El mundo de la inteligencia artificial está viviendo un giro inesperado. Según un informe de The Information, OpenAI habría comprado decenas de miles de Mac mini y Mac Studio en los últimos meses. El objetivo no es otro que entrenar a sus agentes de IA para que aprendan a manejar un ordenador como lo haría una persona: haciendo clic, navegando por menús, rellenando formularios y ejecutando tareas complejas. Esta estrategia, que ha cogido por sorpresa a más de uno, demuestra que el hardware de Apple ya no es solo para consumidores y creativos, sino que se ha convertido en una pieza clave en la infraestructura de los grandes laboratorios de IA.
La noticia, recogida también por medios como Cult of Mac, Moneycontrol y 24/7 Wall St., apunta a que estos equipos se están utilizando en una fase muy concreta del entrenamiento: el aprendizaje por refuerzo. En este proceso, los modelos de IA interactúan con interfaces gráficas reales, probando acciones y recibiendo recompensas o penalizaciones según el resultado. Es un método que exige mucha memoria y la capacidad de ejecutar miles de simulaciones en paralelo, algo para lo que los Mac con chip Apple Silicon parecen estar especialmente bien preparados.
Por qué Apple Silicon es clave para el aprendizaje por refuerzo
El entrenamiento de un agente de IA que debe usar un ordenador es muy distinto al de un modelo de lenguaje tradicional. En lugar de absorber grandes cantidades de texto, el agente tiene que interpretar lo que ve en la pantalla, decidir qué acción tomar y comprobar si ha funcionado. Cada intento se puntúa y el modelo ajusta su estrategia con esa retroalimentación. Para que esto sea posible, se necesitan miles de sesiones independientes ejecutándose a la vez, cada una con su propio estado y contexto.
Aquí es donde entra en juego la arquitectura de memoria unificada (UMA) de los chips de Apple. A diferencia de los sistemas tradicionales con GPU, donde la memoria de vídeo y la RAM están separadas y los datos tienen que viajar de un lado a otro, en los Mac la CPU, la GPU y el Neural Engine comparten el mismo bloque de memoria. Esto reduce los cuellos de botella y permite que el modelo acceda rápidamente a la información que necesita en cada momento. Como señalan varios análisis, esta característica es fundamental para que el agente pueda mantener una representación constante de la pantalla, las instrucciones y los resultados de sus acciones.
Otro factor que juega a favor de los Mac mini y Mac Studio es su sistema de refrigeración. A diferencia de los MacBook, que son más delgados y ligeros, estos equipos de escritorio cuentan con ventiladores dedicados que les permiten mantener un rendimiento estable durante horas o incluso días de entrenamiento intensivo. Esto es crucial para el aprendizaje por refuerzo, que puede requerir sesiones muy largas sin que el equipo se sobrecaliente y reduzca su velocidad.
OpenAI compra, Anthropic alquila: dos estrategias para el mismo fin
La noticia también revela que OpenAI no es la única compañía interesada en esta vía. Anthropic, respaldada por Google y Amazon, habría optado por una estrategia diferente: en lugar de comprar los equipos, está alquilando capacidad de Mac mini a través de Amazon Web Services (AWS). Esta diferencia es importante porque demuestra que no hace falta invertir una fortuna en hardware para probar si esta arquitectura funciona. Se puede alquilar la capacidad, medir el rendimiento y luego decidir si merece la pena comprar o seguir con el alquiler.
El interés de estos laboratorios por los Mac no significa que vayan a sustituir a los grandes clústeres de GPU de Nvidia. El entrenamiento de modelos de lenguaje a gran escala sigue dependiendo de esos aceleradores especializados. Sin embargo, para tareas de inferencia intensiva y para el entrenamiento de agentes que interactúan con interfaces, los Mac ofrecen una alternativa más económica y eficiente. Como explica el analista Shay Boloor, los equipos de Apple se destinan a la fase de aprendizaje por refuerzo, mientras que las GPU siguen siendo imprescindibles para el preentrenamiento.
