最近想買一台電腦，主要用途是「量化研究＋AI 開發」，想請教大家 Mac 是否適合。
目前主要會做：
Python 量化回測（Pandas、Polars、NumPy、DuckDB 等）
多策略、多參數同時運算
Claude / ChatGPT / Codex 協作寫程式、跑回測
未來可能使用 XGBoost、PyTorch、Local LLM
資料以台股、美股為主，未來可能增加分鐘線
目前考慮：
Mac Studio
M5 Max / 64GB 或 128GB Unified Memory / 2TB SSD
vs.
Windows 工作站
Ryzen 9 / 128GB RAM / RTX 5070 Ti 或 5090 / 多顆 SSD
我比較在意的是：
Mac 長時間跑大量 Python 回測是否穩定？
64GB 是否夠，還是建議直接 128GB？
Apple 現在跑 Python、Docker、PyTorch 相容性如何？
如果之後做 ML，沒有 CUDA 會不會很受限？
Local LLM 在 Mac 上的 Unified Memory 是否真的有優勢？
預計這台機器至少使用 3～5 年。
如果有用 Mac 做量化、資料分析、ML 或 Local LLM 的版友，很想聽聽實際使用經驗。
如果是大家，會選 Mac還是 Windows ？
Duty322 wrote:
量化研究＋AI 開發
這個條件
毫無疑問你只能選蘋果～
（而且至少要128GB RAM）
128GB只是入門
大模型的最低安裝入門規格
RAM多多益善
買64GB的你只能安裝小模型
拿來玩玩還可以，但要拿來「研究」太過苛刻～
如果你的研究是可以領錢的，那這筆錢不能省～
（給多少錢做多少事，RAM容量是物理限制，你能安裝的模型，128GB就是一個分水嶺）
另外
如果換成Windows那台，
你要看的是顯示卡的記憶體容量
不是看主記憶體的～
所以實際上你給的Windows那台也是只能安裝小模型LLM而且會比64GB蘋果能裝的LLM選項更少～
白話文，
選Windows那台
你只能安裝小學生的ＡＩ，沒辦法安裝大學生的ＡＩ
選 蘋果256GB / 512GB
你才能安裝博士班的AI
Duty322 wrote:
Mac 長時間跑大量 Python 回測是否穩定？
64GB 是否夠，還是建議直接 128GB？
Apple 現在跑 Python、Docker、PyTorch 相容性如何？
如果之後做 ML，沒有 CUDA 會不會很受限？...(恕刪)
跑Python若無法享受到蘋果的硬體加速的話，效・能・會・很・慢～
（請自行研究所使用的工具是否有在 Apple Silicon 上做最佳化，有的話速度可以相差到幾十倍，例如：mlx-whisper 這個 python 套件）
『蘋果不能直接跑CUDA』
要跑CUDA就不用考慮蘋果，
那無關性能，而是能不能跑的問題～
要跑CUDA，就是直接買黃仁勳自家的AI裝置
NVIDIA RTX Spark PC (記得選128GB RAM的)
絕對不要選一般的Windows電腦，記憶體架構不同，能安裝的LLM差很多～
（但是你也要理解到那不是一台普通的電腦，是專門拿來跑AI的硬體，拿來做普通的工作與玩遊戲，未必有你想像中的效能，跑遊戲有5090顯卡的電腦會壓勝NVIDIA RTX Spark PC～）
如果您希望本機 AI 處理速度快，且平常主要跑 8B 到 27B 等小模型，同時還想兼顧極致的 3A 遊戲畫面 👉 請買 一般 PC ＋ RTX 5090。
（速度快但是顯卡RAM容量不足，能安裝的LLＭ有限，耗電）
如果您是打算把電腦當作私人的低耗電 AI 伺服器，希望能無痛載入幾百億甚至上千億參數的巨型本地模型當私人秘書 👉 推薦購買一體化的 RTX Spark PC (128GB)。
