上周末我把一台旧 MacBook 从书房搬到客厅，插上电，让它整晚跑本地模型。第二天早上它还在跑，风扇声音很小。那一刻我意识到一件事：这台电脑不是我在用它，是它在替我干活。
这大概是苹果最近在试的方向。据公开报道，苹果全资子公司 Claris 正在测试一款叫 Harbor 的应用，作用是把苹果芯片的 Mac 变成本地 AI 服务器。
苹果悄悄测的这个东西，是干嘛的
按报道里的说法，Harbor 单台 Mac 就能跑；也能通过雷雳 5 接口连多台 Mac，合起来跑更大的模型。应用会自动识别雷雳 5 设备，支持浏览、下载开放权重模型，不用手动配置就有端侧 AI 能力。
里面最值钱的是那几个字：自动识别、浏览下载、不用手动配置。本地部署最烦的就是这一步，命令行、依赖、量化格式，很多人折腾到一半就放弃。苹果想做的是开箱即用。
但它还在早期体验阶段，没向公众开放。此前它曾在 App Store 出现过，页面后来被撤下。所以下面这些判断，都建立在「它最终会开放」的前提上——开放时间、支持的机型、跑分，官方一样都没公布。
为什么是现在
三个条件同时到位了。一个是统一内存。苹果芯片的 CPU 和 GPU 共用同一块内存，模型不用在两边来回搬，内存带宽基本决定了推理速度。这算行业共识，不是苹果独有的本事。
另一个是雷雳 5。这条线把「多台机器一起跑」从论文里的事，变成了插上就能试的事：带宽够、接口统一，苹果自己写调度也顺手。
还有一个是开放权重模型真的变强了。能下载、能本地跑的那批模型，这两年进步很快，很多日常任务已经不需要云端最强的那个。模型够用，本地跑才成立。
把几台 Mac 串起来，图的是内存
消费级显卡的显存，通常远小于同价位 Mac 的统一内存，这是常识。所以「这个模型装不装得下」，Mac 天然占优。装不下就是跑不了，装得下才有后面速度的事。
拼机器的意义就在这儿：拼的不是算力峰值，是内存池。两台、三台的内存加起来，能塞下单台塞不下的模型。对一个小团队来说，这比去买一张顶配显卡现实得多。
算账也简单。云端按调用付费，用多久付多久；本地买一次，机器就一直在那儿，长期跑批处理，账会越算越划算。反过来，一个月只用两次的人，这笔钱永远赚不回来。
对普通人来说，意义更朴素。那台电脑原来是「用完就关」的工具，现在随时待命、断网也能读文件、整资料。我在自己的 Mac 上跑过本地模型，体感很直接：模型躺在硬盘里，随手问一句就走，不用等加载，不用算额度。
先说硬伤
头一个是互联延迟。几台机器隔着线协同推理，通信开销躲不掉，模型切得越细，等的时间越长。这不是插上线就能线性叠加的事。
再一个是软件调度。把一层层网络拆到两台机器上跑，谁先算、谁等谁、内存怎么分，全是工程活。苹果自己写这套东西是优势，但早期版本大概率会有一段「看着能跑、实际很慢」的时期。
第三个是功耗和噪音。多台机器长期在线，电费是持续的，散热也是。数据中心有专门的机房、恒温恒湿和冗余供电，你家客厅只有一张桌子和一个插座。
还有一条常被忽略：算力峰值和并发。数据中心 GPU 是奔着同时服务很多请求设计的，Mac 不是。一个人用、一次跑一个任务，和一百个人同时用，是两种机器。
谁适合，谁真的别买
适合的第一类是小团队，尤其是数据敏感、不愿意把文件传到别人服务器上的那种。合同、病历、财务表，在本地跑一遍，心里踏实。
第二类是要离线干活的。工地、船上、断网的办公室，云端模型根本用不了，本地有台能跑模型的机器就是刚需。
第三类是要长期跑批处理的。每天晚上把一批文件过一遍，不用人盯着，也不求快，稳定比峰值重要。
不适合的也很明确：要跑千亿级参数的大模型，别指望几台 Mac；要对外提供高并发服务，也别用这个方案。它不是数据中心的替代品，是一台随时待命的电脑。
我的结论：先别为这个功能换机器
如果你只是看新闻觉得新鲜，现在什么都别做。应用没开放，机型、模型清单、性能数据官方一样没给，任何「我这台能跑多快」的说法目前都没有依据。
如果你手上已经有苹果芯片的 Mac，尤其是内存给得足的那种，等它开放了先免费试。要观察的只有三件事：想用的模型装得下吗、跑起来等多久、机器烫不烫吵不吵。
如果你正打算为这个功能买机器，我劝你再等等。等它真开放、等第一批人把「实际能跑什么」测出来，再决定花多少钱。硬件只会降价，功能不会跑。
说回那个体感。家里的电脑从「用完即走」变成「随时待命」，价值不在于省了多少云费，而在于你想用的时候它就在，不联网、不排队。这个变化值得等它成熟，等它开放那天，我把实测贴出来。
