Il Mac surclassa i PC nella AI locale, ecco come e perché – aggiornato con i nuovi Mac mini e Mac Studio

L’intelligenza artificiale non vive più soltanto nel cloud. Mentre ChatGPT, Gemini e gli altri grandi servizi online continuano a diventare più potenti, cresce anche l’interesse delle aziende e dei professionisti italiani per una strada diversa: eseguire modelli AI direttamente sui propri computer, senza inviare continuamente dati e documenti a server esterni.

Le ragioni sono molto concrete. Portare l’AI in locale può significare ridurre sensibilmente i costi legati alle API e ai servizi cloud, mantenere sotto controllo informazioni riservate e creare strumenti interni utilizzabili anche con grandi quantità di documenti aziendali, senza che questi debbano necessariamente lasciare l’infrastruttura dell’impresa. A questi vantaggi si aggiungono tempi di risposta prevedibili, maggiore controllo sui modelli utilizzati e la possibilità di costruire applicazioni su misura.

In questo scenario il Mac, nelle generazioni basate su Apple Silicon, è diventato una piattaforma particolarmente interessante. Memoria unificata, CPU e GPU integrate e consumi relativamente contenuti permettono oggi di eseguire localmente modelli linguistici che fino a poco tempo fa richiedevano workstation molto più ingombranti e costose. Non è più soltanto una tendenza tecnica: la domanda legata all’AI ha già inciso sulla disponibilità e sui piani di Apple per Mac mini e Mac Studio, soprattutto nelle configurazioni con più memoria.

Per professionisti e aziende, la domanda quindi non è più soltanto cosa possa fare l’intelligenza artificiale, ma quanto lavoro possa essere spostato dal cloud direttamente sulla propria scrivania.

Ci aiuta a rispondere a questa domanda Lorenzo Vimini, co-titolare di Webtags, l’azienda che da sempre segue il nostro sito e che sta da diverso tempo sperimentando strumenti e modelli di AI Locale per il suo lavoro e nelle consulenze per i propri clienti.

Speriamo che questo articolo vi piaccia e che rappresenti l’avvio di una serie di appuntamenti con consigli tecnici e operativi sull’AI locale. Fatecelo sapere nei commenti a questo corposo articolo!

AI Locale e LLM per Mac

L’AI Locale è l’Intelligenza Artificiale che, una volta scaricati modelli e strumenti necessari, può lavorare direttamente sul computer senza dover inviare continuamente dati a servizi esterni e senza richiedere necessariamente un abbonamento cloud.

Dimenticate per un attimo ChatGPT, Claude o Gemini gestiti su server cloud oltreoceano, con tutte le preoccupazioni legate alla sicurezza dei dati e ai costi di abbonamento.

Oggi, grazie all’architettura dei chip Apple Silicon, un Mac può trasformarsi in una workstation IA autonoma, silenziosa e, nelle configurazioni più potenti, in grado di gestire modelli dalle dimensioni notevoli.

Nel corso di una serie di articoli analizzeremo tutto: dai benchmark dei processori M1-M6 alle tecniche di compressione matematica (quantizzazione), fino al confronto tra i migliori motori di esecuzione e all’installazione di veri e propri “agenti autonomi” capaci di lavorare al posto vostro sul file system del Mac.

Iniziamo questa serie partendo dalle fondamenta: perché proprio il Mac è diventato così interessante per l’IA locale? E qual è il vero “superpotere” hardware che lo distingue da buona parte dei PC tradizionali?

Il superpotere dell’Apple Silicon: l’Architettura di Memoria Unificata (UMA)

Nei PC tradizionali, la memoria di sistema (RAM) e la memoria della scheda video (VRAM) sono separate. Se una scheda grafica possiede una quantità fissa di VRAM, per esempio 24 GB, non è possibile superare quel limite per caricare interamente un modello più grande senza ricorrere alla RAM di sistema, a più GPU o ad altre soluzioni che possono aumentare costi, consumi e complessità.

