2023年，一臺M2 Ultra Mac Pro頂配賣7萬塊，現(xiàn)在官網(wǎng)直接404。蘋果把這條產(chǎn)品線連根拔起的同時，悄悄給外接顯卡開了綠燈——不是給游戲，是給AI。

TinyCorp的驅動過審那天，創(chuàng)始人George Hotz在X上發(fā)了條消息：「如果你有雷電或USB4外接顯卡盒，今天就是你們等了三年的那天?！?/p>

這句話的潛臺詞很直白：蘋果終于承認，自家芯片的AI算力天花板，靠插顯卡能捅破。

從"不支持"到"官方認證"：蘋果態(tài)度的180度轉彎

Apple Silicon（蘋果自研芯片）剛發(fā)布時，外接顯卡（eGPU，External Graphics Processing Unit，外部圖形處理器）就被判了死刑。M1芯片的架構設計把PCIe通道鎖死，雷電口只能傳數(shù)據(jù)，不能跑顯卡。

用戶想插個AMD顯卡打游戲？系統(tǒng)直接不認。想繞過限制？得關掉SIP（System Integrity Protection，系統(tǒng)完整性保護），相當于給Mac敞開后門，風險自擔。

這次過審的TinyGPU驅動走的完全是另一條路。它不碰圖形輸出，專攻AI計算——你的顯示器還是接在Mac上，但訓練模型、跑大語言模型的活，全扔給外接的Nvidia或AMD卡。

支持名單很具體：macOS 12.1及以上，雷電3/4或USB4接口，AMD RDNA3代起（RX 7000系列），Nvidia Ampere架構起（RTX 30系列）。

AMD卡可以原生運行，Nvidia卡需要搭Docker Desktop走NVCC（Nvidia CUDA Compiler，英偉達CUDA編譯器）路線。配置門檻不高，但比即插即玩復雜一檔。

關鍵突破在于：不需要關SIP，不需要進恢復模式敲代碼，安裝后系統(tǒng)設置里點一下"允許"就能用。

對普通用戶這只是一步，對Mac生態(tài)這是蘋果首次官方認可外接算力擴展。之前社區(qū)折騰的補丁、內(nèi)核擴展，隨時可能被系統(tǒng)更新封殺；現(xiàn)在TinyGPU進了白名單，穩(wěn)定性有了底層保障。

實測數(shù)據(jù)：27B參數(shù)模型塞進Mac Mini

TinyCorp放出的測試用例很敢選——Qwen 2.5 27B，阿里開源的大語言模型，參數(shù)量270億。這個體量之前想跑在Mac上，得M3 Max起步還得看內(nèi)存臉色。

現(xiàn)在一臺基礎款Mac Mini M4，外接一張RTX 4090，通過TinyGPU的tinygrad框架（一個輕量級深度學習框架）能把模型完整加載進顯存。推理速度沒公布具體數(shù)字，但官方用了"effectively"（有效運行）這個詞，暗示可用級別。

算力對比很直觀。M4的神經(jīng)網(wǎng)絡引擎（Neural Engine）標稱38 TOPS（Tera Operations Per Second，每秒萬億次運算），一張RTX 4090的FP16（半精度浮點）算力是330 TFLOPS，差距接近一個數(shù)量級。

更關鍵的是顯存帶寬。Mac的統(tǒng)一內(nèi)存架構被吹了很多年，但M4 Pro最高也就273GB/s；RTX 4090的GDDR6X（圖形用雙倍數(shù)據(jù)速率6X顯存）帶寬是1008GB/s，訓練大模型時這差距會放大成訓練時間的倍數(shù)差。

George Hotz在采訪里提過tinygrad的設計哲學：不做PyTorch（一個主流深度學習框架）的復制品，而是用更少的代碼做同樣的事。整個框架核心代碼約1萬行，相比之下PyTorch超過100萬行。輕量化意味著在資源受限的設備上更容易優(yōu)化——比如Mac。

這套組合的真正價值，是把Mac從"AI消費端"變成"AI生產(chǎn)端"。之前開發(fā)者買Mac跑AI，多是調(diào)試代碼、管理云端實例；現(xiàn)在本地能訓能推，工作流程可以徹底離線。

Mac Pro之死與算力外包的新邏輯

時間線疊在一起看很有意思。TinyGPU過審的前幾周，蘋果官網(wǎng)撤掉了Mac Pro的產(chǎn)品頁，搜索直接跳轉到Mac首頁。14年只更新3代，最后一代M2 Ultra版本上市不到兩年，成了絕響。

