为什么搞 AI 的人几乎都用 Mac？这篇讲清楚了

搞AI的人较多选择Mac，主要基于以下原因：

• 基于Unix系统：macOS与Linux同属Unix-like系统，在开发环境配置上具有天然优势。Python、Conda、Homebrew等工具在macOS上安装和配置过程简单，几乎“无痛”。例如，通过Homebrew可以快速安装和管理各种开发依赖包，避免了Windows系统中常见的依赖冲突问题。
• 原生适配开发工具：SSH、Git、Docker等开发常用工具在macOS上原生适配，无需额外配置或使用复杂的兼容层。这使得开发者可以更高效地进行代码管理、远程协作和容器化部署等工作。以Git为例，在macOS终端中可以直接使用各种Git命令，操作流畅且稳定。
• 避免依赖冲突：Windows系统在开发过程中常常会出现各种奇怪的依赖冲突问题，尤其是在安装和使用一些开源软件时。而macOS由于其统一的系统环境和严格的权限管理，能够有效避免这些问题，让开发者从项目开始的第一天就能专注于代码编写，提高开发效率。

• 明确的工作分工：深度学习训练通常依赖强大的GPU集群，因此采用本地负责编辑、调试和可视化，远程负责大规模训练与推理的工作模式。这种分工可以充分发挥本地设备的便携性和远程服务器的强大计算能力。
• VS Code Remote 的优势：配合VS Code Remote开发工具，开发者可以在本地Mac上无缝连接远程服务器，进行代码编辑、调试和可视化操作，就像在本地操作一样方便。而且，这种方式可以避免在本地配置复杂的GPU环境，减少了硬件成本和维护难度。macOS在支持VS Code Remote开发方面体验几乎无敌，能够提供稳定、流畅的远程开发环境。

• 多任务并发稳定：以M1 Pro芯片为例，它在多任务并发处理时表现出色，不会出现风扇狂转、系统卡顿等情况。例如，在同时运行Python脚本和Docker容器时，依然能够保持顺滑的操作体验，确保开发者的工作流程不被打断。
• 长时间运行顺滑：Python + Docker长时间运行在Mac上依旧顺滑，这对于需要长时间进行模型训练和开发的AI工作者来说非常重要。稳定的性能可以保证开发过程的连续性，提高工作效率。
• 电池续航优势：MacBook Pro出色的电池续航能力让开发者可以脱离电源束缚，随时随地进行工作。无论是在咖啡馆、图书馆还是出差途中，都能保证设备的持续使用，不会因为电量问题而影响工作进度。正如开发者常说：“当电脑足够稳定，你才能保持思维不中断。”

• Retina精细字体：MacBook Pro的Retina屏幕能够显示精细的字体，让开发者在长时间写代码时眼睛更加舒适。清晰的字体可以减少眼睛的疲劳，提高工作的专注度和效率。
• 触控板体验佳：Mac的触控板被认为是业界天花板，其精准的触控反馈和丰富的手势操作功能，让开发者可以更加便捷地进行各种操作。例如，通过手势可以快速切换应用程序、浏览网页等，无需使用鼠标，提高了操作的效率。
• 色彩准确：对于AI领域中的图像模型可视化工作，Mac屏幕的色彩准确性非常重要。准确的色彩显示可以帮助开发者更好地观察和分析图像模型的输出结果，提高模型调试的效率。只有Mac能让开发者在10小时工作后，眼睛还愿意多看一会儿。

• 数据传输便捷：Mac与iPhone、iPad等苹果设备之间的生态融合非常紧密。例如，用iPhone拍个图，可以直接拖进Mac的笔记中；通过AirDrop可以分分钟在设备之间传输数据，无需使用数据线或其他第三方工具，大大提高了工作效率。
• 剪贴板跨设备共享：剪贴板跨设备共享功能让开发者在不同设备之间复制粘贴内容变得更加方便。例如，在iPhone上复制一段代码，可以直接在Mac上粘贴使用，实现了无缝的跨设备工作体验。当这些能力成为习惯，开发者会发现已经离不开Mac的便捷生态。

搞AI的人选择Mac，是因为它在开发环境、工作流、性能、屏幕交互和生态融合等方面都具有显著优势，能够为开发者提供稳定、高效、专注的工作体验，是一台能让开发者随时进入科研状态的理想设备。