Góc nhìn của một Data Scientist về chiếc MacBook Neo giá 599 USD: Ai nên mua?

Khi Apple tung ra chiếc MacBook Neo giá 599 USD vào tháng trước, tôi đã làm điều mà bất kỳ nhà khoa học dữ liệu (Data Scientist) nào đang cố gắng tiết kiệm chi phí cũng sẽ làm.

Tôi mở sáu tab trình duyệt, xem video giới thiệu sản phẩm hai lần, rồi dành hai mươi phút để tự vấn về mọi lựa chọn trong cuộc đời đã dẫn tôi đến chiếc laptop hiện tại.

Đó chính là ma thuật của một thông báo công nghệ hấp dẫn. Không quan trọng laptop hiện tại của bạn có ổn đến đâu; khoảnh khắc một thiết bị mới tinh, bóng bẩy xuất hiện với mức giá gần như "tấn công" vào túi tiền, bộ não bạn sẽ âm thầm vận động chống lại những lựa chọn cũ kỹ.

Và đúng là tôi đã thực sự cân nhắc.

Tôi là một nhà khoa học dữ liệu. Tôi dành cả ngày để vùi lối trong Python, xử lý những bộ dữ liệu khổng lồ không cần thiết phải lớn đến thế, chạy các Jupyter Notebook, và thỉnh thoảng lại ngồi chờ đợi quá trình huấn luyện mô hình như đang đợi thang máy chậm, bấm nút liên tục dù biết điều đó chẳng giúp ích gì.

Laptop của tôi không chỉ là một cỗ máy. Nó là trọng tâm của mọi hoạt động chuyên nghiệp của tôi. Và trong khoảng bốn mươi lăm phút rực rỡ sau khi xem MacBook Neo, tôi đã nghĩ: có lẽ đây chính là nó.

Sau đó, tôi kiểm tra cấu hình chi tiết.

Khi giấc mơ giá 599 USD vỡ vụn

Điều mà Apple không nhắc đến trong tên gọi của MacBook Neo là nó chỉ có 8GB bộ nhớ hợp nhất (unified memory).

Chỉ vậy thôi.

Đó là lựa chọn duy nhất. Bạn bị mắc kẹt với mức RAM 8GB. Không có cách nào nâng cấp nó; cơ bản là, cái bạn thấy chính là cái bạn nhận được. Với người dùng bình thường, điều này có lẽ rất ổn. Thậm chí là tuyệt vời.

Đa số mọi người đều nói rằng nó hoàn toàn đủ dùng cho các trường hợp sử dụng trung bình. Và họ thực sự đúng.

Tuy nhiên, trường hợp sử dụng trung bình và khối lượng công việc của khoa học dữ liệu là hai thế giới hoàn toàn khác nhau.

Hãy để tôi vẽ ra một bức tranh cho bạn. Đây là một thứ Ba bình thường của tôi: Tôi có một Jupyter Notebook đang mở với một chút xử lý dữ liệu chạy ngầm. Dữ liệu này đang chiếm vài trăm nghìn hàng. Tôi cũng mở VS Code với một Docker container chạy ngầm. Tôi mở Chrome với mười hai tab. Tôi đang gặp rắc rối. Và tôi còn có thông báo Slack mà tôi đang phớt lờ. Và đây là chưa kể đến việc tôi nghĩ đến việc tải một mô hình máy learning.

Hôm đó không có gì đặc biệt. Chỉ là một ngày bình thường.

Tôi nhớ lại lần đó khi tôi có bộ dữ liệu của khách hàng, không quá lớn, khoảng 2GB khi tải lên, và máy của tôi đã phải hoán đổi dữ liệu sang ổ cứng (memory swapping) dữ dội đến mức tôi nghĩ nó đang nghi ngờ cuộc đời mình.

Điều đó xảy ra với máy RAM 16GB. Việc phải làm y hệt như vậy với 8GB, không có nâng cấp nào, khiến tôi cảm thấy kiệt sức một cách cụ thể.

Chip A18 Pro của Neo thực sự là một mảnh phần cứng ấn tượng, đạt hiệu suất đơn lõi gần tương đương M3 trong các bài kiểm tra điểm chuẩn, nhưng khoa học dữ liệu hiếm khi bị giới hạn bởi tốc độ xử lý, ngay cả khi bạn có nhiều nhân để ném vào vấn đề đó.

Không, giới hạn của khoa học dữ liệu nằm ở chỗ bạn có bao nhiêu bộ nhớ trống, và khi hết, bạn cũng hết đường.

Nhưng MacBook Neo thực sự được thiết kế cho ai?

Tôi nghĩ tôi nên tạm dừng việc soi mói của mình một chút, vì rất dễ dàng để gán nhầm sai đối tượng cho chiếc laptop này.

MacBook Neo không dành cho tôi. Nó không dành cho chuyên gia ML dày dạn kinh nghiệm với mười bảy tab trình duyệt luôn mở. Nó không dành cho người như tôi. Nó dành cho một đối tượng hoàn toàn khác, và ở khía cạnh này, nó có một lý lẽ khá thuyết phục.

Hãy nghĩ về người mới bắt đầu (beginner).

Đó là sinh viên vừa đăng ký khóa học Python đầu tiên và cần một máy tính đáng tin cậy, không tốn hết tiền thuê nhà một tháng.