L’architettura Unified Memory (UMA) di Apple cambia radicalmente questo scenario. Nei chip Apple Silicon CPU, GPU e altri blocchi del SoC accedono allo stesso pool di memoria fisica ad alta velocità.

Questo significa che un Mac Studio, un MacBook Pro o, entro limiti più contenuti, un Mac mini con molta memoria unificata può dedicarne una quota molto elevata all’esecuzione dell’LLM. Non esiste una barriera rigida tra RAM di sistema e VRAM: la GPU può lavorare direttamente sui dati presenti nella memoria unificata senza doverli duplicare continuamente attraverso il bus PCIe.

La Grande Divergenza: perché la RAM classica ha perso la corsa della velocità

Per capire il vantaggio dell’Apple Silicon dobbiamo analizzare un fenomeno ingegneristico che dura da oltre vent’anni: la separazione evolutiva tra la RAM di sistema e la VRAM delle schede grafiche.

Le memorie RAM dei computer tradizionali sono state progettate per combinare capacità, costi e basse latenze. Le GPU hanno invece bisogno di spostare quantità enormi di dati in parallelo e utilizzano bus di memoria molto più larghi.

Le schede video possono quindi raggiungere larghezze di banda superiori a 1.000 GB/s, mentre una normale memoria di sistema DDR5 rimane molto più lenta.

Il vantaggio dell’architettura Apple consiste nell’avere collocato memoria LPDDR ad alte prestazioni direttamente attorno al SoC e nell’averla collegata attraverso un numero elevato di canali. Il risultato è una memoria che svolge contemporaneamente il ruolo di RAM di sistema e di memoria utilizzabile dalla GPU, con larghezze di banda che nelle generazioni più recenti sono diventate particolarmente elevate.

La metrica che conta davvero: la larghezza di banda

Durante la fase di generazione dei token, o decode, molti LLM di grandi dimensioni possono essere fortemente limitati dalla larghezza di banda della memoria. La GPU deve accedere continuamente ai pesi del modello e, quando il calcolo puro non rappresenta il collo di bottiglia, la velocità con cui questi dati possono essere letti diventa una delle variabili principali.

Se prendiamo come esempio semplificato un modello da 70 miliardi di parametri quantizzato a 4 bit e ipotizziamo un peso complessivo di circa 42 GB, un sistema con 400 GB/s di banda avrebbe un tetto teorico di:

Velocità massima teorica = 400 GB/s / 42 GB ≈ 9,5 token al secondo

È una semplificazione utile per confrontare l’hardware. Le prestazioni reali dipendono anche dal software, dalla quantizzazione, dalla dimensione del contesto, dalla cache KV, dall’architettura del modello e dall’overhead del sistema.

L’evoluzione 2026: da M5 Pro e M5 Max a M6 e M5 Ultra

Il 2026 ha cambiato sensibilmente la classifica dei Mac più interessanti per l’intelligenza artificiale locale.

Apple aveva introdotto a marzo M5 Pro e M5 Max, basati sulla nuova Fusion Architecture. M5 Pro raggiunge 307 GB/s di banda di memoria e supporta fino a 64 GB di memoria unificata; M5 Max arriva invece a 614 GB/s nella configurazione GPU a 40 core e fino a 128 GB di memoria.

Il 25 agosto Apple ha compiuto un altro passo presentando il nuovo Mac mini con M6, portando contemporaneamente M5 Pro sul nuovo Mac mini, e introducendo il Mac Studio con M5 Ultra.

Il chip M6, primo Apple Silicon prodotto a 2 nanometri, dispone di CPU 12-core, GPU 12-core e raggiunge 170 GB/s di banda di memoria. Sul Mac mini può essere configurato fino a 32 GB di memoria unificata.

