迟来的MacBook 14 M3 Max开箱，加杂谈

有句古话说得好，真是买前生产力买后爱奇艺。
😹😹😹

本来想着，换电脑，激励自己好好工作，好好学习。
然而我最近一直沉迷打游戏，这台电脑说实话，用的不太多。所以早早拍了照片但是没有发布任何感想。

开箱体验

 

 

 

所以总体来说，我觉得包装的设计还是挺独具匠心的，他把这个包装缓冲做到了这个外包装的纸盒里，就没有额外的塑料泡沫什么的。
但是你要说环保吧，感觉还是在能环保一点，比如把里头这些说明啊纸啊，都去掉，给用户个QR code的就可以了。

14寸和13寸MacBook Pro的外观和体型对比

这是13寸的MacBook Pro在置换之前的最后一张照片，最后加上税抵了六百多刀吧，我是觉得还可以。

其实说到这个，我突然想到，
在M1 芯片刚出的时候，我曾经帮两个上学的女生参考买什么Macbook Pro （CS和EE专业），我立劝过这两位换16寸的Macbook Pro 但是对方坚决不肯就坚持用13寸，
可能很多女生真的是把便携和重量作为很重要的一个考虑因素。

所以，现在看来14寸是一个结合性能和便携的一个好选项。

 

 

不得不说，这个黑色真的是好看

产品力浅谈：

M3系列的MacBook Pro比上一代M2系列，升级更有诚意一点，配备强大芯片，提升游戏性能。

M3系列的MacBook Pro是迄今为止最顶级MacBook，但价格昂贵，下面我们看看其优缺点。

优点：

1. 卓越性能：M3 MacBook Pro在日常使用中表现出色，特别适合高负载任务，性能基本符合预期，基准测试表明其强大性能。

2. 电池续航：14英寸和16英寸版本的续航时间稳定，至少达到10小时左右，比竞争对手长。

3. 游戏性能：Mac电脑终于展现出了可以接受的游戏性能，支持现代大作游戏。

4. 显示屏、端口和设计：更新的深色色调，出色的音响系统，HDMI输出和SD内存读卡器的提供。

缺点：

1. 价格昂贵：MacBook Pro价格高，特别是升级内存和硬盘的版本，需要付出昂贵的代价。

2. 基础班太抠了：M3 MacBook Pro Base版本在内存上面有极大的妥协， 内存是8GB起跳，端口选择方面也有一点点的妥协，比M3 Pro型号少一个Thunderbolt 4端口。

 

我个人是推荐跳过 M3 版本的Macbook Pro，

当然它也不是完全都是缺点，它的屏幕和扬声器都继承了大哥机型，然后在IO方面，比起M2 时代的13寸 MacBook pro 进步很多。所以文科专业或者平时学生刷刷题，练习算法面试，还是可以的，毕竟有工作后，公司就出钱买高配电脑了。

我是推荐M3 Pro 和 M3 Max， 尤其是M3 Max 的Base 版本对预算紧张的工科或者工程师朋友们，比较友好，因为省级内存和硬盘实在是太贵了。

个人感想和碎碎念：

我本人是从16寸 M1 Max 32GB+1TB 升级而来， 当时各种原因吧， 主要是心里痒痒，入手了48 GB ram的14寸M3 Max，说实话，稍微有点后悔，其实我后来打算退货，然后换16英寸的M3 Max然后内存升级到64 GB。

但是我记错了退货截止期！！！ 真的是太伤心了 😿😿😿😿
节日退货截止期1月8号。。。。。。

但是想想也能用吧，少花点钱可以留到以后没准M5再升级。 其实开始也没有想好为什么要升级，因为我觉得绝大多数时间M1 Max是够用的，但是最近苹果新发布的机器学习框架，让我的升级有了更多意义，其实我一直想学习一下这方面的内容。

简单的介绍下苹果发布的MLX

苹果于2023年底发布了MLX，一个用于苹果硬件Apple Silicon的机器学习框架。
MLX具有以下特点：

熟悉的API：MLX的Python API与NumPy紧密结合

可组合函数转换：MLX 引入了可组合函数转换，支持自动微分、向量化和计算图优化。

惰性计算和动态图构建：MLX 中的计算被设计为惰性计算，确保仅在必要时才具体化数组，从而优化计算效率。MLX采用动态图构建，消除了因函数参数形状变化而引发的缓慢编译。这种方法简化了调试过程。

多设备支持：MLX 允许操作在支持的设备（包括CPU 和GPU）上无缝运行，为开发人员提供了灵活性。MLX 引入了与其他框架不同的统一内存模型。

MLX 的目标是成为苹果芯片上机器学习开发的首选框架。它具有强大的功能和易于使用的 API，可以帮助开发人员更快、更有效地构建机器学习模型。

一些 MLX 的示例用例：

语言模型训练，图像生成，语音识别

苹果的LLM

然后苹果于去年10月底，加入开源 AI 社区。 它和哥伦比亚大学的研究人员合作发布了名为Ferret。

Ferret 的推出证明了苹果公司对有影响力的人工智能研究的承诺

（但是大家有没有注意到苹果在公开场合很少用AI这个词，大多数时间都是用ML， 即Machine Learning），虽然公开的晚了，但是也迈进了多模式人工智能领域的竞赛。
当然，我个人觉得大公司不会全押注的一个模型，估计还有后续。

所以，最后呢，我还是给自己找了一个“正当“的升级理由😆😆😆😆

君君提示：你也可以发布优质内容，点此查看详情 >>

本文著作权归作者本人和北美省钱快报共同所有，未经许可不得转载。长文章仅代表作者看法，如有更多内容分享或是对文中观点有不同见解，省钱快报欢迎您的投稿。