苹果又更新Mac了。
8月25日晚，苹果突然上架了新款Mac mini和Mac Studio。外观都没怎么变，甚至连产品定位都没有什么意外：Mac mini继续小巧、精致、能干，Mac Studio还是桌面Mac里那个面向专业用户的性能怪兽。
前提是别看价格。
图片来源：苹果
新款Mac mini国行起售价直接来到了6999元。上一代M4 Mac mini起售价还只有4499元，即便今年因为存储上调过一次售价（5999元起）。但一代产品过去，入门门槛硬生生抬高了一大截。
Mac Studio更夸张。搭载M5 Max的版本已经不便宜，真正顶级的M5 Ultra版本，起售价直接来到46999元。再往上选内存、存储，价格自然还能轻松继续往六位数走。
苹果疯了吗？
但如果继续研究这一代的产品，会发现这次苹果还真不是单纯靠涨价制造存在感。Mac mini首发了全新的M6，苹果第一颗2nm芯片；Mac Studio则带来了M5 Ultra，也是苹果历史上第一颗采用四晶粒（die）架构的芯片。
从2020年M1推出至今，Apple Silicon（苹果基于ARM架构自研的芯片体系）已经走过六年。过去几代苹果芯片的升级逻辑其实很清楚：CPU更快一点、GPU更强一点，制程逐步前进，再靠Pro、Max、Ultra不断把规模往上堆。
到了M6和M5 Ultra，苹果终于跨进2nm，并且重新调整了CPU核心结构，互连架构上也从过去两颗大型芯片互联，走到四晶粒共同组成一颗SoC。
与此同时，AI也开始真正进入芯片设计的中心。
在M6上，苹果终于进入了2nm时代
先简单讲下M6的参数变化：CPU从10核增加到12核，GPU同样从10核增加到12核，内存带宽从M5的153GB/s提升到170GB/s，Neural Engine也直接变成了两组16核。
参数是一方面，但M6真正值得关注的地方是另一方面。
首先就是2nm。
从M3开始，苹果已经连续三代M系列芯片停留在3nm。M3用上第一代3nm，M4和M5又不断改进工艺。到了M6，终于跨进2nm，成为苹果历史上第一颗2nm芯片。
图片来源：苹果
更高的晶体管密度，让M6在更小面积里获得了更高性能和能效。对用户来说，最后可以落到两个词：
更快，更省电。
按照台积电的数据，N2（第一代2nm工艺）相比N3E（第二代3nm工艺），在相同功耗下最高可以提升约15% 性能，相同性能下功耗最高可以下降约30%。
当然，这是制程本身的理论收益，也不考虑架构上的升级，不能直接拿来等同于M6的实际提升。但它也解释了一个很重要的问题：为什么苹果可以在这一代基础款M芯片上，一口气塞进更多CPU、GPU和AI单元，同时继续维持Mac mini这种小体积机器最看重的功耗和散热表现。
换言之，M6的2nm不只是给性能跑分加几分，它给苹果重新分配整颗芯片的性能开销腾出了空间。
苹果首先把这些「空间」用在了CPU上。
上一代M5的CPU结构其实还是Apple Silicon一贯的「大核+小核」思路。但到了M6，12个CPU核心被正式拆成了三档：2个超级核心、4个性能核心，以及6个效率核心。
中间那一档「性能核心」尤为特别。
今年早些时候发布M5 Pro和M5 Max时，苹果已经悄悄重新定义了一遍自己的CPU核心体系。过去我们熟悉的高性能核心改名叫做「超级核心」，同时新增了「性能核心」。
按照苹果的说法，「超级核心」负责追求极致的单线程性能，「性能核心」则在多线程任务中以更低功耗提供大量计算能力。到了M6，这套架构第一次下放到最基础的M系列芯片，多线程性能相比M5最高提升20%。
这很苹果。尤其放到Mac mini上，机器就这么大，电源和散热能力也都有明确边界，性能提升最终还是要和能效一起算账。
图片来源：苹果
GPU也有类似的变化。M6把GPU从10核增加到了12核。但更重要的是，从M5开始，苹果给每一个GPU核心都塞进了一组「神经网络加速器」，就像英伟达的CUDA核心和Tensor核心，二者思路很接近。
M6同样延续了这个设计，GPU既负责图形，也负责AI。
事实上，对于真正的大语言模型、图像生成和其他生成式AI工作负载，GPU的重要性正在快速提高。模型规模越大，需要的并行计算和内存吞吐越高，GPU就越容易成为主力。
所以苹果现在的策略是保留GPU原本擅长的大规模并行计算，同时给每个GPU核心增加专门的「神经网络加速器」。
GPU还是GPU，但越来越像一块专门为生成式AI改造过的GPU。
与此同时，M6还第一次搭载了两组16核神经网络引擎，算力最高达到前代的两倍，系统框架还可以自动同时调用两组神经网络引擎。
这些变化并不意味着M6突然从消费级芯片变成了什么AI怪兽。最高仍然只有32GB统一内存，170GB/s的带宽想跑真正的本地「大」模型，也是妄想。
