1) Apple muss nicht mit Datacentern konkurrieren – genau hier liegt der Hebel
Apple greift Nvidia nicht im Datacenter an, und das ist bewusst so gewählt. Zielgruppe sind Consumer, Prosumer, Researcher, Indie-ML-Teams, Startups sowie On-device-, Private- und Edge-AI-Anwendungen mit lokalen LLMs. In diesem Umfeld zählen Preis, Einfachheit, lokale Datenhaltung und sofort nutzbare Leistung mehr als maximale Skalierung. Die Kombination aus Unified Memory, MLX, macOS 26.2 mit RDMA und Thunderbolt 5 ist deshalb plötzlich extrem stark, weil man für den Preis einer RTX Pro oder H200 mehr nutzbaren Speicher, weniger Komplexität und sofort einsatzfähige Performance bekommt. Das ist kein HPC-Angriff von oben, sondern eine Disruption von unten.
2) Warum MLX und macOS 26.2 im Consumer-Markt ein echter Gamechanger sind
Der Gamechanger sind nicht absolute FLOPS, sondern der Paradigmenwechsel von VRAM zu RAM. Nvidia zwingt dazu, Modelle klein zu halten oder sehr teure GPUs zu kaufen, während Apple sagt: nimm 128 bis 512 GB Unified Memory und lade einfach das Modell. Für viele reale LLM-Workloads ist nutzbarer Speicher wichtiger als maximale Bandbreite. MLX nutzt diese Architektur konsequent aus, vermeidet Kopier-Overhead zwischen CPU und GPU und lässt Modelle effizient dort laufen, wo sie liegen.
3) RDMA ohne Datacenter-Hürden ist der eigentliche Durchbruch
Apple geht einen fundamental anderen Weg als klassische HPC-Stacks. Es braucht kein CUDA, kein NCCL-Setup, keine Infiniband-Fabric und kein Kernel-Tuning. Kabel einstecken, RDMA ist im Betriebssystem vorhanden und MLX nutzt es automatisch. Diese extrem niedrige Einstiegshürde ist entscheidend, denn sie macht verteilte KI erstmals für Consumer und Prosumer realistisch nutzbar, nicht nur für spezialisierte Datacenter-Teams.
4) 2–4 Nodes sind bewusst die Zielgrösse
Apple weiss sehr genau, dass 80 bis 90 Prozent aller lokalen KI-Use-Cases mit ein bis zwei Maschinen abgedeckt sind und maximal vier Nodes benötigen. Für diese Grössenordnung ist Thunderbolt-RDMA ideal: sehr niedrige Latenz, hoher Durchsatz, keine Switches und kaum Overhead. Apple optimiert nicht für 32 oder 64 Nodes, sondern für das Szenario: ich habe zwei bis vier Macs und will jetzt ein grosses Modell lokal ausführen.
5) Der Engpass ist real: Thunderbolt skaliert nicht
Mehr als vier Mac Studios lassen sich praktisch nicht sinnvoll verbinden, weil Thunderbolt ein Punkt-zu-Punkt-Interconnect ohne Switch-Fabric und Routing ist. Die notwendige Vollvermaschung skaliert physikalisch nicht: zwei Nodes brauchen ein Kabel, vier Nodes sechs Kabel, acht Nodes sind praktisch unmöglich. Das ist kein Bug, sondern eine architektonische Grenze von Thunderbolt und lässt sich nicht durch schnellere Chips oder Software beheben.
