Каждый разработчик слышал это, обычно сквозь стиснутые зубы в два часа ночи: «На моей машине всё работает». Когда сборка проходит локально, но падает на стейджинге, мы инстинктивно виним версию фреймворка, отсутствие переменной окружения или сам Docker. Чаще, чем нам хотелось бы признавать, настоящим виновником является операционная система. Пути к файлам, системные вызовы, менеджеры пакетов и поведение ядра — всё это определяет, как работает код. Выбор правильной ОС — это не вопрос принадлежности к определенному «племени». Это способ устранить трение между вашим ноутбуком и продакшеном.

Windows: Универсал

Windows остается выбором по умолчанию по простой причине: железо просто работает. Подключили периферийное устройство — и драйвер, скорее всего, уже есть. Для разработчиков, работающих в экосистеме .NET, Visual Studio по-прежнему остается золотым стандартом. IntelliSense, инструменты отладки и шаблоны проектов ощущаются нативными, потому что они создавались именно под эту платформу.

С помощью Windows Subsystem for Linux 2 компания Microsoft во многом сократила разрыв между Windows и рабочими процессами на базе Unix. WSL2 запускает настоящее ядро Linux внутри легковесной виртуальной машины, а это значит, что вы можете вызывать bash, использовать apt и запускать Ubuntu без необходимости настройки dual-boot. Интеграция настолько плавная, что многие разработчики забывают, что работают не в нативном Linux.

Но у этой абстракции есть пределы. Docker Desktop в Windows полагается на Linux VM для своей работы, а трансляция файловой системы между ядром Windows NT и Linux-контейнером вносит задержки. Операции с интенсивным вводом-выводом, такие как монтирование больших директорий node_modules или компиляция внутри volume, работают заметно медленнее, чем на Linux на «голом железе». Обновления Windows также имеют привычку перезагружать машину прямо посреди задачи, что не очень удобно, когда вы глубоко погружены в процесс отладки.

Windows отлично подходит студентам, геймерам и инженерам, выпускающим .NET-приложения. Если вам нужна одна машина, на которой можно поиграть в Steam после работы и поработать в Visual Studio днем, это практичный выбор.

Linux: Стандарт для серверов

Если продакшен работает на Linux, разработка на Linux избавляет от сюрпризов. Операционная система создавалась для серверов, и её архитектурные принципы соответствуют ожиданиям облачных сред. Философия Unix, согласно которой «всё есть файл», означает, что конфигурации, аппаратные устройства и запущенные процессы — всё это находится где-то в дереве файловой системы. Такая последовательность упрощает автоматизацию. Вы можете писать скрипты развертывания на bash, управлять сервисами через systemd и оркестровать контейнеры, не переводя команды между двумя разными архитектурами ядер.

Docker был построен на примитивах Linux. Namespaces и cgroups здесь являются нативными, поэтому контейнеры запускаются быстрее и работают ближе к скорости «голого железа», чем на других платформах. Накладные расходы минимальны, менеджеры пакетов зрелые, а систему можно очистить до минимума, оставив только то, что вам нужно. Linux-сервер без графической оболочки может работать годами без перезагрузки.

Компромиссом является удобство рабочего стола. Поддержка коммерческого ПО отстает. Вы не найдете нативных приложений Adobe Creative Cloud, а некоторые проприетарные IDE или инструменты для совместной работы требуют обходных путей. Настройка оборудования может потребовать терпения. Wi-Fi адаптеры, Bluetooth-модули и гибридная графика иногда требуют ручной установки драйверов или настройки модулей ядра. Драйверы NVIDIA значительно улучшились, но правильная настройка CUDA всё ещё требует чтения документации, которая предполагает, что вы уверенно чувствуете себя в терминале.

Бэкенд-инженерам, DevOps-специалистам и всем, кто строит инфраструктуру для ИИ, следует рассматривать Linux как основной вариант. Когда ваша рабочая среда работает на Ubuntu или RHEL, её локальное дублирование экономит часы отладки при развертывании.

macOS: Отполированный Unix

macOS занимает промежуточное положение, которое привлекает разработчиков, желающих иметь терминал, работающий как в Linux, и графический интерфейс, работающий как потребительский продукт. Под капотом это сертифицированная Unix-система, а значит, bash, zsh, make, ssh и git работают именно так, как вы ожидаете на сервере. Apple Silicon полностью изменил правила игры. Чипы серии M обеспечивают производительность уровня десктопов, при этом время автономной работы ноутбука составляет от 10 до 20 часов. Вы можете скомпилировать проект, запустить локальный стек и созвониться по видеосвязи, при этом вентиляторы даже не зашумят.

Для мобильных разработчиков macOS — это обязательное условие. Xcode и симулятор iOS работают только на оборудовании Apple. Экосистема также тяготеет к творческим рабочим процессам и full-stack разработке. Трекпады и дисплеи великолепны, а надежность режимов сна и пробуждения означает, что вы просто открываете крышку и мгновенно возвращаетесь к работе.

The downsides are cost and flexibility. You pay a premium for memory and storage upgrades that would be trivial on a custom PC or ThinkPad. The hardware lineup is narrow. If you need a specific GPU for local model training or unusual ports for lab equipment, a Mac might not accommodate you without external enclosures and dongles.

Full-stack developers, iOS engineers, and startup founders who value portability often gravitate here. It is an expensive choice, but one that minimizes daily friction.

Does the OS Matter for AI?

The model itself is indifferent. A large language model running through Ollama, LM Studio, or vLLM produces the same tokens whether your kernel was compiled by Microsoft, Linus Torvalds, or Apple. Your tools matter far more than your operating system. When you are building AI agents, focus on mastering Python dependency management, Node.js runtimes, Docker for reproducible environments, API integrations, and memory management for context windows.

That said, production AI systems overwhelmingly run on Linux. NVIDIA’s datacenter GPU drivers and the CUDA toolkit are developed and optimized for Linux first. The overhead of a graphical desktop is stripped away, leaving more VRAM and CPU cycles for training and inference. If you are renting cloud compute, you are almost certainly SSHing into a Linux instance. For local experimentation, a MacBook with Apple Silicon is quiet and power-efficient, but when it is time to train at