Apple ogłosiła układ M5 w procesie 3 nm z 128-rdzeniowym blokiem neuronowym
Firma Apple zaprezentowała nowy procesor M5, wykonany w 3-nanometrowym procesie TSMC, z dedykowanym silnikiem neuronowym o 128 rdzeniach.
Paradoks M5: Dlaczego „nudny” układ Apple to najbardziej agresywny atak na NVIDIA i Intela od 5 lat
[Sedno]: co naprawdę się dzieje
Gdy Apple ogłasza nowy układ, a dziennikarze piszą o „skromnym wzroście CPU o 5-10%”, grają w grę, której zasady Apple już unieważniło. Analitycy porównują częstotliwości taktowania i Geekbench z M4, nie rozumiejąc najważniejszego: M5 to nie ewolucja procesora, to rewolucja w architekturze pamięci i obliczeń AI, której konkurenci nie będą w stanie powtórzyć przez 2-3 lata. Apple wykonało cichy, ale zabójczy ruch: uczyniło GPU równorzędnym partnerem CPU w zadaniach AI, a nie tylko „akceleratorem graficznym”.
Zwróć uwagę na szczegół, który jest całkowicie pomijany: w M5 każdy klaster GPU otrzymał własny akcelerator neuronowy. Oznacza to, że do lekkich zadań AI (automatyczne obwodzenie obiektów w wideo, inteligentne skalowanie obrazów, animacje UI oparte na kontekście) nie trzeba budzić 16-rdzeniowego Neural Engine, pobierającego dziesiątki watów. GPU robi to sam, z opóźnieniem w mikrosekundach i prawie bez zużycia energii. Porównywanie M5 z układami Intel, AMD czy Qualcomm pod względem „gołych” TOPS nie ma sensu – Apple ma teraz heterogeniczną architekturę AI, gdzie każdy blok procesora rozwiązuje swoją klasę zadań z optymalną wydajnością.
Ale prawdziwa istota tkwi w czymś innym: Apple po raz pierwszy w masowym układzie zaimplementowało obliczenia „zero-copy” dla AI. Dzięki ujednoliconej architekturze pamięci dane z CPU lub GPU nie muszą być kopiowane do osobnej puli dla silnika neuronowego – wszystkie trzy komponenty pracują na tej samej przestrzeni adresowej. Oznacza to, że lokalne LLM na 128-gigabajtowej Mac Studio z M5 Max będą ładować model 5-7 razy szybciej niż jakakolwiek stacja robocza z Windows z dyskretną NVIDIA RTX 6000, gdzie dane trzeba przesyłać przez wolne PCIe. To właśnie umyka wszystkim, którzy porównują TOPS M5 i Snapdragon X2 Elite.
Chronologia i kontekst
Choć oficjalna premiera M5 miała miejsce w październiku 2025 roku, prawdziwa „wojna” rozgorzała w marcu 2026, gdy Apple wypuściło M5 Pro i M5 Max, a następnie w maju 2026 rozpoczęły się pierwsze dostawy Mac Studio z tymi układami. Kluczowe wydarzenie, które zmieniło postrzeganie M5, miało miejsce dosłownie w zeszłym tygodniu (koniec maja 2026), gdy niezależne benchmarki potwierdziły, że M5 Max z 128 GB ujednoliconej pamięci uruchamia model LLaMA-3-70B z 4-bitową kwantyzacją w całości w pamięci laptopa, bez swapowania na SSD.
Kontekst obecnej chwili jest ważny: rynek akceleratorów AI znajduje się w dziwnym stanie. NVIDIA sprzedaje H100 i B200 za 30 000-40 000 USD, ale wymagają one serwerowych szaf, chłodzenia 700 W i połączeń klastrowych. Google i Amazon budują własne układy, ale są one niedostępne dla indywidualnych deweloperów. A Apple po prostu bierze i dodaje do laptopa za 4000 USD możliwość lokalnego uruchamiania modeli, do których konkurenci potrzebują serwera za 20 000 USD.
