OpenAI compra más de 10,000 Macs para entrenar agentes: Apple como infraestructura de IA
OpenAI ha comprado silenciosamente decenas de miles de Mac mini y Mac Studio para entrenar agentes de uso de computadora, según The Information. Esto convierte a Apple en un actor accidental de infraestructura de IA, ya que su silicio—particularmente la arquitectura de memoria unificada—se adapta mejor a las necesidades de la IA agéntica que los enormes clústeres de GPU.
¿Por qué Macs para IA agéntica?
Entrenar modelos de frontera como GPT requiere clústeres masivos de GPU. Pero la IA agéntica—agentes que usan computadoras, escriben/prueban código, navegan por software, gestionan archivos—necesita algo diferente: miles de máquinas independientes ejecutando tareas en paralelo. La memoria unificada del silicio de Apple permite que CPU, GPU y memoria compartan el mismo pool, facilitando la ejecución eficiente de muchas tareas pequeñas. OpenAI no está solo; Anthropic ha alquilado capacidad de silicio de Apple a través de AWS para cargas de trabajo similares.
El impulso accidental de ingresos de Apple
Los ingresos de Mac de Apple alcanzaron aproximadamente $10.4 mil millones en su tercer trimestre fiscal, un aumento del 29% interanual. Aunque Apple no revela cuánto proviene de laboratorios de IA, la escasez de configuraciones de mayor memoria y las grandes compras institucionales sugieren una nueva fuente de demanda. Apple incluso ajustó su ciclo de lanzamiento de otoño para acomodarse, renovando el Mac mini con el chip M6 y el Mac Studio con procesadores M5 Max/M5 Ultra. Ambos están posicionados para IA, incluyendo cargas de trabajo de LLM local y agrupación Thunderbolt 5.
Por qué importa: Los laboratorios de IA están cambiando sus estrategias de cómputo. Para el entrenamiento de agentes, la amplitud en muchas máquinas supera a la potencia bruta de GPU. Esto podría hacer que los desktops de consumo sean una alternativa viable—y rentable—a la construcción de centros de datos.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también
Perspectivas de los desarrolladores sobre la ansiedad por la IA y la 'psicosis de IA'
Un debate en Reddit revela una ansiedad generalizada entre desarrolladores que usan herramientas de IA, con diferentes grupos de edad experimentando presiones distintas: los de 35 a 45 años sienten presión constante por reinventarse, los de 25 a 35 años temen que sus habilidades queden obsoletas, y los desarrolladores menores de 25 años enfrentan riesgos de agotamiento a pesar de su fluidez con la IA.
Actualización del Rendimiento de Inferencia de MLX: Puntos de Referencia y Características de Abril de 2026
El rendimiento de inferencia de MLX ha mejorado significativamente, con Qwen3.5-35B-A3B alcanzando 71.8 tokens/segundo en contexto de 4K y nuevas características como Predicción Multi-Token y SpecPrefill proporcionando aceleraciones de 2.3x a 5.5x para modelos grandes.
Centro de datos de IA de Georgia drenó 29 millones de galones de agua sin medir
El campus de QTS en Fayetteville utilizó 29 millones de galones a través de dos conexiones de agua no autorizadas durante 15 meses, lo que provocó quejas por baja presión. El condado renunció a las multas y cobró $147,000 de forma retroactiva.
Uso de agua en centros de datos de IA en California: Estimaciones basadas en física y modelos de IA
Un análisis de California WaterBlog que utiliza física y cuatro modelos de IA estima el uso de agua de los centros de datos de IA en California entre 2,300 y 400,000 acres-pie/año, con un rango realista de 32,000 a 290,000 acres-pie/año, modesto en comparación con la agricultura.