- Mac chip Apple Silicon: PyTorch dùng GPU qua thiết bị mps (tài liệu PyTorch 2.15 ghi cần macOS 15.0 trở lên); TensorFlow chưa có hỗ trợ GPU chính thức trên macOS. Mac chip Intel không còn gói PyTorch, TensorFlow bản mới.
- Windows có card NVIDIA: PyTorch dùng CUDA ngay trên Windows; TensorFlow từ bản 2.11 muốn dùng GPU phải chạy trong WSL2.
- LM Studio, công cụ chạy mô hình ngôn ngữ trên máy, cần Mac Apple Silicon với macOS 14.0 trở lên (Mac chip Intel chưa hỗ trợ), Windows x64 cần CPU có AVX2, và khuyên từ 16 GB RAM.
- Máy nào cũng học AI được; việc huấn luyện nặng có thể chạy trên Colab. Đừng mua máy mới trước khi biết máy hiện tại thiếu gì.
Code trong bài là Python, chỉ dùng thư viện chuẩn. Nó chỉ đọc thông tin máy, không cài hay thay đổi gì.
Máy nào cũng học AI được
Phần lớn thời gian học AI là học Python, toán, xử lý dữ liệu, đọc và viết code, gọi API mô hình. Những việc đó chạy tốt trên bất kỳ laptop nào còn dùng được. GPU mạnh chỉ cần khi huấn luyện mô hình học sâu đủ lớn, và việc đó có thể chạy trên Colab hay máy thuê; bài thuê GPU hay mua card có cách tính khi nào nên mua.
Vì vậy, câu hỏi đúng không phải "Mac hay Windows tốt hơn cho AI", mà "máy này làm được những việc mình cần không, và thiếu gì".
Mac chip Apple Silicon
Tài liệu PyTorch mô tả thiết bị mps cho phép huấn luyện hiệu năng cao trên GPU của máy macOS qua nền tảng Metal; bạn chỉ cần chuyển tensor và mô hình sang thiết bị "mps"; tài liệu MPS của bản 2.15 ghi cần macOS 15.0 trở lên. Trang cài đặt PyTorch ghi bản ổn định mới nhất cần Python 3.11 trở lên, và danh sách tệp trên PyPI cho thấy PyTorch 2.15 trên Mac chỉ có gói cho chip Apple chạy macOS 14.0 trở lên.
TensorFlow thì khác: trang cài đặt ghi hiện chưa có hỗ trợ GPU chính thức cho macOS, nên TensorFlow trên Mac chạy bằng CPU. Bài PyTorch hay TensorFlow so kỹ hai thư viện.
Với mô hình ngôn ngữ chạy trên máy, trang yêu cầu hệ thống của LM Studio đọc ngày 12/11/2026 ghi: Mac cần chip Apple Silicon (M1, M2, M3, M4) và macOS 14.0 trở lên; khuyên từ 16 GB RAM, máy 8 GB vẫn dùng được nhưng nên chọn mô hình nhỏ; Mac chip Intel hiện chưa được hỗ trợ. Nếu bạn đang có MacBook chip Intel, đây là giới hạn đáng biết trước.
Windows có card NVIDIA
Trang cài đặt PyTorch có lựa chọn Windows, pip và phiên bản CUDA hợp với máy; tài liệu khuyên có card NVIDIA để tận dụng CUDA, nhưng không bắt buộc, PyTorch vẫn chạy bằng CPU.
TensorFlow ghi rõ: bản 2.10 là bản cuối dùng GPU trên Windows trực tiếp; từ 2.11, muốn dùng GPU phải cài TensorFlow trong WSL2. Tài liệu Microsoft giải thích WSL là cách chạy Linux ngay trong Windows: cần Windows 10 bản 2004 (build 19041) trở lên hoặc Windows 11, cài bằng lệnh wsl --install trong PowerShell chạy với quyền quản trị, bản cài mới mặc định là WSL 2. Muốn dùng CUDA trong WSL, Microsoft ghi cần Windows 11 hoặc Windows 10 bản 21H2, cài driver NVIDIA hỗ trợ WSL, rồi dùng được PyTorch, TensorFlow như trên Linux.