Đó là chuyên viên phân tích sống cùng Google Sheets, chạy một vài truy vấn SQL, và thỉnh thoảng vào Jupyter Notebook để phân tích một chút.

Đó là nhà khoa học dữ liệu trong một khóa học bootcamp trực tuyến chỉ cần một máy tính có thể chạy VS Code mà không gặp vấn đề gì.

Đối với họ, MacBook Neo sẽ đủ đáp ứng mọi nhu cầu năng suất hàng ngày, và mức giá 599 USD (hoặc 499 USD trong giáo dục) là một món hời.

Đây là một chiếc MacBook thực thụ với đầy đủ tiện nghi: macOS chuẩn xác, vỏ nhôm nguyên khối, và màn hình Liquid Retina rực rỡ, tất cả chỉ với một phần nhỏ giá tiền mà nhiều người sẽ chi cho một máy tính cũ trông như được dán bằng băng dính và cầu nguyện.

Và đây là bí mật bẩn thỉu mà các nhà khoa học dữ liệu mới không thường nghe đủ: Bạn không cần một chiếc máy tính xịn để học khoa học dữ liệu.

Bạn có thời gian GPU miễn phí trên đám mây với Google Colab. Bạn có Kaggle notebooks. Bạn có các gói miễn phí của AWS, GCP và Azure. Những việc nặng nhọc không cần phải được thực hiện trên laptop của bạn; chúng chỉ cần được thực hiện ở đâu đó.

Bài học thực sự tôi tiếp tục học lại

Có một huyền thoại gây phiền toái đang lan truyền giữa những người khao khát trở thành nhà khoa học dữ liệu gần đây:

"Tôi sẽ thực sự bắt đầu học khi tôi có thiết bị lý tưởng.""

Tôi đã thấy mọi người trì hoãn việc học cho đến khi họ có khả năng chi tiền cho một cỗ máy cao cấp.

Tôi đã thấy người ta thuyết phục bản thân rằng họ cần một cỗ máy quái vật có GPU trước khi viết dòng code đầu tiên bằng pandas.

Những nhà khoa học dữ liệu tài năng nhất tôi từng gặp không ngồi chờ một chiếc máy cao cấp. Một số người đã học trên những cỗ máy mà nếu đặt cạnh MacBook Neo chắc sẽ ngượng ngùng.

Họ có kỹ năng gì? Họ phát triển nó anyway, bất kể cỗ máy họ đang dùng. Bản năng? Cũng y hệt.

Nếu chiếc MacBook Neo 599 USD là thứ cần thiết để ai đó cuối cùng cũng bắt đầu học, thì đó là thứ họ cần. Đó là thứ họ xứng đáng.

Tôi có mua một chiếc không?

Không có cơ hội nào cả.

Và không có bất kỳ sự kịch tính nào. Tôi cần một lượng RAM khổng lồ, nhiều cổng kết nối, và sự đảm bảo rằng laptop của tôi sẽ không đột ngột ngừng hoạt động giữa một thí nghiệm.

MacBook Neo sẽ là một cỗ máy đẹp đẽ, một cỗ máy mà tôi sẽ phải vật lộn cả ngày để hoàn thành bất cứ việc gì.

Nhưng nó đơn giản là không dành cho tôi. Một phần của việc trung thực với các công cụ là phải trung thực về việc công cụ đó dành cho ai và không dành cho ai.

Bạn có phải là một nhà khoa học dữ liệu đang làm việc cần thực hiện bất cứ việc gì liên quan đến máy learning cục bộ nặng nề không?

Hãy giữ những gì bạn đang có, hoặc hãy mua MacBook Air với chip M4, có RAM 16GB tiêu chuẩn ngay từ đầu.

Tin tôi đi, bản thân tương lai của bạn sẽ cảm ơn điều đó vào giờ thứ ba của chu kỳ huấn luyện mô hình.

Bạn có phải là người mới bước chân vào thế giới khoa học dữ liệu, đang học, khám phá, hoặc chỉ cần một cỗ máy tuyệt vời để thực hiện các công việc phân tích nhẹ nhàng? MacBook Neo đáng để xem xét nghiêm túc.

Nó nhanh, nó được chế tác tốt, nó chạy macOS một cách tuyệt đẹp, và nó có mức giá 599 USD. Để sử dụng hàng ngày, nó không chỉ đủ; nó thực sự tốt. Apple đã vượt qua chính mình ở lần này.

Lời kết

Có điều gì đó quen thuộc trong việc ra mắt các sản phẩm của Apple: họ bước lên, giao tiếp bằng mắt mắt, và thúc bạn nhẹ nhàng, buộc bạn phải suy nghĩ lại mọi thứ.

Có những lúc bạn gật đầu đồng ý, và có những lúc bạn chỉ nhún vai, nói: "Không dành cho tôi, nhưng có thể dành cho người khác.""

Cỗ máy tốt nhất là cỗ máy cho phép bạn tiếp tục xây dựng, học hỏi và vận hành. Nó có thể là chiếc Neo 599 USD màu cam rực rỡ, hoặc chiếc MacBook Pro đắt tiền hơn cả một chiếc xe hơi cũ.

Bây giờ, xin lỗi, tôi phải đi đóng một vài tab lại rồi.