6) Was Apple realistisch tun muss – und vermutlich tun wird
Wenn Apple über vier Nodes hinaus skalieren will, führt kein Weg an einem
switchbaren Hochgeschwindigkeitsnetzwerk vorbei. Der realistischste Schritt ist Ethernet mit
100 bis 200 GbE und
RDMA (RoCE v2) auf Basis von Standard-Technologie von Broadcom oder Intel. Ein komplett eigener Netzwerkstandard würde wenig Sinn machen, da er teuer, isolierend und schwer zu etablieren wäre. Deutlich stimmiger wäre ein
Apple-definiertes Profil auf Standard-Ethernet, bei dem der Mehrwert in der tiefen OS- und MLX-Integration liegt: RDMA ohne manuelles Setup, automatische Optimierung und sichere Defaults. So könnte Apple seine Stärken im lokalen KI-Bereich behalten und die Skalierungsgrenze verschieben. Gleichzeitig würde ab diesen Netzwerkgeschwindigkeiten
das Storage wieder zum limitierenden Faktor, da selbst sehr schnelle NVMe-SSDs den Datendurchsatz nicht dauerhaft mitgehen können. Der Sweet Spot bleibt bis dahin klar: bis vier Nodes ist Apple extrem stark, darüber braucht es ein echtes Netzwerk – und ein ausgewogenes Storage-Design.
7) Was mit M5 realistisch wäre – und was extrem krass wäre
Realistisch für M5 ist, dass Apple diesen Weg konsequent weitergeht: höhere Speicherbandbreite, effizientere ML-Beschleuniger, tiefere RDMA-Integration in macOS und MLX sowie erstmals
100 GbE, eventuell
200 GbE, als Option im Mac Pro oder einem KI-orientierten Desktop. Das würde die 4-Node-Grenze nicht aufheben, aber deutlich grössere Modelle pro Node erlauben und hybride Setups ermöglichen, bei denen Thunderbolt-RDMA für niedrige Latenz und Ethernet-RDMA für Skalierung eingesetzt wird.
Extrem krass wäre hingegen ein direkt in den M5 integriertes,
switchbares Hochgeschwindigkeits-Network-Fabric mit RDMA, das ohne Zusatzkarten echte
8–16-Node-Cluster erlaubt. Damit würden Macs funktional in einen heute klar servertypischen Bereich vorstossen. Technisch denkbar, strategisch jedoch ein sehr grosser Schritt – und deshalb eher Vision als realistische Erwartung.
Fazit
Apple verfolgt im KI-Bereich bewusst eine andere Strategie als Nvidia und die klassischen Datacenter-Anbieter – und genau darin liegt die Stärke. Statt maximale Skalierung und rohe FLOPS in den Vordergrund zu stellen, optimiert Apple für lokale KI: viel nutzbarer Speicher, minimale Latenz, einfache Nutzung und niedrige Einstiegshürden. MLX, Unified Memory und RDMA in macOS 26.2 machen grosse Modelle dort praktikabel, wo sie real genutzt werden: bei Consumer-, Prosumer- und Research-Workloads mit ein bis vier Nodes. Die technische Grenze von Thunderbolt ist bekannt und akzeptiert, und der nächste logische Schritt wäre standardbasiertes Ethernet mit RDMA, nicht ein proprietärer oder datacenterlastiger Ansatz. Mit M5 kann Apple diesen Weg weiter festigen und ausbauen, ohne seine Positionierung aufzugeben. Apple muss Nvidia nicht schlagen – Apple gewinnt, indem es KI lokal einfacher, günstiger und zugänglicher macht.
Infiniband heißt aktuell nVidia. Gibt es irgend welche Hinweise auf ibverbs im System?
Apple wird den InfiniBand-Weg nicht gehen, weil er ein Nvidia-dominiertes, komplexes Datacenter-Ökosystem voraussetzt, das nicht zu Apples Zielmarkt passt. InfiniBand ist teuer, spezialisiert und stark an ibverbs und Linux-HPC gebunden – genau diese Abhängigkeiten vermeidet Apple bewusst. Stattdessen setzt Apple auf Standard-Technologien wie RDMA über Thunderbolt und perspektivisch Ethernet, kombiniert mit tiefer Integration in macOS, MLX und Unified Memory.
Damit steht Apple strategisch besser da: nicht durch maximale Fabric-Geschwindigkeit, sondern durch einfache, lokale und sofort nutzbare KI-Performance. Apple gewinnt, indem es ausreichend schnelles Networking so integriert, dass es ohne Spezialwissen funktioniert – skaliert für Consumer und Prosumer und bleibt unabhängig von Nvidia.