LM Studio trên Windows chạy được trên máy x64 có CPU hỗ trợ tập lệnh AVX2 và máy ARM (Snapdragon X Elite); khuyên từ 16 GB RAM và card có ít nhất 4 GB bộ nhớ riêng. Bài LM Studio là gì có thêm chi tiết.
Còn Linux thì sao
Nhiều bạn học AI cài thêm Linux, hoặc dùng Linux qua WSL trên Windows. Trang cài đặt PyTorch cho Linux khuyên, không bắt buộc, có card NVIDIA hoặc AMD để tận dụng CUDA hay ROCm. LM Studio có bản Linux cho máy x64 và ARM64, phát hành dạng AppImage, cần Ubuntu 20.04 trở lên. Với người mới, WSL trên Windows là cách thử Linux ít rủi ro nhất: không phải chia ổ đĩa, không đụng tới Windows đang dùng, gỡ ra cũng dễ.
Xem máy của bạn
Trước khi nghĩ tới máy mới, chạy đoạn Python dưới đây. Nó đọc hệ điều hành, phiên bản, loại chip, bản Python và dung lượng RAM, rồi đối chiếu với các yêu cầu ở trên: PyTorch có hợp bản Python không, TensorFlow 2.21 có gói cài không, Windows có đủ bản để dùng WSL và CUDA trong WSL không, Mac có đủ điều kiện cho LM Studio không, RAM có đạt mức 16 GB không.
"""Xem máy của bạn (Mac hay Windows) hợp với các công cụ học AI tới đâu.
Đối chiếu với yêu cầu ghi trong tài liệu chính thức, đọc 12/11/2026:
- PyTorch bản ổn định mới nhất cần Python 3.11 trở lên (trang Get Started); trên Mac, PyPI chỉ có
gói cho chip Apple, macOS 14.0 trở lên; Mac chip Intel không có gói từ bản 2.3 (bản cuối 2.2.2).
- PyTorch dùng GPU qua MPS: tài liệu MPS của bản 2.15 ghi cần macOS 15.0 trở lên.
- TensorFlow 2.21 có gói cài cho Python 3.10 tới 3.13 (danh sách tệp trên PyPI); TensorFlow 2.16
là bản cuối có gói cho Mac chip Intel (trang Install TensorFlow with pip).
- TensorFlow 2.10 là bản cuối dùng GPU trên Windows trực tiếp; bản mới hơn cần WSL2.
- WSL: Windows 10 bản 2004 (build 19041) trở lên hoặc Windows 11.
- CUDA trong WSL: Windows 11 hoặc Windows 10 bản 21H2 (build 19044).
- LM Studio trên Mac: chip Apple Silicon, macOS 14.0 trở lên; Mac chip Intel chưa được hỗ trợ.
- LM Studio: khuyên từ 16 GB RAM.
Chỉ dùng thư viện chuẩn.
"""
import ctypes
import platform
import subprocess
import sys
def ram_gb():
"""Dung lượng RAM (GB) hoặc None nếu không đọc được."""
he = platform.system()
try:
if he == "Windows":
class MEM(ctypes.Structure):
_fields_ = [("dwLength", ctypes.c_ulong), ("dwMemoryLoad", ctypes.c_ulong),
("ullTotalPhys", ctypes.c_ulonglong), ("ullAvailPhys", ctypes.c_ulonglong),
("ullTotalPageFile", ctypes.c_ulonglong), ("ullAvailPageFile", ctypes.c_ulonglong),
("ullTotalVirtual", ctypes.c_ulonglong), ("ullAvailVirtual", ctypes.c_ulonglong),
("ullAvailExtendedVirtual", ctypes.c_ulonglong)]
m = MEM()
m.dwLength = ctypes.sizeof(MEM)
ctypes.windll.kernel32.GlobalMemoryStatusEx(ctypes.byref(m))
return m.ullTotalPhys / 2**30
if he == "Darwin":
out = subprocess.run(["sysctl", "-n", "hw.memsize"], capture_output=True, text=True)
return int(out.stdout.strip()) / 2**30
if he == "Linux":
with open("/proc/meminfo") as f:
for dong in f:
if dong.startswith("MemTotal:"):
return int(dong.split()[1]) / 2**20
except (OSError, ValueError):
return None
return None
def lay_thong_tin():
he = platform.system()
tt = {"he": he, "chip": platform.machine().lower(),
"python": sys.version_info[:2], "ram_gb": ram_gb(), "ban": None, "build": None}
if he == "Windows":
tt["build"] = sys.getwindowsversion().build
elif he == "Darwin":
tt["ban"] = tuple(int(x) for x in platform.mac_ver()[0].split(".")[:2] if x)
return tt
def danh_gia(tt):
"""Trả về danh sách nhận xét cho thông tin máy tt (dict)."""
