苹果 Minions 研究：闲置 Mac GPU 组队，几分钟就能完成 10 小时 AI 任务

AI 总结 • 苹果研究团队公布名为 Minions 的系统研究，旨在聚合闲置 Mac GPU 形成虚拟 GPU 云以运行大规模机器学习推理任务 • Minions 系统由 Minion Server、PostgreSQL 元数据存储、Minion Executor 和 Minion Watchdog 四个部分组成，采用设备主动领取的“拉取式”任务模型进行动态调度 • 测试结果显示，原本在集中式 GPU 集群中需排队超过 10 小时的推理任务，在 Minions 下可在数分钟内开始执行，且无需新增 GPU 硬件 • 该技术目前主要面向企业内部的研究与工程应用，尚未成为面向普通消费者的正式产品，跨部门使用他人设备时的数据保密和治理仍是重要顾虑 【苹果推出 Minions 研究：聚合闲置 Mac GPU 构建虚拟算力云】 IT之家 10 月 16 日消息，科技媒体 AppleInsider 昨日（10 月 15 日）发布博文，报道称苹果研究团队公布了一项名为 Minions 的系统研究，尝试聚合闲置 Mac GPU，形成一个可动态调度的"虚拟 GPU 云"，用于运行大规模机器学习推理任务。 IT之家援引博文介绍，传统 AI 推理通常依赖集中式 GPU 集群，面临成本高、扩容慢、排队时间长等问题； 而 Mac 在日常办公、浏览和创作场景中，GPU 常常长期空闲。 苹果公司在论文中阐述了 Minions 方案，希望重新组织这些"看不见的算力"，在不额外采购 GPU 的情况下，让多台 Mac 协同完成 AI 任务。 【系统架构：四大核心组件协同工作】 根据论文概述，系统由四个关键部分组成： Minion Server 负责接收任务、拆分子任务并协调调度； PostgreSQL 元数据存储 记录任务与设备状态； 运行在各台 macOS 设备上的 Minion Executor 通过 Apple Silicon GPU 本地执行推理； Minion Watchdog 则监控设备掉线、休眠或断电等情况，并把未完成任务重新分配给其他可用设备。 在技术实现上，Minions 采用"拉取式"任务模型：设备主动向服务器领取可执行的子任务，并通过原子化机制避免多台设备重复处理同一任务。 推理结果可写入对象存储，系统还提供基于 Grafana 的实时监控面板，便于团队了解在线、忙碌和空闲设备数量。 【测试效果：10 小时任务几分钟内完成】 苹果披露的测试结果显示，此前因集中式 GPU 资源不足而需排队超过 10 小时的部分推理任务，在 Minions 下可在数分钟内开始执行； 团队无需新增 GPU 硬件，也降低了基础设施成本。 不过，这项技术目前更像是面向企业内部的研究与工程方案，而非面向普通消费者的正式产品。 研究团队也指出，跨部门使用他人设备时，数据保密 ...

该板块内容需要购买后才能完整浏览

立即购买