傳聞中的M4 Ultra沒出現(xiàn)。供應鏈消息說芯片良率問題導致超大核心版本難產(chǎn)，但更可能的解釋是銷量撐不起一條產(chǎn)品線——專業(yè)用戶要的是可擴展性，蘋果給的是焊死的統(tǒng)一內(nèi)存。

Mac Pro的死亡和外接顯卡的放行，其實是同一枚硬幣的兩面。蘋果放棄了自己造"AI工作站"的執(zhí)念，轉而允許用戶用第三方硬件補缺口。

這套邏輯和iPhone的MagSafe（磁吸充電/配件接口）生態(tài)有點像：核心體驗我控死，邊緣需求你們自己加。區(qū)別是MagSafe賣的是配件授權費，eGPU賣的是Mac的入場券——你總得先有一臺Mac才能插顯卡。

對開發(fā)者群體的影響正在顯現(xiàn)。機器學習工程師@swyx在X上評論：「這意味著我可以把家里的游戲PC顯卡拆下來，插到Mac Mini上寫代碼，周末再插回去打游戲?！挂豢▋捎?，硬件利用率拉滿。

更深層的變化是軟件生態(tài)。tinygrad框架之前主要在Linux（一種開源操作系統(tǒng)）社區(qū)活躍，現(xiàn)在有了官方支持的macOS版本。開發(fā)者用同一套代碼，可以在Mac本地調(diào)試、云端Linux服務器訓練、邊緣設備部署，跨平臺摩擦大幅降低。

誰該現(xiàn)在上車，誰該再等等

現(xiàn)階段TinyGPU的適用場景很明確：本地AI推理、中小規(guī)模模型微調(diào)、隱私敏感的數(shù)據(jù)處理（醫(yī)療、金融）。不適合的是需要多卡并聯(lián)的大規(guī)模訓練——驅動目前只支持單卡，且沒有NVLink（英偉達多卡互聯(lián)技術）支持。

成本賬要細算。一張RTX 4090現(xiàn)在市價約1.5萬，雷電顯卡塢2000-4000不等，加上Mac Mini M4基礎款4500，總投入2萬出頭。對比同價位能買到的Windows工作站，單卡性能接近，但Mac的功耗和噪音控制仍有優(yōu)勢。

風險在于蘋果的長期承諾。驅動過審是第一步，后續(xù)macOS更新會不會打破兼容性，取決于蘋果和TinyCorp的合作深度。參考之前eGPU的歷史——蘋果2018年官方支持過一陣，2019年后逐漸冷淡——這次能持續(xù)多久，沒人敢打包票。

George Hotz的回應很典型：「我們開源了全部代碼，如果蘋果哪天反悔，社區(qū)可以自己維護?！箃inygrad的GitHub倉庫確實完全公開，但內(nèi)核驅動的簽名密鑰掌握在蘋果手里，這是真正的命門。

另一個變量是Nvidia的態(tài)度。Ampere架構的驅動支持是社區(qū)逆向的成果，Nvidia官方從未給Mac寫過驅動。RTX 40系列（Ada Lovelace架構）能否支持，取決于TinyCorp的逆向工程進度和蘋果的政策容忍度。

AMD路線更穩(wěn)一些，RDNA3和即將推出的RDNA4都有開源驅動基礎。但AI生態(tài)的重心明顯偏向CUDA（Nvidia的并行計算平臺），ROCm（AMD的開源GPU計算平臺）的兼容性仍是硬傷。

現(xiàn)在最積極的用戶群體是兩類：已經(jīng)買了Mac但算力不夠用的開發(fā)者，以及想進蘋果生態(tài)但被AI性能勸退的觀望者。對前者這是補救方案，對后者這是降低門檻的入口。

一個細節(jié)值得注意：TinyGPU的安裝流程里有一步，需要在終端運行腳本下載驅動。蘋果官方文檔里從沒教過用戶這樣做，但也沒阻止——這種"默許但不鼓勵"的姿態(tài)，是蘋果對第三方擴展的典型態(tài)度。

Mac Mini M4的電源適配器是內(nèi)置的，整機功耗鎖在100W以內(nèi)。外接RTX 4090后，顯卡塢單獨供電450W起步，桌面 suddenly 多了兩個電源 brick。這是蘋果設計哲學和實用主義妥協(xié)的物理痕跡。