但M6的方向非常清楚。过去基础款M芯片解决的是「绝大部分电脑任务都足够快」。M6开始更多考虑普通用户未来在本地跑AI、调用Agent、做图像生成、跑中小型模型的时候，芯片应该怎么分配算力。
为此，苹果几乎把CPU、GPU和AI三条线同时重整了一遍。
而这还只是基础款。在M5 Ultra这颗「超级胶水怪」上，苹果解决就是另一种问题了。
M5 Ultra是苹果造的「超级胶水怪」
一颗芯片到底还能做多大？直接看看M5 Ultra：
最高拥有36核CPU、80核GPU、32核神经网络引擎，统一内存最高512GB，带宽达到1.2TB/s。
图片来源：苹果
单看CPU和GPU核心数，甚至没有特别吓人。上一代M3 Ultra已经拥有32核CPU和80核GPU，512GB统一内存也早就有了。
问题是苹果第一次把四颗晶粒连在了一起。
M5 Ultra本质上是通过新一代UltraFusion互连技术，将两颗双晶粒M5 Max连起来，最终组成四晶粒架构，共同组成一颗SoC。
听起来很像「胶水大法」。实际上也确实可以这么理解，只是这瓶胶水贵得离谱，技术难度也完全不是把四块芯片摆到一起这么简单。
先简单说下苹果为什么要这么干。
过去几十年提高芯片性能，一个最直接的办法就是把芯片越做越大，往里面塞更多晶体管、更多CPU和GPU核心。但芯片不能无限长大，光刻机一次曝光的面积存在上限，同一块晶圆上芯片面积越大，碰到制造缺陷的概率也越高：
假设晶圆上有一个微小缺陷，它落在一颗很小的芯片旁边，可能只报废一颗。如果你造的是一块面积巨大的芯片，同样一个缺陷就可能让整块价值昂贵的大芯片直接报废。
芯片越大，良率越难控制，成本自然也越来越恐怖。所以现代高性能芯片越来越流行「拆开做」，AMD的Ryzen和EPYC很早就大规模采用Chiplet，英伟达、英特尔以及苹果都在不断往多晶粒封装发展。
不过拆开做容易，但想拼成「一颗芯片」很难。
因为CPU和GPU内部的数据交换速度极快，如果四颗晶粒之间通信速度太慢，CPU访问另一块晶粒上的数据就需要等待，GPU跨晶粒调用资源同样会产生延迟，实际运行起来得不偿失。
所以关键就落在UltraFusion芯片级互连技术上。
上一代M3 Ultra同样采用UltraFusion，但只连接两颗晶粒，晶粒之间拥有超过2.5TB/s的低延迟带宽。到了M5 Ultra，四颗晶粒协同，苹果把晶粒间带宽直接提高到4.4TB/s以上，连接密度也提升超过6倍。
4.4TB/s，甚至远远高于M5 Ultra自身1.2TB/s的统一内存带宽，再加上超低延迟互连和软硬件协同，所以才能做到真正的「四合一」，不管对软件还是用户来说。
图片来源：苹果
从方向上看，四晶粒架构也决定了未来的Apple Silicon还能怎么继续变强。以后需要更多CPU，可以继续增加计算晶粒。需要更大的GPU，可以继续扩展GPU资源。
甚至在更远的未来，苹果也完全有可能根据不同产品，把计算、AI、I/O或者其他模块拆成不同晶粒，再重新组合。
而与此同时，AI又开始疯狂吞噬算力和内存。M5 Ultra这套四晶粒架构，几乎正好撞上了最需要它的时代。
定位「智能体计算工具」，苹果加码AI计算机
「全天候的智能体计算工具」，这是苹果给新款Mac mini在「台式电脑」之外的新定位。
图片来源：苹果
虽然早有迹象，但这还是苹果第一次如此明确地给Mac贴上AI标签，不仅在英文官网直接提到ClaudeCowork、OpenClaw、Ollama、LMStudioBionic等应用，更是把Agent（智能体）已经直接写进了M6 Mac mini的产品定义里。
M5 Ultra走得更远，苹果次明确把多台Mac Studio组成集群作为AI能力来宣传。通过Thunderbolt 5和RDMA，多台机器可以直接进行低延迟数据交换，四台Mac Studio组成集群时，分布式AI推理性能最高可以达到单机的3倍。
硬件之外，软件也在补齐。
苹果今年推出了全新的Core AI框架，专门针对Apple Silicon上的本地大模型进行构建、运行和部署；MLX继续负责模型训练、微调和推理；JACCL则负责多台Mac之间的高速通信。
从芯片、系统框架到模型工具，再到多机互连，已经开始连成一整套。
苹果过去谈Apple Silicon，核心一直是性能和能效。但到了这一代，AI开始真正进入芯片架构、系统软件甚至Mac产品定位本身：
把Mac真的当成AI计算机来设计。
M6负责把这种能力引入到最普通的Mac上，M5 Ultra则负责把Apple Silicon往更专业、更大规模的本地AI计算继续往上推。
这也是六年之后Apple Silicon又一个关键的转折。2020年往后，苹果自研芯片最大的故事，是摆脱英特尔之后，Mac终于拥有了性能、功耗和软硬件整合上的主动权。
现在，拥有这种主动权的苹果，正在把Apple Silicon慢慢从一套「更适合Mac的处理器」，变成自己的一整套AI计算平台。