苹果公司多款高端电脑目前已在其官方在线商店显示缺货,且没有任何补货时间的说明。M4 Mac Mini和Mac Studio的多个大内存配置型号现已标注为"暂时无货"。
受影响的配置包括Mac Mini的32GB和64GB内存版本,以及Mac Studio的128GB和256GB内存版本。与此同时,这些机型的现有可购买配置也出现了较长的发货延迟,苹果官方页面显示等待时间最长可达18周。
这一问题并非苹果独有。部分制造商警告称,由于生成式AI工具的需求激增,全球内存短缺状况预计至少将持续到2030年。目前,全球超过70%的内存供应已被AI计算领域的大型企业预先锁定,库存紧张的情况在整个计算机行业普遍存在,手机和笔记本电脑的价格也在这场供应危机中持续上涨。
线上商店出现缺货,有时可能预示着新品即将发布,但在苹果今年3月举办的发布活动结束后不久,就推出M5升级版本的可能性并不大。苹果M5处理器于2025年秋季首次发布,凭借新一代GPU和神经网络加速引擎,在AI性能方面实现了重大飞跃。尽管MacBook Pro和MacBook Air近几个月已完成M5芯片的迭代更新,但Mac Mini和Mac Studio目前仍搭载M4处理器。
更为可能的解释是,全球内存短缺正在波及更多产品,苹果正因严峻的供应限制而将资源重新调配至现有产品线中的其他机型。
CNET计算机领域专家马特·埃利奥特认为,两种说法可能都有一定道理。苹果或许是在为这两款电脑准备更新的同时,暂时下架了M4 Mac Mini和Mac Studio的大内存配置型号。他认为,Mac Mini和Mac Studio的M5芯片更新版本可能会在2026年WWDC开幕前的6月初某个时间对外公布。
"苹果通常会在产品换代前将旧款下架,但这一操作一般发生在新品发布前较近的时间,而不是提前两个月,"埃利奥特表示,"也许是因为高内存配置版本的强劲需求,导致库存比苹果预期消耗得更快,从而促使苹果提前撤下了这些配置,为最终的M5更新做准备。"
一次性将多个Mac Mini和Mac Studio配置从商店中全部撤除,看似令人意外,但苹果一直在持续调整这些产品的定价和供货策略——随着它们成为开发者和研究人员在本地运行大语言模型的热门经济之选,其受欢迎程度不断提升。
此类情况在M4 Mac产品线上已有先例。据The Next Web报道,苹果近期已将Mac Studio的512GB内存配置下架,同时将256GB内存配置的价格上调了25%。
截至发稿,苹果公司代表尚未回应置评请求。
Q&A
Q1:Mac Mini和Mac Studio哪些配置现在买不到?
A:目前,M4 Mac Mini的32GB和64GB内存版本,以及Mac Studio的128GB和256GB内存版本均已在苹果官网标注为"暂时无货"。此外,仍可购买的配置也面临最长达18周的发货延迟,整体供货情况较为紧张。
Q2:全球内存短缺是什么原因造成的?预计持续多久?
A:此次全球内存短缺主要由生成式AI工具需求激增所驱动。全球超过70%的内存供应已被AI计算领域的大型企业预先占用,导致消费级市场供应严重不足,手机和笔记本电脑价格也随之上涨。部分制造商预计,这一短缺状况至少将持续到2030年。
Q3:Mac Mini和Mac Studio什么时候会推出M5版本?
A:目前苹果尚未官方确认M5版Mac Mini和Mac Studio的发布计划。CNET专家马特·埃利奥特推测,相关更新可能会在2026年WWDC开幕前的6月初发布,但这一说法尚未得到苹果官方证实。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。