统
- MLX 为开发者提供在 Apple Silicon 上高效运行模型的方式。
- Ollama 和 LM Studio 让在 Mac 上运行开源大语言模型像安装应用一样简单。
- Core ML 持续改进，Apple 在设备端 AI 基础设施上投入巨大。
旧的共识——“做 AI 就是 Windows/Linux + NVIDIA”——正在松动。并不是因为 Mac 正在取代用于大规模训练的 GPU 服务器，而是因为在推理、个人开发以及设备端应用方面，Mac 正在成为一个真正可行的平台。
Outlook
Apple 选择一位硬件工程师担任 CEO，凸显公司对硅创新的关注。Mac 的 AI 能力只会越来越强。我们自己在 Mac 上构建了 GUI Agents，对看到更多开发者探索这一方向感到兴奋。