9 月 25 日，科技博主 @aaronp613 在 X 平台披露，苹果在 Jamf 全球用户大会（JNUC）的演讲中公布了一张端侧 AI 推理能力对比图表，把从 iPhone、iPad 一直到 Mac Studio 集群的本地 AI 上限全部摆上台面：16GB 内存的 iPhone 18 Pro 这类设备最高可跑 140 亿参数激活模型，而 Mac Studio 集群的上限达到 1.6 万亿。
一张表，六个台阶
图表按设备定位分成六档。iPhone 和 iPad 拥有 16GB 统一内存、76GB/s 带宽，承载最高 140 亿参数激活模型，覆盖 Siri、文字润色、图片处理等日常任务；MacBook Air 32GB 内存，上限 350 亿；Mac mini 64GB，上限 700 亿；MacBook Pro 128GB，上限 1200 亿；Mac Studio 512GB 内存、1.2TB/s 带宽，上限 4800 亿；Mac Studio 组成集群后，2TB 统一内存可承载 1.6 万亿参数模型的本地训练与推理。
值得注意的细节是，这组数字用的是激活参数口径。大模型的激活参数只占总参数量的一部分，实际能加载的模型总规模可以更大。苹果用激活参数来划线，等于承认了稀疏化模型在端侧的主流地位，也给未来模型架构升级留了空间。
六档数字之间大致是每上一档翻一倍的关系，梯度设计相当刻意。从手机到集群，用户能清楚看到加钱换能力的路径，每一档都有明确的买单理由。
统一内存是分水岭
这张表的核心变量有两个：内存容量和带宽。苹果的统一内存架构让 CPU 与 GPU 共享同一块内存池，模型参数可以完整加载进内存，带宽则决定推理速度。这也是苹果敢把内存当成 AI 性能代名词来宣传的底气。对消费者来说，以后选 Mac 的逻辑会更直白：买多少内存，决定本地能跑多大的模型。
对比同行，Windows 阵营的 AI PC 大多还在宣传 NPU 算力 TOPS，苹果直接用可承载的模型参数量说话，颗粒度更细也更诚实。算力数字好看不代表跑得动大模型，内存和带宽才是硬约束。这套口径一旦被媒体和用户接受，其他厂商的营销话语会很被动。
为什么选在 JNUC 讲这件事
JNUC 是 Jamf 每年举办的 Apple IT 管理员大会，听众以企业用户为主。苹果在这里公布端侧 AI 矩阵，指向很明确：企业数据不出内网就能跑大模型，这是云端方案难以替代的卖点。当隐私敏感任务可以下沉到 Mac mini 和 Mac Studio，苹果在企业 AI 市场的叙事就有了实打实的硬件依据。
对 Jamf 这类设备管理服务商而言，这张表同样是产品素材：企业可以根据 AI 负载反推设备采购档位，IT 部门第一次有了量化选型依据。硬件参数表变成采购决策工具，这是苹果生态惯用的打法。
写在最后
把端侧 AI 的上限公开标注成一张价目表式的图表，苹果在替整个行业立规矩：以后谈本地大模型，先报内存和带宽。手机端 140 亿参数够用吗？对日常任务够了，真正的想象力在桌面和工作站那一档。当万亿参数模型可以塞进办公室的机箱里，端云之争才刚刚开始。
参考：IT之家《苹果公布全产品线端侧 AI 能力矩阵：iPhone 18 Pro 等最高跑 140 亿参数激活模型》报道，本文为基于公开信息的独立评述。
配图说明：本文封面为 AI 生成图像。