Per chi vuole eseguire LLM più grandi, il nuovo Mac mini M5 Pro è molto più interessante: 307 GB/s di banda, CPU fino a 18 core, GPU fino a 20 core e 64 GB di memoria unificata permettono di entrare realisticamente nella classe dei modelli 70B quantizzati. Il confronto cambia soprattutto quando si sale con la RAM: le configurazioni M6 e M5 Pro hanno costi e margini molto diversi proprio per AI locale e carichi professionali.

Al vertice troviamo però M5 Ultra. Apple utilizza UltraFusion per collegare due M5 Max basati a loro volta sull’architettura dual-die, formando un SoC quad-die. La CPU arriva a 36 core, la GPU a 80 core e la banda della memoria sale a 1,2 TB/s. È proprio questa combinazione di banda e memoria a rendere il nuovo Mac Studio particolarmente interessante per modelli 70B, 405B e, nelle configurazioni più capienti, per carichi ancora più grandi.

È un salto molto importante rispetto agli 819 GB/s di M3 Ultra e porta per la prima volta un Mac ben oltre la soglia di 1 TB/s di banda della memoria unificata.

I Mac Studio

La macchina desktop Apple con la maggiore larghezza di banda è quindi ora il Mac Studio con M5 Ultra.

Il salto da M3 Ultra è evidente: si passa da 819 GB/s a 1.200 GB/s, mentre la memoria unificata massima rimane nell’impressionante fascia dei 512 GB. Apple indica per M5 Ultra configurazioni che partono da 96 GB e arrivano fino a 512 GB; l’opzione da 512 GB è prevista successivamente rispetto al lancio iniziale. Per capire quanto incida davvero la memoria sul costo e sui carichi AI, abbiamo anche messo a confronto Mac Studio M5 Ultra da 96 e 256 GB, valutando anche il caso in cui allo stesso budget possano corrispondere due macchine invece di una sola.

Per un utilizzo prevalentemente AI, la memoria resta a nostro parere l’opzione su cui investire per prima. Una volta acquistato il Mac non può essere ampliata, mentre lo spazio di archiviazione può essere affiancato successivamente da SSD Thunderbolt esterni. Il punto è diventato ancora più importante sui modelli 2026: sui Mac mini M6 e M5 Pro i chip NAND risultano nuovamente saldati, mentre sul Mac Studio rimangono moduli rimovibili ma con vincoli che non li rendono equivalenti a normali SSD M.2.

I Mac mini

La nuova gamma rende il Mac mini decisamente più interessante per l’AI locale. Non a caso la domanda enterprise legata all’intelligenza artificiale è diventata uno dei fattori che stanno spingendo Apple a ripensare disponibilità e tempi della gamma desktop.

Il Mac mini M6 passa dai 120 GB/s dell’M4 a 170 GB/s, un incremento sensibile per modelli piccoli e medi. Il limite di 32 GB di memoria lo mantiene però soprattutto nella fascia dei modelli fino a circa 30-32B quantizzati.

Per chi vuole utilizzare LLM più grandi, il Mac mini M5 Pro rappresenta una macchina molto più interessante: 307 GB/s e fino a 64 GB di memoria unificata permettono di caricare modelli 70B Q4 lasciando un margine ragionevole per macOS e per la cache del contesto.

Per dimensioni, consumi e numero di porte rimane inoltre una workstation che può essere installata praticamente ovunque, con una potenza che solo pochi anni fa avrebbe richiesto una macchina desktop molto più grande.

I MacBook Pro

L’alternativa portatile con la massima banda passante continua a essere il MacBook Pro da 16″ con processore M5 Max e fino a 128 GB di RAM. Con il modello a GPU 40-core si raggiungono 614 GB/s, un valore che rimane notevole anche dopo l’arrivo di M6.