ra = []
py = tt["python"]
mac_intel = tt["he"] == "Darwin" and tt["chip"] != "arm64"
ban_mac = tt["ban"] or (0, 0)
if mac_intel:
ra.append("PyTorch mới nhất: không có gói cho Mac chip Intel (bản cuối có gói là 2.2.2)")
ra.append("TensorFlow 2.21: không có gói cho Mac chip Intel (bản cuối có gói là 2.16)")
else:
if tt["he"] == "Darwin" and ban_mac < (14, 0):
ra.append("PyTorch mới nhất: cần macOS 14.0 trở lên")
else:
ra.append(("PyTorch mới nhất: được" if py >= (3, 11) else
"PyTorch mới nhất: cần Python 3.11 trở lên"))
ra.append(("TensorFlow 2.21: có gói cài" if (3, 10) <= py <= (3, 13) else
"TensorFlow 2.21: không có gói cài cho bản Python này (cần 3.10-3.13)"))
if tt["he"] == "Windows":
b = tt["build"] or 0
ra.append("WSL: dùng được" if b >= 19041 else "WSL: cần Windows 10 build 19041 trở lên")
ra.append("CUDA trong WSL: dùng được" if b >= 19044 else
"CUDA trong WSL: cần Windows 11 hoặc Windows 10 21H2 (build 19044)")
ra.append("TensorFlow dùng GPU: phải qua WSL2")
elif tt["he"] == "Darwin":
if tt["chip"] == "arm64":
ban = tt["ban"] or (0, 0)
ra.append("PyTorch dùng GPU qua MPS: chip Apple Silicon" if ban >= (15, 0) else
"PyTorch dùng GPU qua MPS: cần macOS 15.0 trở lên")
ra.append("LM Studio: dùng được" if ban >= (14, 0) else "LM Studio: cần macOS 14.0 trở lên")
else:
ra.append("LM Studio: chưa hỗ trợ Mac chip Intel")
ram = tt["ram_gb"]
if ram is not None:
ra.append(f"RAM {ram:.0f} GB: " + ("đủ mức 16 GB LM Studio khuyên" if ram >= 15.5 else
"dưới mức 16 GB LM Studio khuyên, chọn mô hình nhỏ"))
return ra
if __name__ == "__main__":
tt = lay_thong_tin()
print(f"Máy: {tt['he']} {tt['ban'] or tt['build'] or ''}, chip {tt['chip']}, "
f"Python {tt['python'][0]}.{tt['python'][1]}")
for dong in danh_gia(tt):
print("-", dong)
Trên một máy Windows 11 thử nghiệm với Python 3.13 và 16 GB RAM, kết quả là PyTorch và TensorFlow đều có gói, WSL và CUDA trong WSL dùng được, TensorFlow muốn dùng GPU phải qua WSL2, RAM đạt mức khuyên. Một máy ghi 16 GB có thể đọc ra hơi dưới 16 khi hệ điều hành giữ lại một phần bộ nhớ, nên chương trình coi từ 15,5 GB là đạt.
Phần kiểm đi kèm chạy chương trình trên năm máy giả lập có đáp án viết sẵn, như Mac M2 chạy macOS 13.6, Mac chip Intel và Windows build 19041, rồi đối chiếu số liệu máy thật với một nguồn khác của hệ điều hành: trên Windows, tổng RAM do PowerShell báo; trên Mac, phiên bản do lệnh sw_vers báo.
