Ribuan Mac Diborong untuk AI, Ini Alasan OpenAI dan Anthropic

Persaingan AI infrastructure ternyata tidak hanya berlangsung di pusat data yang dipenuhi GPU Nvidia. 

Laporan terbaru menyebut OpenAI telah membeli puluhan ribu Mac mini dan Mac Studio untuk mendukung pekerjaan reinforcement learning dan pengembangan computer-use agents, sementara Anthropic disebut menggunakan Mac mini yang disewa melalui Amazon Web Services.

Langkah tersebut menarik karena AI training selama beberapa tahun terakhir identik dengan klaster GPU berskala besar. 

Namun, kebutuhan komputasi untuk melatih agen yang berinteraksi dengan antarmuka komputer memiliki karakter berbeda dari pretraining model bahasa berukuran raksasa.

Dengan kata lain, kabar OpenAI beli Mac tidak berarti perusahaan meninggalkan GPU. 

Mac justru mengisi jenis workload tertentu yang membutuhkan banyak mesin independen, memori besar, lingkungan macOS, dan kemampuan menjalankan proses agentik secara terus-menerus.

Key Takeaways

• OpenAI dilaporkan memborong Mac mini dan Mac Studio untuk reinforcement learning dan computer-use agents. Anthropic menggunakan Mac mini melalui kapasitas AWS.

• Apple Silicon menawarkan unified memory, efisiensi tinggi, serta konfigurasi desktop yang cocok untuk menjalankan banyak workload AI secara paralel.

• Mac bukan pengganti total GPU data center. Perannya lebih relevan untuk agentic workloads, local inference, eksperimen, dan skenario reinforcement learning tertentu.

OpenAI Beli Mac dalam Jumlah Puluhan Ribu

Mac Mini | Sumber: apple.com

The Information melaporkan bahwa OpenAI telah mengakuisisi puluhan ribu OpenAI Mac mini dan OpenAI Mac Studio dalam beberapa bulan terakhir. 

Sumber yang mengetahui kebutuhan komputasi perusahaan menyebut perangkat tersebut dipakai untuk reinforcement learning dan pengembangan AI yang mampu menggunakan komputer secara langsung.

Jumlah persisnya belum diumumkan secara resmi oleh OpenAI maupun Apple. 

Karena itu, angka “puluhan ribu” sebaiknya dipahami sebagai laporan berdasarkan sumber, bukan angka pengadaan yang telah dikonfirmasi melalui pernyataan korporasi.

Anthropic berada dalam tren yang sama, tetapi model pengadaannya berbeda. 

Perusahaan tersebut dilaporkan menyewa Anthropic Mac mini melalui AWS untuk workload serupa, sehingga judul tentang perusahaan AI “memborong Mac” tidak berarti keduanya melakukan pembelian fisik dengan pola identik.

Mengapa AI Training Membutuhkan Mac?

Jawabannya terletak pada jenis training AI yang sedang dilakukan. 

Melatih foundation model dari nol biasanya membutuhkan ribuan GPU yang terhubung melalui jaringan berkecepatan sangat tinggi karena satu proses training besar harus dibagi ke banyak accelerator.

Reinforcement learning untuk AI agents dapat memiliki pola berbeda. Laboratorium AI dapat menjalankan ribuan sesi komputer secara paralel, lalu meminta agent mencoba suatu tugas, menerima penilaian dari hasilnya, dan memperbaiki perilaku melalui proses berulang.

OpenAI sendiri sebelumnya menjelaskan bahwa Computer-Using Agent menggunakan kombinasi supervised learning dan reinforcement learning. 

Model tersebut dilatih membaca tampilan layar serta menggunakan cursor dan keyboard, kemudian reinforcement learning membantu meningkatkan kemampuan reasoning, koreksi kesalahan, dan adaptasi ketika kondisi berubah.

Baca Juga : AI Boom Dorong Micron, SanDisk, dan SK Hynix

Computer-Use Agents Butuh Banyak Lingkungan Nyata

Computer-use agents berbeda dari chatbot yang hanya menghasilkan teks. 