（跑ＡＩ快，是能裝超大模型，省電，相對便宜，但不是所有Windows遊戲都能跑）
如果您沒有CUDA的絕對需求👉 蘋果電腦是極高CP值選項～
（要速度有速度，要裝哪個大模型也都沒問題，還超級省電）
請記得這個價錢不含螢幕/喇叭/鍵盤/滑鼠(或觸控板)/視訊鏡頭
skiiks wrote:
蘋果內顯算力用在AI算力沒有顯示卡好
跑遊戲
只有5090的兩個組合選項較多(遊戲效能也最好)
特別要提一下，雙5090玩遊戲跑起來會輸給單5090約5%效能～
（因為現在的遊戲都不支援雙卡了～）
蘋果與NVIDIA RTX Spark PC那台能跑的x64 Ｗindows遊戲都比較少(含跨平台)特別注意NVIDIA RTX Spark PC跟蘋果一樣都是ARM架構，不是傳統的x64架構！
另外蘋果電腦有一個無可取代的好處:
只有它可同時「開發」＋「上架」iOS與Android App
Apple M5 Ultra（滿血 80 核心 GPU 版本）的純圖形與傳統運算效能，大約相當於 NVIDIA 的 GeForce RTX 4080 到 RTX 4090（或次世代 RTX 5080）之間的水平。
傳統 3D 渲染與遊戲（相當於 RTX 4070 Ti Super ~ 4080）
AI 大型語言模型（LLM）推理（運算力相當於 RTX 4090 / RTX 5080）
影音剪輯與編碼（超越 RTX 4090 / 直逼工作站卡）
以上為AI回答的
請參考
最後，要用AI作研發或是研究，
速度不是優先項目，能算得完算得對才是重點～
（所以記憶體容量還是最重要的）
也是為什麼要用大參數模型來跑的原因～這些資料應該夠想要玩AI的人搞清楚自己的目標在哪裡了～
如果還搞不清楚，就只能繳學費了（買錯硬體當是買經驗～）
直接講結論
會問表示預算不足，預算沒問題的就直接買頂，所以了解我意思吧。
另，有明確用途的自己心裡明白買來幹嘛，請直接跳過不用看下去。
1. M5 MAX 128G+ 這貨只有一個目標->跑本地模型開發來節約雲端token消耗，開發你想開發的東西(如果不知道要開發啥東西的，是你欠缺的是創意...)
-->我的用法24hrs運轉(開發->測試->審查->修正->審查->迭代)，所以你沒有時間讓出來搞別的，複雜的本地專案，讓codex週額度吃爆也不夠修(全時段占用)，你說要拿來轉影片？那我建議買兩台。
2. Python你需要的是刷題不是Mac，需要Mac表示你明確捨棄N卡，如果聽不懂我在說啥，還是先回去刷題
-->我是擁有複數台電腦...Win+N卡抱歉你要玩遊戲還是得買...不是mac不好..你要搞通能玩就是在搞自己。啥？不玩遊戲？那你多巴胺怎麼來？靠其他運動嗎？那當我沒說...
3. 股市回測別搞你自己，用python搞本地，不是說不行，傷神又傷心，網站的數據不是給你爬的，是要賣錢的，會千方百計阻止你，你換了招，改天就改掉，股市每天變化很快，你到時候是修bug還是看股票？我就問，就算要玩量化建議還是從tradingview、MultiCharts、XQ開始，都有現成的工具不用你coding，當然是要付費，但是能省去你非常多時間，在裡面你要自己玩coding絕對可玩且支援，你會發現你還很多支線任務要學，我們玩量化的都有一句話，嚴禁"純伸手牌"，你要有獨立學習來交換情報的能力。一般來說要教學是要收費的。我也不是拍腦袋就學會的。股市的事實就是只有少數人賺錢。
-->我自己是用Tradingview+本地AI前面1號回答
當然有人會說幹嘛花這錢，我買雲端幾萬的額度也開發了不知道多少專案，那這跟一開始選曹操開始玩沒兩樣，只能割草體驗不到樂趣。我就喜歡解鎖的快樂，懂我說的都懂。
有不認同的，也不用回我，我基本不開01，是剛好想要再買一台電腦上來看看有沒有有趣的，其實老黃發表的那天心裡就有底了RTX SPARK，但是就是硬要嘴一下。
內文搜尋