Vi consigliamo per il portatile come per i desktop più recenti, come alternativa ad un costoso SSD interno, un doppio 4 TB aggiuntivo esterno su interfaccia veloce Thunderbolt 5: costa 800 € + 500 € per un totale di 1300 € e di 10 TB (si veda questa recensione di macitynet.it su TerraMaster D1 Pro). È un’opzione ancora più concreta dopo la conferma che sui nuovi Mac mini M6 e M5 Pro lo storage interno non è pensato per upgrade successivi. L’SSD esterno non raggiungerà mai la velocità di un interno saldato su macchine con processori recenti ma, per l’esecuzione degli LLM, affidarsi allo swap rimarrebbe comunque una soluzione inefficiente.

Per l’AI locale conviene quindi investire prima di tutto nella quantità di memoria unificata e, a parità di RAM, nella maggiore larghezza di banda disponibile. La memoria non può essere ampliata dopo l’acquisto, mentre l’archiviazione può essere integrata molto più facilmente. La differenza pratica emerge bene anche nel nostro confronto fra Mac Studio M5 Ultra da 96 e 256 GB, dove il vero discrimine non è soltanto la velocità del processore ma la dimensione dei modelli che devono restare interamente in memoria.

Le alternative all’Apple Store o ai negozi ufficiali

Visti i prezzi delle configurazioni con molta memoria, molti utenti che necessitano di una macchina potente si rivolgono al mercato dell’usato, dove la richiesta per Mac con 64, 96, 128 GB o più di memoria rimane elevata: qualche occasione si può trovare nel campo degli usati e nuovi su eBay.

Dal 22 settembre 2026 i nuovi Mac mini e Mac Studio sono entrati nella fase di disponibilità commerciale. I Mac mini M6 e M5 Pro sono presenti anche su Amazon Italia, mentre dal 19 settembre sono ordinabili sullo stesso store anche Mac Studio M5 Max e M5 Ultra. I modelli delle generazioni precedenti rimangono interessanti soprattutto quando vengono proposti con sconti consistenti.

Qui vi mostriamo alcuni modelli top disponibili su Amazon.

Apple MacBook Pro Portatile con chip M5 Max, CPU 18 e GPU 32 core: progettato per l’AI, display Liquid Retina XDR da 16,2'', 36GB di memoria unificata, 2 TB SSD, Wi Fi 7 – Nero siderale

5.199,00 €

4.299,00 €17% di sconto

Amazon

Apple MacBook Pro Portatile con chip M5 Max, CPU 18 e GPU 40 core: progettato per l’AI, display Liquid Retina XDR da 16,2'', 48GB di memoria unificata, 2 TB SSD, Wi Fi 7 – Argento

5.799,00 €

5.099,00 €12% di sconto

Amazon

La trappola del chip M3 Pro

Ci sono Mac che possiamo considerare una scelta secondaria per l’uso di AI Locale: nel passaggio dall’M2 Pro all’M3 Pro Apple ha ridotto la larghezza di banda da 200 GB/s a 150 GB/s.

Questa scelta penalizza l’M3 Pro soprattutto nella fase di generazione dei token. M4 Pro ha portato la banda a 273 GB/s e M5 Pro è salito ulteriormente a 307 GB/s.

Un MacBook Pro con M3 Max da 300 o 400 GB/s può quindi rimanere sensibilmente più veloce di un M3 Pro nella gestione di modelli linguistici complessi e può essere interessante sul mercato dell’usato, soprattutto se dispone di molta memoria.

Neural Engine, Neural Accelerator e larghezza di banda

Con M5 e soprattutto con M6 la terminologia richiede qualche precisazione.

Il Neural Engine è un blocco dedicato del SoC utilizzato da Apple e dalle applicazioni compatibili per determinati carichi di machine learning. I principali motori open source utilizzati oggi per eseguire LLM generici su Mac, come Ollama, llama.cpp e MLX, sfruttano invece soprattutto la GPU attraverso Metal e le librerie Apple.