Agent jenis ini harus memahami screenshot, menentukan tindakan berikutnya, mengeklik tombol, mengetik, menggulir, dan menyelesaikan serangkaian tahapan sampai tugas selesai.

OpenAI menjelaskan bahwa Computer-Using Agent dapat berinteraksi dengan graphical user interface tanpa membutuhkan API khusus untuk setiap situs atau sistem operasi. 

Kemampuan tersebut menjadi fondasi bagi agent yang dapat menangani formulir, navigasi web, serta workflow digital multi-step.

Untuk meningkatkan kemampuan seperti ini, peneliti membutuhkan banyak lingkungan eksekusi tempat agent dapat mencoba tindakan berulang kali.

Inilah salah satu alasan AI compute tidak selalu harus berupa satu klaster GPU raksasa; ribuan desktop yang dapat menjalankan lingkungan mandiri juga memiliki nilai strategis.

Baca Juga : Akankah Saham Nvidia Kembali Rally atau Koreksi?

Kenapa Mac Mini dan Mac Studio, Bukan MacBook?

Mac mini dan Mac Studio merupakan desktop tanpa layar, baterai, keyboard, atau trackpad bawaan. 

Untuk deployment skala besar, desain tersebut lebih praktis karena perusahaan hanya membeli komponen komputasi yang benar-benar diperlukan.

Perangkat desktop juga memiliki sistem pendinginan yang lebih cocok untuk workload berkepanjangan dibanding laptop tipis. 

The Information menyoroti bahwa Mac mini dan Mac Studio dapat mempertahankan pekerjaan AI kompleks dalam durasi panjang tanpa karakteristik thermal throttling yang sama seperti perangkat portabel.

Apple sendiri kini secara terang-terangan memosisikan Mac mini sebagai perangkat untuk agentic computing yang dapat berjalan terus-menerus. 

Mac mini generasi M6 diklaim Apple memiliki performa AI hingga empat kali lebih cepat dibanding generasi pembandingnya.

Baca Juga : Top 10 Koin Kripto AI yang Menarik Perhatian di 2026

Unified Memory Jadi Senjata Apple untuk AI Compute

Keunggulan penting Apple Silicon adalah unified memory. CPU dan GPU menggunakan kumpulan memori yang sama, sehingga data tidak selalu harus dipindahkan antara RAM sistem dan VRAM terpisah seperti pada arsitektur komputer tradisional.

Konfigurasi tersebut menarik ketika model atau konteks membutuhkan memori besar. 

Mac Studio M5 Ultra terbaru bahkan dapat dikonfigurasi dengan unified memory hingga 512 GB dan bandwidth sekitar 1,2 TB per detik.

Apple juga mendukung pengelompokan beberapa Mac Studio melalui Thunderbolt 5 dan RDMA untuk distributed AI inference. 

Ini memperluas posisi Mac dari sekadar komputer developer menjadi bagian potensial dari AI hardware skala tim maupun enterprise.

Jika kamu tertarik mengikuti perkembangan teknologi AI yang juga sering beririsan dengan narasi blockchain dan aset digital, kamu bisa daftar di Bittime untuk mengenal pasar kripto.

Apakah Mac Bisa Menggantikan GPU Nvidia?

Tidak untuk semua kebutuhan. GPU data center seperti platform Nvidia tetap lebih cocok untuk training foundation model skala sangat besar yang membutuhkan throughput paralel dan interkoneksi ekstrem.

Mac lebih menarik ketika workload membutuhkan banyak node mandiri, unified memory besar, ekosistem macOS, atau eksperimen agentik. 

Artinya, perkembangan terbaru menunjukkan diversifikasi AI infrastructure, bukan perpindahan total dari Nvidia ke Apple.

Fenomena ini juga bertepatan dengan tingginya permintaan perangkat AI desktop. 

Wccftech melaporkan batch awal PC berbasis Nvidia RTX Spark dari sejumlah produsen juga mengalami permintaan kuat, memperlihatkan bahwa kebutuhan local dan desktop AI compute sedang berkembang di luar data center tradisional.