La demanda tensiona la cadena de suministro y Apple reacciona
Esta fiebre por los Mac no ha pasado desapercibida en la cadena de suministro. Según varios informes, las configuraciones de Mac mini y Mac Studio con más memoria llevan meses agotadas y los plazos de entrega para versiones personalizadas se han estirado durante semanas. La escasez de memoria DRAM y NAND a nivel mundial, provocada por la demanda de los centros de datos, ha agravado la situación. Los proveedores priorizan a los grandes hyperscalers y los pedidos de Apple compiten en la misma cola.
Para hacer frente a esta situación, Apple adelantó su calendario de renovación. El 25 de agosto de 2026, la compañía presentó los nuevos Mac mini con chip M6 y M5 Pro, así como los Mac Studio con M5 Max y M5 Ultra. Este movimiento, inusualmente temprano, responde a la necesidad de reabastecer el mercado con chips más potentes y eficientes. Los nuevos modelos incluyen mejoras significativas en rendimiento y memoria, con opciones que llegan hasta los 512 GB de memoria unificada en el Mac Studio M5 Ultra.
La decisión de Apple de adelantar el lanzamiento también ha sido interpretada como una respuesta a la presión de la demanda. La compañía no ha confirmado oficialmente la compra de OpenAI, pero los plazos de entrega y la escasez de stock sugieren que la demanda institucional es real. De hecho, los ingresos de la división Mac crecieron un 29% interanual en el último trimestre, alcanzando los 10.400 millones de dólares, lo que la convierte en la línea de negocio de más rápido crecimiento de Apple.
Nvidia observa con atención y Apple se posiciona en el mercado empresarial
El auge de los Mac en el ámbito de la IA local no ha pasado desapercibido para Nvidia. Según una fuente cercana a la compañía, Nvidia ya considera a Apple como su mayor competidor en el procesamiento local de IA. Para hacer frente a esta amenaza, Nvidia lanzó a finales del año pasado el DGX Spark, un ordenador de escritorio con un diseño similar al Mac mini, equipado con un chip Grace Blackwell y hasta 128 GB de memoria unificada. Este producto está dirigido directamente al mercado de la inferencia de IA en el escritorio.
Apple, por su parte, está intentando aprovechar este momento para afianzarse en el mercado empresarial. En junio, la compañía celebró un evento cerrado en Apple Park llamado «Business at the Park», al que asistieron ejecutivos de Disney, Ford y el cofundador de Anthropic, Jared Kaplan. En este evento, Apple destacó las ventajas de su hardware para procesar tareas de IA localmente, con el Mac mini como gran protagonista. Sin embargo, la compañía aún no cuenta con un equipo comercial dedicado al segmento enterprise de IA, algo que algunos exejecutivos han señalado como una oportunidad perdida.
La escasez de suministro también está dando lugar a nuevos modelos de negocio. Peter Voell, un ex empleado de OpenAI, ha fundado Mount Thor, una empresa de computación en la nube basada en hardware de Apple que aún está en modo sigiloso. Otras compañías, como Namespace Labs, han recurrido a montar MacBook Pro en racks para satisfacer la demanda de sus clientes. Este ecosistema emergente demuestra que el interés por los Mac como infraestructura de IA va más allá de los grandes laboratorios.
En definitiva, la noticia de que OpenAI ha comprado decenas de miles de Mac mini y Mac Studio para entrenar a sus agentes de IA marca un antes y un después en la industria. La memoria unificada de Apple Silicon, la eficiencia energética y la capacidad de ejecutar miles de sesiones en paralelo han convertido a estos equipos en una herramienta valiosa para el aprendizaje por refuerzo. Aunque ni Apple ni OpenAI han confirmado oficialmente la operación, los datos de ventas, la escasez de stock y el adelanto de los lanzamientos apuntan a que esta tendencia es real. Queda por ver cómo responderá Nvidia y si Apple sabrá aprovechar esta oportunidad para consolidarse en el mercado empresarial de la IA.
