看懂 Mac 的處理晶片

入門更新日期：2026/08/25二

Mac 的晶片名稱能告訴你硬體世代與大致等級，但不能單獨決定一項 Local AI 工作能不能執行或會有多快。

Apple silicon 不只是一顆 CPU

Apple silicon 把 CPU、GPU 與其他運算單元整合在同一個 SoC（System on a Chip，系統單晶片）中。晶片世代會影響速度與可用功能，但它不是唯一判斷依據；模型、Runtime、軟體支援、記憶體容量與頻寬也都會影響結果。

從 DTK 到 M6

Apple 在 2020 年宣布 Mac 轉向 Apple silicon 時，先提供以 A12Z Bionic 為核心、外型近似 Mac mini 的 Developer Transition Kit（DTK），讓開發者測試軟體。同年稍晚，第一代供一般使用者購買的 M1 Mac 才正式推出。

如果只想先辨認晶片世代，可以記住以下時間線：

年份	晶片或產品	你需要知道的事
2020	A12Z Bionic DTK	Apple silicon Mac 的開發者過渡設備，不是一般市售 Mac。
2020	M1	第一代 M 系列晶片，率先用於 MacBook Air、13 吋 MacBook Pro 與 Mac mini。
2022	M2	第二代 M 系列晶片，隨新款 MacBook Air 與 13 吋 MacBook Pro 發表。
2023	M3	Apple 同時發表 M3、M3 Pro 與 M3 Max。
2024	M4	先隨 iPad Pro 發表，同年稍晚進入 Mac 產品線。
2025	M5	隨 14 吋 MacBook Pro、iPad Pro 與 Apple Vision Pro 發表。
2026	A18 Pro MacBook Neo	將原先用於 iPhone 16 Pro 系列的 A18 Pro 用來執行 macOS，表示 Apple silicon Mac 不只採用 M 系列。
2026	M6	Apple 首款採用 2 奈米製程的晶片，隨 Mac mini 發表，配備 12 核心 CPU、12 核心 GPU 與雙 16 核心神經網路引擎。

同一世代還有 Pro、Max 與 Ultra

同一個 M 世代不代表只有一種規格。Apple 通常會依產品定位推出基本款，以及 Pro、Max，有些世代還有 Ultra；這些版本主要會拉開 CPU 與 GPU 核心數、可選的統一記憶體容量，以及記憶體頻寬。

並非每一代都會完整推出所有後綴，也不一定同時發表。2026 年 9 月上市的 Mac mini 同時提供 M6 與 M5 Pro，Mac Studio 則提供 M5 Max 與 M5 Ultra，正好示範同一時期的產品也可能混用不同晶片世代。判斷硬體時，應該查看完整晶片名稱、GPU 核心數與實際記憶體規格。

M5 Ultra 是 Apple 首款四晶粒的 M 系列晶片：它透過 UltraFusion 連接兩組雙晶粒 M5 Max，讓系統把整組硬體視為一顆 SoC，最高提供 36 核心 CPU 與 80 核心 GPU。這表示 Ultra 不只是型號尾碼，也會透過多晶粒封裝提高運算規模與統一記憶體上限。

GPU

許多 Local AI 工具會使用 GPU 加速推論。一般來說，GPU 的運算能力越強，越能加快模型需要的大量矩陣運算；不過，實際使用 CPU、GPU 或 Apple Neural Engine，仍取決於模型、Runtime 與軟體支援。

GPU 規格不只可能影響每秒生成多少 Token，也可能影響送出較長的 Prompt 後，要等待多久才開始看到回答。這兩種速度受硬體影響的方式不完全相同，也不會單純按照 GPU 核心數等比例增加。

從 M5 世代開始，每個 GPU 核心都內建專屬的神經網路加速器（Neural Accelerator），用來加速由 GPU 執行的 AI 工作；它和晶片中獨立的 Neural Engine 並不是同一個單元。這項設計延續到 M6，也出現在最高 80 核心 GPU 的 M5 Ultra。Apple 表示，M6 的 GPU AI 峰值運算能力較 M5 提升近 30%，M5 Ultra 則最高可達 M3 Ultra 的 4.5 倍。

NPU 與 Apple Neural Engine

NPU（Neural Processing Unit）是針對神經網路運算設計之專用硬體的通稱；在 Apple silicon 中，Apple 將這個運算單元稱為 Apple Neural Engine，也常縮寫為 ANE。它適合以較高能源效率執行機器學習推論，和用途較廣泛的 CPU、GPU 分工。

Apple 早在 2017 年的 iPhone X 上，就於 A11 Bionic 晶片中加入 Neural Engine；到了 2020 年，ANE 再隨 M1 進入 Mac。對講求電池續航的行動裝置來說，這類專用單元能以較低耗電加速裝置端機器學習，讓 Face ID 等功能快速回應。

M6 是 Apple 首款配備雙 16 核心神經網路引擎的晶片。Apple 的系統框架可以同時運用兩組引擎，但第三方 Local AI 工具是否使用它們，仍取決於 Runtime 與應用程式的實作。

Apple 的 Core ML 可以使用 CPU、GPU 與 Neural Engine，並依模型和設定安排運算。因此，Mac 規格表上有 Neural Engine，不代表任意下載的模型或 Local AI 工具都會自動使用 ANE；模型格式、運算內容、Runtime 與軟體支援仍然要相容。

閱讀後自我確認

試著回答以下問題，來確認是否已學會。不確定答案的話，再回到對應段落複習。打勾狀態是方便你在這個頁面一一確認用，不會被儲存。

晶片名稱中的世代與 Pro、Max、Ultra 等後綴，分別能告訴我什麼？
為什麼不能只看 GPU 核心數，就斷言 Local AI 一定會快多少？
M5 與 M6 GPU 核心內的 Neural Accelerator 可能改善 LLM 推論的哪一個階段？
Apple Neural Engine 適合什麼工作？為什麼任意模型不一定會自動使用它？