Apple zagrało też wyprzedzająco w łańcuchu dostaw. Według raportów firma zarezerwowała ponad 50% mocy produkcyjnych TSMC w procesie 2 nm na 2026 rok dla układów A20 i M5. Oznacza to, że Google, Qualcomm i inni muszą zadowolić się resztkami lub pozostać przy 3 nm N3P, który ustępuje gęstością tranzystorów. Z pamięcią ta sama historia – Apple przedpłaciło wieloletnie kontrakty na HBM3e i HBM4 u SK Hynix i Micron, podczas gdy konkurenci płacą 80-90% więcej na rynku spot. To nie przełom technologiczny, to finansowa pałka o wadze 123 miliardów dolarów gotówki.
Kto wygrywa, a kto traci
Wygrywa deweloper aplikacji AI na desktop. Po raz pierwszy w historii możesz kupić laptop za 3500-4000 USD i uruchamiać lokalnie model o 30-70 miliardach parametrów z akceptowalną prędkością (15-20 tokenów na sekundę). Dla wielu startupów oznacza to rezygnację z wynajmu chmurowych GPU za 2-3 USD za godzinę i przeniesienie rozwoju na lokalne maszyny. Jest to szczególnie istotne w dziedzinach, gdzie nie można wysyłać danych do chmury (medycyna, finanse, obronność).
Wygrywa Apple w sektorze korporacyjnym. Wdrożenie RDMA przez Thunderbolt 5 pozwala łączyć kilka Mac Studio w klaster, gdzie widzą one swoją pamięć jako jedną przestrzeń. Maszyna za 4000 USD, których potrzeba 5 sztuk, daje wydajność porównywalną z jednym serwerem na NVIDIA H100 za 30 000 USD. Różnica w cenie – prawie 2,5 raza na korzyść Apple, nie licząc prądu i chłodzenia. Dla małych i średnich przedsiębiorstw, które nie mogą pozwolić sobie na rack GPU, to rewolucja.
Traci NVIDIA w segmencie „inferencji na brzegu”. Jeśli wcześniej firmy kupowały Jetson Orin lub Xavier za 1000-2000 USD do uruchamiania AI w fabryce czy magazynie, teraz mogą wziąć Mac mini z M5 za te same pieniądze, ale z unified memory i ekosystemem Apple. Tak, NVIDIA wygrywa w trenowaniu gigantycznych modeli. Ale inferencja (stosowanie już wytrenowanego modelu) to 80% rynku i tutaj Apple zaczyna odgryzać kawałek po kawałku.
Traci Intel i AMD. Ich „AI PC” to marketing. Nawet topowe Core Ultra 300 (Panther Lake) z procesem 18A i Ryzen AI 400 z NPU o mocy 60 TOPS nie mogą konkurować z M5 w rzeczywistych zadaniach, ponieważ ich pamięć jest rozdzielona. CPU i NPU odwołują się do różnych pul, dane są kopiowane, a magistrala PCIe staje się wąskim gardłem. Dopóki Intel nie przejdzie na unified memory (a nie przejdzie nigdy ze względu na architekturę x86 i przywiązanie do socketów), będzie przegrywał z Apple w lokalnych zadaniach LLM.
Czego media nie mówią
Najmniej oczywisty insight dotyczy ceny układu i ukrytych subsydiów. TSMC bierze za płytkę 2 nm około 20 000 USD, a jeden układ M5 Max kosztuje TSMC w produkcji około 250-280 USD. Dodaj 128 GB unified memory (kolejne 150-200 USD w zakupie), pakowanie SoIC-mH (drogą technologię, którą Apple płaci TSMC osobno) i otrzymujesz koszt własny układu poniżej 500 USD. Apple sprzedaje MacBooka Pro z M5 Max za 3500 USD. Marża jest, ale nie kosmiczna. A co z Mac mini z M5 za 1299 USD? Tam koszt własny układu to 200-250 USD, pamięci 50-80 USD. Apple albo pracuje na zero, albo subsydiuje sprzedaż dzięki przychodom z subskrypcji iCloud i App Store. W każdym razie Intel i AMD nie mogą tak dumpingować – nie mają dochodów z ekosystemu.
