M7 Ultra 傳聞可配 1.5TB 記憶體，本機 AI 工作站會去到咩級數？
容量係 M3 Ultra 三倍，不過效能講法仍然冇 benchmark
一粒未公布、最快都要等到 2028 年嘅 Mac 晶片，最搶眼嘅傳聞竟然係記憶體。Bloomberg 記者 Mark Gurman 報道，Apple 正設計 M7 Ultra，最多支援 1.5TB unified memory，AI 效能據稱會靠近 Nvidia Blackwell 呢類專用 AI accelerator。Apple 對晶片、容量同時間表全部冇確認，記憶體供應亦會決定頂配最終有冇得賣，現階段只可以當設計方向睇。
Apple Silicon 路線圖加快，AI 亦擺得更前
按 Bloomberg 嘅路線圖，Apple 會喺 2026 年秋季只出基本版 M6，略過 M6 Pro、Max 同 Ultra；基本版 M7 據報會喺 2027 年上半年接棒，Pro 同 Max 排到同年尾，Ultra 再等到 2028 年。報道話 Apple 喺 M6 開始 tape-out 約半年後，已經開始 M7 tape-out，開發節奏明顯壓縮。同一份報道仲提到 Apple 會用 M5 Ultra 做 AI server，2029 年再換上 M7 Ultra。如果消息準確，Apple 正把 Mac 工作站同自家 server 嘅晶片路線拉近，兩邊都擺 AI 行先。
圖片：Apple
1.5TB 實際裝到幾大模型？
而家 M3 Ultra 頂配有 512GB unified memory，官方規格列出逾 800GB/s 記憶體頻寬；傳聞中嘅 1.5TB，大約係現有容量三倍。Apple 當年公布 M3 Ultra 時，話佢可以喺機內運行超過 600B 參數嘅 LLM，但冇交代模型格式同速度。600B 參數淨係用 16-bit 權重已經約 1.2TB，要塞入 512GB，必然要用較低精度、量化或其他壓縮。廠方嗰句只講模型放得落，冇講每秒出到幾多 token。
純計權重，1.5TB 理論上大約容納到 750B 參數嘅 16-bit 模型、1.5T 參數嘅 8-bit 模型，或者 3T 參數嘅 4-bit 模型。實機仲要預留記憶體畀 macOS、KV cache、運算 buffer 同 context，所以可用上限一定低啲。攞 DeepSeek-V3 做例子，官方論文列出模型共有 671B 參數，每個 token 會啟動其中 37B。16-bit 權重已約 1.34TB，餘量好緊，8-bit 約 671GB，4-bit 就約 336GB。多出嚟嘅 RAM 可以換成較高精度、長 context、大 batch，或者同時載入多個模型。
訓練又係另一個量級。Hugging Face 文件估算，常見 mixed-precision AdamW 完整訓練大約用到每參數 18 bytes，仲未計 activation；套落 671B 模型，基本項目已經超過 12TB。即使 M7 Ultra 真係有 1.5TB，較實際嘅用途仍會係 inference、模型評估同部分 LoRA fine-tune。容量亦冇直接話到速度，GPU 運算力、記憶體頻寬、核心支援咩低精度格式，同 MLX kernel 效率都會影響結果。
圖片：NVIDIA
Mac 以前都有 1.5TB，今次分別喺 unified memory
1.5TB 對 Mac 唔算首見。Apple 官方資料顯示，2019 年 Intel Mac Pro 已經可以用 12 條 DIMM 配到 1.5TB DDR4 ECC，不過嗰代系統 RAM 同獨立 Radeon GPU 嘅顯示記憶體分開。M7 Ultra 傳聞講嘅係 CPU、GPU 共用嘅 unified memory，GPU 可以直接用到成個大記憶體 pool。對本機 AI 嚟講，呢種架構可以減少模型喺系統 RAM、GPU 記憶體之間搬來搬去，亦唔使為咗放入完整模型而拆到多張加速卡上面。
「接近 Blackwell」暫時講唔到打和
Blackwell 呢個名包住好多硬件層級，可以指單粒 GPU、8-GPU DGX B200，亦可以指 72-GPU 嘅 GB200 NVL72 rack。以 Nvidia 官方 DGX B200 規格為例，八粒 Blackwell GPU 合共有 1,440GB HBM3e、64TB/s 記憶體頻寬，最高功耗約 14.3kW。容量數字同傳聞中嘅 M7 Ultra 頗接近，但兩部機嘅規模、拓撲同用途完全唔同。M7 Ultra 暫時連記憶體頻寬、AI 精度、功耗同對照型號都冇，自然做唔到直接比較。
較合理嘅解讀係，Apple 預期 M7 Ultra 喺某啲低精度 inference 工作上會大幅進步，可能靠近單一 Blackwell accelerator 嘅尺度；呢點仍然只係根據報道措辭作出嘅推斷。Nvidia 手上仲有 CUDA、TensorRT、NVLink、多 GPU 訓練同大規模部署生態，Apple 路線則集中喺一部工作站容納大模型，配合 macOS、Metal、MLX 同影片製作工具。冇實際模型、tokens/s、batch throughput、功耗同軟件相容性數據，暫時完全支持唔到「Apple 已全面追平 Nvidia」呢個結論。
邊類專業用戶會受惠？
如果 1.5TB 頂配真係出貨，處理私有資料嘅 AI 開發者可以喺機內載入完整 MoE 模型、保留更長 context，或者同時跑 embedding、reranker 同生成模型；3D、特效同高解像度影片工作亦有機會食到更大嘅共享記憶體。之不過 2028 年仲遠，報道亦明講供應會左右最終配置。而家要開工嘅開發者同製作團隊，仍然要按 M3 Ultra 同現有 Nvidia 系統嘅實際速度揀機。要判斷 M7 Ultra 實際去到咩水平，仲要等 Apple 公布記憶體頻寬同支援嘅 AI 運算格式，再用同一模型比較速度同功耗。
參考來源
- Tom's Hardware — Apple's rumored M7 Ultra targets 1.5TB of memory and Blackwell-class AI performance, report claims — monster 2028 offering would depend on memory shortage easing — original report
- Bloomberg Power On：Apple 晶片路線圖 — M7 Ultra 時間表、1.5TB 目標同「接近 Blackwell」講法嘅核心來源。
- Apple：M3 Ultra 官方公布 — 核對 512GB unified memory、逾 800GB/s 頻寬同 600B 以上本機 LLM 講法。
- Apple Support：Mac Pro 2019 記憶體規格 — 確認 Intel Mac Pro 以前已可配置 1.5TB DDR4 ECC 記憶體。
- DeepSeek-V3 Technical Report — 核對 DeepSeek-V3 有 671B 總參數、每個 token 啟動 37B，用作模型容量尺度。
- Hugging Face：GPU memory usage — 解釋訓練時權重、gradient、optimizer state 同 activation 點樣佔用記憶體。
- NVIDIA：DGX B200 官方規格 — 核對八粒 Blackwell GPU、1,440GB HBM3e、64TB/s 頻寬同系統功耗。
- NVIDIA：GB200 NVL72 官方頁面 — 顯示 Blackwell 仲包括 72-GPU rack-scale 系統，說明「Blackwell-class」唔係單一效能目標。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