Baca Juga : NVIDIA Rilis Nemotron 3 Ultra, Model AI Open-Weight Terkuat Amerika Saat Ini

Reinforcement Learning Mengubah Kebutuhan AI Hardware

Kabar OpenAI Mac Studio dan Mac mini memperlihatkan bahwa pertarungan hardware AI memasuki tahap baru. 

Ketika perusahaan mulai membangun AI agents yang tidak hanya menjawab tetapi juga melakukan tindakan, kebutuhan infrastrukturnya ikut berubah.

Mesin yang dapat menjalankan banyak lingkungan aplikasi secara paralel menjadi semakin penting. 

Karena itu, perangkat komputasi konsumen dan workstation dapat memperoleh peran yang sebelumnya lebih banyak diisi server khusus.

Baca Juga : Crypto AI Apa Saja? 9 Koin AI Populer 2026 yang Wajib Dipantau

Kesimpulan

Kabar OpenAI beli Mac bukan sekadar cerita perusahaan teknologi membeli komputer dalam jumlah besar. 

Langkah tersebut menggambarkan perubahan arsitektur AI training, terutama ketika reinforcement learning dan computer-use agents membutuhkan ribuan lingkungan komputasi yang dapat berjalan secara paralel.

Apple Silicon menawarkan kombinasi unified memory, performa lokal, efisiensi, dan desain desktop yang cocok untuk workload tersebut. 

Di sisi lain, Anthropic menggunakan pendekatan berbasis cloud dengan menyewa Mac mini melalui AWS.

GPU data center tetap menjadi fondasi penting untuk training model besar. 

Namun, era AI agents membuat definisi AI hardware semakin luas: mulai dari supercluster hingga Mac mini yang bekerja sebagai node dalam jaringan komputasi agentik.

Bittime adalah platform Pedagang Aset Keuangan Digital (PAKD) berizin dan diawasi oleh Otoritas Jasa Keuangan — tempat kamu bisa beli Bitcoin di Indonesia dan ratusan aset kripto lainnya mulai Rp10.000. Proses registrasi cepat, aman, dan bisa langsung dimulai hari ini.

Pantau konversi USDT to IDR dan pergerakan harga aset kripto favoritmu secara real-time. Semua tersedia dalam satu aplikasi investasi kripto yang bisa diunduh gratis di Play Store.

Siap mulai? Daftar sekarang di Bittime dan eksekusi strategi investasimu dengan platform yang sudah dipercaya jutaan pengguna di Indonesia.

FAQ

Benarkah OpenAI membeli puluhan ribu Mac?

Menurut laporan The Information, OpenAI telah membeli puluhan ribu Mac mini dan Mac Studio untuk reinforcement learning serta computer-use agents. OpenAI belum mempublikasikan angka pengadaan resminya.

Apakah Anthropic juga membeli ribuan Mac?

Laporan yang tersedia menyebut Anthropic menyewa Mac mini melalui Amazon Web Services. Jadi, model penggunaan hardware Anthropic berbeda dari pembelian langsung yang dilaporkan dilakukan OpenAI.

Mengapa OpenAI menggunakan Mac mini?

Mac mini menawarkan Apple Silicon dengan unified memory, desain compact, sistem pendinginan desktop, dan biaya perangkat yang lebih efisien karena tidak menyertakan layar atau baterai. Karakter tersebut cocok untuk workload agentic yang berjalan dalam jumlah besar.

Apa hubungan reinforcement learning dengan computer-use agents?

Reinforcement learning membantu agent belajar dari keberhasilan atau kegagalan saat menjalankan tugas. Pada computer-use agents, proses tersebut dapat meningkatkan reasoning, kemampuan mengoreksi kesalahan, dan adaptasi ketika berhadapan dengan antarmuka komputer.

Apakah Mac akan menggantikan Nvidia untuk AI training?

Tidak sepenuhnya. Nvidia tetap kuat untuk pretraining dan workload data center skala besar, sementara Mac berpotensi mengambil peran lebih besar dalam local AI, agentic computing, inference, dan jenis reinforcement learning tertentu.