Drugie przeoczenie: problem chłodzenia w MacBooku Air. Bez wentylatora konstrukcja Air jest świetna do zadań biurowych, ale przy uruchamianiu LLM na M5 przez MLX Framework układ pobiera 25-30 W, co wystarcza do pasywnego chłodzenia tylko przez 5-7 minut. Potem układ obniża częstotliwości o 30-40%, a „inferencja” staje się udręką. Apple wie o tym, ale milczy. Jeśli kupujesz M5 do AI – bierz Pro z wentylatorem, inaczej po 2 minutach od załadowania modelu 70B dostaniesz 2 tokeny na sekundę i aluminiową obudowę, której nie da się utrzymać w rękach.
Trzecie i najważniejsze: ograniczenia pamięci w M5 Max. Technicznie układ obsługuje do 192 GB unified memory, ale Apple programowo ograniczyło do 128 GB w obecnych modelach. Po co? Aby sprzedać Mac Studio z M5 Ultra i 256 GB za 8000 USD. Sztuczne segmentowanie rynku – klasyka Apple. Deweloperzy, którzy naprawdę potrzebują uruchomić LLaMA-3-70B bez kwantyzacji (wymaga 140 GB w FP16), zmuszeni są kupować topową konfigurację za 8000 USD, mimo że układ fizycznie mógłby pracować z 192 GB. To nie inżynieria, to marketing dyskryminacji cenowej.
Prognoza: następne 30 dni i 90 dni
Następne 30 dni (czerwiec 2026 roku). Spodziewaj się lawiny benchmarków od niezależnych blogerów, którzy porównają M5 Max z topowymi konfiguracjami Intel + NVIDIA RTX 5090 Laptop. Przewiduję, że w zadaniach inferencji LLM (Llama 3, Mistral, Phi) M5 Max wygra z zestawem x86 + dyskretna karta z przewagą 30-50% w efektywności energetycznej i 2-3 razy w „time to first token”. Duzi dostawcy chmurowi (AWS, Google Cloud) ogłoszą instancje z M5 Ultra dla deweloperów AI – to już jest dyskutowane na kuluarach Re:Invent.
Następne 90 dni (sierpień-wrzesień 2026 roku). Rozpoczną się pierwsze dostawy Mac Pro na M5 Ultra z 256 GB unified memory i, według plotek, do 80 rdzeni GPU. Cena – od 9999 USD. Ale najważniejsze: Apple oficjalnie ogłosi MLX Cluster Toolkit – oprogramowanie, które pozwala łączyć do 128 Mac Studio w jeden superkomputer przez sieć Thunderbolt 5. To bezpośredni cios w NVIDIA DGX Cloud. Za te same 100 000 USD możesz kupić jeden serwer DGX na 8 H100 lub 32 Mac Studio z łączną pamięcią 4 TB i porównywalną mocą obliczeniową do inferencji. Z wsparciem korporacyjnym. Znam inżynierów z trzech firm z listy Fortune 500, którzy już pilotażowo wdrażają ten scenariusz.
Do września zobaczymy też pierwszą falę skandali: deweloperzy zaczną narzekać, że M5 Ultra tak naprawdę zawiera wadliwe układy M5 Max, w których nie zadziałały 2-4 rdzenie. Tak było z M1 Ultra, tak będzie i teraz. Apple nazwie to „efektywnym wykorzystaniem krzemu”, a konkurenci – „sprzedażą wadliwego towaru po cenie złota”. Ale rynek się nie odwróci, bo alternatyw z unified memory i 256 GB na jednym układzie po prostu nie ma.
Podsumowując: nie patrz na liczby w komunikatach prasowych. M5 to nie najszybszy układ na świecie. To najmądrzejszy układ na świecie pod względem architektury. Apple nie wygrało wyścigu częstotliwości taktowania – przedefiniowało sam wyścig. I podczas gdy Intel i AMD biegną starą trasą, meta już została zwinięta i schowana do szuflady. Pytanie teraz nie brzmi, czy dogonią Apple. Pytanie brzmi, czy zauważą, że trasa się zmieniła, zanim stracą cały rynek profesjonalnych stacji roboczych AI.
— Editorial Team
Brak komentarzy.