به گزارش 9to5Mac، در ستون «Apple @ Work» این ایده مطرح شده که اگر مدلهای هوش مصنوعی متن‌باز (open-weight) بخش واقعی از کار شرکت‌ها شوند، قیمت مک‌های اپل سیلیکونی در مقایسه با هزینه روزافزون توکن‌های ابری تقریباً ناچیز خواهد بود. بر پایه محاسبه‌ای که به هوراس ددیو نسبت داده شده، خرید یک مکبوک پرو قدرتمند میتواند ظرف ۷ تا ۱۴ ماه خودش را جبران کند.
سختافزار گران‌تر شده، اما نه به‌اندازه صورت‌حساب هوش مصنوعی
نویسنده، برادلی چمبرز، که از سال ۲۰۰۹ مدیر فناوری اطلاعات در دنیای اپل بوده، می‌گوید سازمان‌هایی که اخیراً ناوگانی از دستگاه‌های اپل خریده‌اند، افزایش قیمت را حس کرده‌اند. با این حال او معتقد است مک‌ها نسبت به تورم و جهش عملکرد هنوز بسیار مقرون‌به‌صرفه‌اند؛ مثلاً اگر قیمت مک مینی یا مکبوک ایر را در روز عرضه با امروز مقایسه کنیم، رشد قیمت چشمگیر نبوده است. کمبود رم و پردازنده گرافیکی هم فشار تازه‌ای روی قیمت‌ها وارد کرده است؛ موضوعی که در تحلیل بازار فلش و کمبود حافظه هم به آن پرداخته‌ایم.
مشکل قیمت‌گذاری بر اساس توکن
هوش مصنوعی ابری در سازمان‌ها بر مبنای توکن قیمت‌گذاری میشود. این مدل برای مصرف سبک مناسب است، اما ابزارهای عامل‌محور (agentic) که کد می‌نویسند، اسناد را تحلیل می‌کنند و کارهای چندمرحله‌ای انجام می‌دهند، توکن را با سرعتی بسیار بیشتر از یک چت‌بات ساده مصرف می‌کنند. طبق پژوهش Fleet درباره مدیران IT، شرکتی پس از عرضه یک ابزار کدنویسی هوشمند برای حدود ۵ هزار مهندس، کل بودجه هوش مصنوعی سال ۲۰۲۶ خود را فقط در چهار ماه مصرف کرد. مشکل اصلی هزینه متغیر است: بخش مالی تا رسیدن فاکتور نمی‌داند عدد نهایی چقدر میشود.
در مقابل، سختافزار محلی یک‌بار پرداخت میشود و سقف هزینهاش مشخص است. پس از خرید، اجرای مدل روی آن جز مصرف برق هزینه چندانی ندارد.
محاسبه ددیو: بازگشت سرمایه در حدود یک سال
هوراس ددیو در نوشته‌ای در Asymco مثالی آورده است: مدلی با ۲۶ میلیارد پارامتر که روزانه چهار ساعت برای تحلیل استفاده شود، حدود ۱۵۰ میلیون توکن در ماه مصرف می‌کند و از طریق ارائه‌دهنده ابری برای هر کاربر ماهانه ۴۵۰ تا ۸۵۰ دلار هزینه دارد. در همین حال، مکبوک پرو ۱۶ اینچی با M5 Max و ۱۲۸ گیگابایت حافظه یکپارچه حدود ۶٬۵۰۰ دلار قیمت دارد و میتواند همین مدل را محلی اجرا کند. نتیجه، دوره بازگشت سرمایه ۷ تا ۱۴ ماهه است.
چرا اپل سیلیکون برای این کار مناسب است؟
دلیل اصلی، حافظه یکپارچه است. در بیشتر کامپیوترهای شخصی، پردازنده گرافیکی حافظه کوچک و مجزای خودش را دارد و مدل باید در همان جا جا شود. در اپل سیلیکون، GPU به کل حافظه دسترسی دارد؛ بنابراین لپ‌تاپی با ۱۲۸ گیگابایت میتواند مدلی را در خود جای دهد که در پلتفرم‌های دیگر به تجهیزات بسیار گرانتری نیاز دارد. اگر مکی در کمتر از یک سال هزینه خود را جبران کند و چهار تا پنج سال در خدمت بماند، افزایش قیمت مک استودیو عملاً خطای گرد کردن است. البته اگر کدنویسی عامل‌محور همچنان با این سرعت پیشرفت کند، شاید ارتقای زودتر لازم شود. نمونه‌ای از همین ظرفیت محلی را در خبر اپ‌های مک نمی‌بینید، اما اکوسیستم ابزارهایی مثل Ollama برای مک رو به رشد است.
محدودیت‌ها و مدل ترکیبی
کل این حساب به یک فرض وابسته است: مدل متن‌باز محلی باید برای کار روزمره به‌اندازه کافی خوب باشد. برای خلاصهسازی اسناد، پیش‌نویس‌نویسی، تحلیل محتوای داخلی و کدنویسی ساده، فاصله با مدلهای پیشرو به‌طور قابل‌توجهی کم شده است؛ اما برای سختترین استدلالها و کدنویسی‌ها هنوز مدلهای مرزی برترند. همچنین مصرف ۱۵۰ میلیون توکن در ماه برای یک کارمند معمولی زیاد است و قیمت توکن‌ها هم رو به کاهش است.
به همین دلیل چمبرز به مدل ترکیبی علاقه دارد. شرکت Cribl اخیراً StreamAI را معرفی کرده، یک دروازه هوش مصنوعی که هر درخواست را به مدل مناسب هدایت می‌کند و کنترل بودجه دارد. جَمف هم در JNUC 2026 پشتیبانی از هوش مصنوعی روی دستگاه را با blueprint، دروازه محلی و سیاست‌های مدیریتی نشان داد. جرمی باچر از اپل نیز گفت پلتفرم اپل بهترین راه برای انجام هر دو شیوه، ابری و روی دستگاه، است.
جمع‌بندی نویسنده این است که قیمت مک‌ها بالا می‌رود، اما صورت‌حساب توکن‌ها سریع‌تر بالا می‌رود، حتی اگر قیمت هر توکن کم شود. اگر مدلهای متن‌باز سهمی معقول از بار کاری هوش مصنوعی سازمانی را بر دوش بگیرند، اپل سیلیکون موقعیت بسیار خوبی خواهد داشت.
منبع: 9to5Mac