M5 Pro, M5 Max, M5 Ultra e M6 introducono però anche Neural Accelerator integrati nella GPU. È una distinzione importante: non sono semplicemente il Neural Engine tradizionale, ma unità inserite direttamente nell’architettura GPU che possono accelerare operazioni AI quando il software le utilizza. M6 e M5 Ultra seguono inoltre due strategie hardware differenti: miniaturizzazione a 2 nm per il primo, crescita della scala e della banda di memoria con architettura quad-die per il secondo.

Per confrontare le prestazioni di generazione degli LLM, la larghezza di banda della memoria rimane comunque una delle grandezze hardware più facili da mettere in relazione con la velocità di decode, soprattutto con modelli abbastanza grandi da saturare il sottosistema di memoria.

Il Redlining della memoria: quando la RAM finisce

Quando si carica un modello locale bisogna fare attenzione al Redlining della memoria. macOS, le applicazioni aperte e soprattutto la cache del contesto hanno bisogno di spazio aggiuntivo rispetto al semplice peso del file del modello.

È prudente mantenere almeno 8-12 GB di memoria libera, e anche di più quando si utilizzano contesti molto lunghi.

Nel momento in cui Monitoraggio Attività mostra una forte pressione della memoria, macOS comincia a utilizzare in modo più aggressivo la compressione e lo swap su SSD.

Gli SSD interni dei Mac recenti sono molto veloci, ma rimangono enormemente più lenti della memoria unificata da 307, 614 o addirittura 1.200 GB/s e hanno latenze molto superiori. Quando una parte significativa del modello finisce nello swap, l’esperienza può quindi peggiorare drasticamente.

Qui sotto forniamo un’indicazione pratica dei modelli Mac, della memoria disponibile e delle classi LLM realisticamente utilizzabili. I valori di banda e memoria sono quelli delle configurazioni Apple; le classi LLM sono invece indicazioni pratiche e dipendono dal modello, dalla quantizzazione e dal contesto utilizzato.

Nota: la banda di memoria e le capacità massime riportate nelle tabelle derivano dalle specifiche Apple. Le classi LLM sono stime operative e non rappresentano benchmark ufficiali Apple.

(A cura di Lorenzo Vimini, Webtags SRL)

Vi è piaciuta questa introduzione? Se la risposta è sì, nelle prossime puntate parleremo delle LLM specifiche per grafica, fotografia, video e musica da eseguire direttamente su Mac e di come ottimizzare prestazioni hardware e software. Fatecelo sapere nei commenti qui sotto…

…potete proseguire qui

Mac mini, Mac Studio e AI: 9 approfondimenti Macitynet

Mac Studio M5 Ultra 96 GB vs 256 GB: 7.000 contro 14.000 euro
Quanto conta la memoria per AI locale e quando due Mac possono avere più senso di uno.



Mac mini M6, Apple blocca gli upgrade SSD
Memoria NAND saldata sui Mac mini; sul Mac Studio resta una possibilità, ma con limiti.



I Mac Studio M5 per AI locale e creator si ordinano su Amazon
M5 Max e M5 Ultra, configurazioni e disponibilità italiana.



Il boom dell’AI ha sconvolto i piani di Apple sui Mac mini e Mac Studio
La domanda enterprise e le configurazioni con più memoria cambiano il mercato dei desktop Apple.



Mac mini M6 contro M5 Pro e M4 Pro
CPU, GPU, memoria, banda e accelerazione AI a confronto.



Mac mini M6 o M5 Pro: prezzi di RAM e SSD
Le configurazioni che cambiano davvero il rapporto fra costo, memoria e AI locale.



Mac Studio M5 Ultra e AI: 70B, 405B, 1T e RDMA
Modelli grandi, memoria unificata e collegamento fra più Mac via Thunderbolt 5.



M6 a 2 nm e M5 Ultra quad-die
Le due strategie con cui Apple spinge prestazioni, efficienza e AI locale.



Mac Studio M5 Ultra, potenza e prezzo da workstation
GPU fino a 80 core, 512 GB di memoria unificata e 1,2 TB/s di banda.