Nếu đang định mua máy
- Học chương trình đại học chung, chưa biết sẽ đi sâu hướng nào: máy bạn thấy dễ dùng, đủ RAM; GPU để sau, dùng Colab.
- Muốn huấn luyện mô hình thị giác máy tính, học sâu thường xuyên trên máy mình: Windows hoặc Linux với card NVIDIA, cài WSL2 nếu dùng TensorFlow.
- Muốn chạy mô hình ngôn ngữ trên máy, dùng nhiều phần mềm của Apple: Mac Apple Silicon, ưu tiên RAM nhiều.
- Đang có Mac chip Intel: vẫn học tốt phần lớn chương trình; nhưng PyTorch (bản cuối có gói là 2.2.2) và TensorFlow (bản cuối là 2.16) không còn bản mới cho chip Intel, LM Studio cũng chưa hỗ trợ, nên phần học sâu và chạy mô hình ngôn ngữ hãy làm trên Colab hay qua API.
Trước khi mua, hỏi trường và anh chị khóa trên: một số môn học yêu cầu phần mềm chỉ chạy trên một hệ điều hành, và nhiều trường có phòng máy GPU cho sinh viên làm đồ án. Hỏi thêm môn nào dùng thư viện nào; nếu giáo trình dùng TensorFlow và bạn chọn Windows, chuẩn bị sẵn WSL từ đầu học kỳ.
Tuần đầu với máy học AI
Dù là máy cũ hay máy mới, tuần đầu nên làm theo thứ tự này. Ngày đầu, chạy đoạn Python ở trên, ghi lại kết quả. Ngày thứ hai, cài Python bản hợp với cả PyTorch và TensorFlow, tạo một môi trường ảo, cài numpy, pandas và một thư viện học sâu. Ngày thứ ba, chạy một ví dụ nhỏ và xem nó dùng CPU hay GPU: với PyTorch, kiểm tra thiết bị cuda trên Windows, Linux hoặc mps trên Mac. Ngày thứ tư, mở Colab và chạy cùng ví dụ để biết khi nào nên đưa việc lên đó. Ngày thứ năm, nếu muốn chạy mô hình ngôn ngữ trên máy, cài LM Studio hoặc Ollama và thử một mô hình nhỏ. Cuối tuần, bạn sẽ biết rõ máy mình làm tốt việc gì và việc gì nên để Colab hay API làm.
Cài đặt gọn cho cả hai
Dù dùng máy nào, cách làm giống nhau: cài một bản Python được nhiều thư viện hỗ trợ (hiện là 3.12 hoặc 3.13 để dùng được cả PyTorch và TensorFlow), mỗi dự án một môi trường ảo, ghim phiên bản thư viện. Trên Windows, nếu dùng TensorFlow với GPU, làm việc trong WSL ngay từ đầu để khỏi cài hai lần.
- Mua máy mới đắt tiền trước khi biết máy hiện tại thiếu gì.
- Mong TensorFlow bản mới dùng GPU trên Windows mà không qua WSL2.
- Mua Mac chip Intel cũ để chạy mô hình ngôn ngữ bằng LM Studio.
- Cài Python 3.14 rồi cài TensorFlow; bản 2.21 chưa có gói cho 3.14.
- Chạy lệnh cài đặt bằng quyền quản trị mà không đọc lệnh đó làm gì.
Câu hỏi thường gặp
MacBook có học AI được không?
Được; PyTorch dùng GPU qua MPS trên chip Apple Silicon, việc nặng chạy trên Colab.
Laptop Windows có card NVIDIA dùng TensorFlow GPU được không?
Được nếu cài TensorFlow trong WSL2; bản 2.10 là bản cuối dùng GPU trực tiếp trên Windows.
LM Studio có chạy trên Mac chip Intel không?
Trang yêu cầu hệ thống ngày 12/11/2026 ghi chưa hỗ trợ Mac chip Intel.
Học AI cần bao nhiêu RAM?
Học lập trình thì máy thường là đủ; chạy mô hình ngôn ngữ trên máy, LM Studio khuyên từ 16 GB.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.


