Mac Studio perde un pezzo importante della sua offerta, e lo fa in punta di piedi. Apple ha infatti rimosso senza troppo clamore la configurazione da 128 GB di memoria dalle pagine di acquisto del prodotto in alcuni mercati, abbassando il tetto massimo a 96 GB. Una mossa silenziosa, sì, ma tutt’altro che insignificante, soprattutto per chi usa queste macchine come vere e proprie stazioni di lavoro per l’intelligenza artificiale locale.
La cosa non è nemmeno del tutto nuova. Già all’inizio del 2026 era sparita l’opzione da 512 GB sui modelli di fascia più alta, una configurazione che richiedeva componenti di memoria ad altissima densità con rese produttive complicate e costi importanti. Adesso, a distanza di appena due mesi, tocca alla variante da 128 GB. E il motivo va cercato in una combinazione di fattori che riguarda l’intero settore dei semiconduttori.
Unified Memory, AI locale e colli di bottiglia nella produzione
Per capire cosa sta succedendo bisogna guardare al contesto più ampio. I sistemi Apple Silicon, grazie all’architettura Unified Memory, sono diventati piattaforme molto appetibili per far girare modelli di intelligenza artificiale direttamente sul dispositivo, senza passare dal cloud. La GPU integrata può accedere a tutta la memoria disponibile senza dover duplicare dati tra RAM e VRAM dedicata. Questo rende Mac Studio, nella sua configurazione più generosa, una macchina competitiva per l’inferenza locale di modelli linguistici come Llama, Mixtral, DeepSeek e altri modelli multimodali avanzati, soprattutto nelle versioni quantizzate.
Il problema è che la domanda di memoria LPDDR5X ad alta densità e di tecnologie di packaging avanzate come CoWoS sta crescendo molto più velocemente della capacità produttiva disponibile. Aziende come NVIDIA, AMD e Apple competono tutte per le stesse risorse presso TSMC e i principali fornitori di memoria. NVIDIA ha dichiarato più volte che il packaging rappresenta uno dei limiti principali per le sue GPU AI di fascia alta. E quando la pressione sulla supply chain aumenta così tanto, i produttori tendono a privilegiare le configurazioni più facilmente realizzabili o quelle con margini migliori.
La modifica riguarda nello specifico i modelli di Mac Studio basati su chip M4 Max. Nei sistemi Apple Silicon la memoria LPDDR viene integrata direttamente nel package del SoC: CPU, GPU e Neural Engine condividono lo stesso pool di memoria ad alta velocità. Questo migliora efficienza e banda passante, però rende anche più complesso gestire configurazioni ad alta capacità. E nei momenti in cui i componenti scarseggiano, le prime a saltare sono proprio le opzioni più esigenti dal punto di vista produttivo.
Perché 96 GB restano rilevanti e cosa cambia per chi lavora
Va detto che 96 GB di memoria restano comunque una quantità elevata rispetto alla stragrande maggioranza dei desktop consumer. Per editing video in 8K, sviluppo software, virtualizzazione e inferenza AI di livello medio, la capacità è più che sufficiente. Anche grazie a tecniche come la quantizzazione a 4 bit, l’offloading dinamico e la compressione della cache, molti carichi di lavoro si gestiscono tranquillamente. Le limitazioni vere emergono soprattutto quando si lavora con modelli superiori ai 70 miliardi di parametri, oppure con workload multimodali complessi che richiedono finestre contestuali molto ampie.
Il punto dolente, però, è un altro. Nei sistemi Apple Silicon la memoria non si può aggiornare dopo l’acquisto. Quello che si sceglie al momento della configurazione resta per sempre. E questo, in un settore dove le richieste computazionali crescono con una rapidità impressionante, è un vincolo che pesa parecchio. Chi investe in una macchina professionale oggi potrebbe trovarsi con un limite hardware permanente domani.
Il mercato workstation cambia sotto la spinta dell’AI
L’AI locale sta ridisegnando le regole del gioco nel mercato delle workstation. Fino a pochi anni fa, configurazioni desktop con oltre 64 GB di RAM erano roba da nicchie professionali ristrettissime. Oggi sviluppatori, creator e ricercatori cercano sistemi in grado di far girare modelli linguistici sempre più grandi direttamente sulla propria scrivania. Apple si trova in una posizione particolare: i chip della serie M offrono consumi ridotti, ottima banda passante e un’integrazione software avanzata tramite Metal e Core ML, ma l’azienda compete in modo indiretto contro workstation basate su architettura NVIDIA CUDA, che dominano ancora gran parte del mercato AI professionale.
