蘋果憋了3年終于松口，外接顯卡讓Mac Mini性能暴漲7倍

2023年，一臺M2 Ultra Mac Pro頂配賣7萬塊，現在官網直接404。蘋果把這條產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，創始人George Hotz在X上發了條消息：「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。」

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"：蘋果態度的180度轉彎

Apple Silicon（蘋果自研芯片）剛發布時，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，雷電口只能傳數據，不能跑顯卡。

用戶想插個AMD顯卡打游戲？系統直接不認。想繞過限制？得關掉SIP（System Integrity Protection，系統完整性保護），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生態這是蘋果首次官方認可外接算力擴展。之前社區折騰的補丁、內核擴展，隨時可能被系統更新封殺；現在TinyGPU進了白名單，穩定性有了底層保障。

實測數據：27B參數模型塞進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，參數量270億。這個體量之前想跑在Mac上，得M3 Max起步還得看內存臉色。

現在一臺基礎款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的神經網絡引擎（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，差距接近一個數量級。

更關鍵的是顯存帶寬。Mac的統一內存架構被吹了很多年，但M4 Pro最高也就273GB/s；RTX 4090的GDDR6X（圖形用雙倍數據速率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生產端"。之前開發者買Mac跑AI，多是調試代碼、管理云端實例；現在本地能訓能推，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，蘋果官網撤掉了Mac Pro的產品頁，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。供應鏈消息說芯片良率問題導致超大核心版本難產，但更可能的解釋是銷量撐不起一條產品線——專業用戶要的是可擴展性，蘋果給的是焊死的統一內存。

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）生態有點像：核心體驗我控死，邊緣需求你們自己加。區別是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。

對開發者群體的影響正在顯現。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。」一卡兩用，硬件利用率拉滿。

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

誰該現在上車，誰該再等等

現階段TinyGPU的適用場景很明確：本地AI推理、中小規模模型微調、隱私敏感的數據處理（醫療、金融）。不適合的是需要多卡并聯的大規模訓練——驅動目前只支持單卡，且沒有NVLink（英偉達多卡互聯技術）支持。

成本賬要細算。一張RTX 4090現在市價約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勢。

風險在于蘋果的長期承諾。驅動過審是第一步，后續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，社區可以自己維護。」tinygrad的GitHub倉庫確實完全公開，但內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的態度。Ampere架構的驅動支持是社區逆向的成果，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路線更穩一些，RDNA3和即將推出的RDNA4都有開源驅動基礎。但AI生態的重心明顯偏向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。

現在最積極的用戶群體是兩類：已經買了Mac但算力不夠用的開發者，以及想進蘋果生態但被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，是蘋果對第三方擴展的典型態度。

Mac Mini M4的電源適配器是內置的，整機功耗鎖在100W以內。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的物理痕跡。