不是Pro，不是Air，是苹果刚发布的MacBook Neo——官网售价699美元，欧盟区连充电头都不送，只有一根编织USB-C线。
DuckDB 开发者跑到Apple Store买了一台，在8GB内存的机身里，硬塞进了1亿行数据。结果你猜怎么着？
冷启动查询，它比AWS价值数千美元的云服务器快了将近3倍。
手机芯片干大数据，这合理吗？
先别急着喊"苹果牛X"，让我们看看这台机器的配置有多离谱。
MacBook Neo用的是A18 Pro，没错，就是iPhone 16 Pro上的那颗芯片。6个核心（2个性能核+4个效率核），8GB内存焊死，硬盘只有256GB或512GB可选。DuckDB团队选了512GB版本，总价700美元。
这配置放在2026年，连"入门"都算不上，简直是"丐中丐"。
但DuckDB团队偏偏不信邪。他们之前就用干冰冷却iPhone 16 Pro跑过TPC-H测试，10分钟干完所有查询。现在同样的芯片在笔记本里，直接挑战ClickBench——包含1亿行数据、75GB CSV文件的残酷基准测试。
测试对手是两个AWS云实例：c6a.4xlarge（16线程，64GB内存）和c8g.metal-48xl（96线程，海量内存）。
结果出炉，
59秒 vs 169秒：本地存储的复仇
冷启动数据（首次查询，无缓存）：
- MacBook Neo：59.73秒
- c6a.4xlarge：145.08秒
- c8g.metal-48xl：169.67秒
700美元的入门本，干翻了 AWS 的中端和高端实例。为什么？
瓶颈不在CPU，而在存储。 云实例用的是网络附加磁盘（EBS），每次读取都要过网络。MacBook Neo虽然硬盘速度只有1.5GB/s（远不如MacBook Pro的6GB/s），但好歹是本地NVMe。
有意思的是，到了热启动（文件已缓存），云实例凭借96个线程和海量内存，把总时间压到了4.35秒，MacBook Neo只能做到54秒。但中位数查询时间，这台小机器依然能吊打c6a.4xlarge。
更狠的是TPC-DS SF300测试——这是24张表、99个查询的魔鬼赛程，数据量远超8GB内存。DuckDB通过外存计算（out-of-core）硬扛，虽然Query 67单条就跑了51分钟，但最终79分钟完成了全部查询。
一台700美元、8GB内存的机器，消化了传统意义上需要集群处理的"大数据"。
等等，这测试公平吗？
评论区立刻有人跳了出来。
"你们拿EBS实例对比本地NVMe？试试c8gd.4xlarge（本地NVMe实例）啊！"
确实，这对比有点像拿自行车和堵车中的法拉利比速度。DuckDB团队自己也承认，如果云实例用上本地存储，结果会完全不同。
但这条评论戳破了窗户纸：
"这与其说是MacBook的胜利，不如说是对AWS计算的控诉。"
当我们花大价钱租用云服务器，却连本地存储都配不上，只能忍受EBS的网络延迟，这算哪门子云计算？
另一条评论更扎心：
"先读读MotherDuck那篇《大数据已死》吧，这测试本质上是个meme。"
确实，DuckDB一直在鼓吹"单机足够"的理念。当8GB内存的笔记本能处理SF300（约300GB原始数据）时，我们真的需要Spark集群吗？
谁该买这台机器？
说实话，如果你每天处理TB级数据，别买。8GB内存和1.5GB/s的硬盘会是瓶颈，MacBook Air或Pro更适合你。
但如果你是个数据科学家、生态学家、或者穷鬼开发者（评论里真有个"broke ecologist"说这就是他需要的），这台机器能干的事超乎想象：
- 有人用M1 MacBook Air开发iOS应用，经历过两次创业收购
- 有人在AWS Lambda上用DuckDB 10行代码替代了400行C#代码
- 有人把20年历史的Python应用迁移到DuckDB，获得了40-80倍加速
它不会取代你的工作站，但它证明了"足够好"的硬件配合极致优化的软件，能打破我们对"大数据"的迷信。
当行业告诉你"上云、上集群、上K8s"时，也许答案就在700美元的塑料盒子里，连充电头都不送的那种。
数据真的有那么"大"吗？还是我们只是习惯了为不需要的复杂度付费。
【kimi-k2.5锐评】：DuckDB用一台丐版MacBook撕下了大数据行业的皇帝新衣——当8GB内存能跑300GB数据时，那些动辄TB级集群的"数据湖"可能只是在为AWS的财报打工。
参考链接：
https://duckdb.org/2026/03/11/big-data-on-the-cheapest-macbook