Minions يحوّل وحدات GPU الخاملة في Apple Silicon إلى سحابة GPU افتراضية موزعة

نشرت Apple Machine Learning Research ورقة بحثية بعنوان «Minions: سحابة GPU افتراضية ديناميكية وموزعة مبنية على أجهزة Apple Silicon الخاملة». نُشرت الورقة، التي مؤلفوها جيانخوا لي، يون سينغ، غيريشا دي سيلفا، ريان فلينت، كاي يوان وشون ساشتير، في أكتوبر 2026، وتُذكر في اتجاهات أبحاث معالجة الكلام واللغة الطبيعية، فضلاً عن الأدوات والمنصات والأطر.

توحيد وحدات Apple Silicon GPU الخاملة

تشير الورقة إلى أن الطلب المتزايد على الاستدلال في تعلم الآلة المسرّع بواسطة GPU كشف عن قيود البنية التحتية المركزية لوحدات GPU، ومن بينها التكلفة العالية والمرونة المحدودة وأوقات الانتظار الطويلة في ظل عجز الموارد. في الوقت نفسه، تُجهز أجهزة macOS الحديثة القائمة على Apple Silicon بوحدات GPU قوية تبقى في الغالب خاملة أثناء الاستخدام العادي. ويعالج Minions المشكلتين معًا عبر توحيد وحدات Apple Silicon GPU الخاملة الموجودة في أجهزة macOS في سحابة GPU افتراضية واحدة يمكنها تنفيذ أعباء استدلال تعلم الآلة واسعة النطاق. يتيح النظام للفرق استخدام الأجهزة الموجودة دون شراء وحدات GPU إضافية.

تنفيذ المهام ومقاومة الأخطاء واستخدام الموارد

وفقًا للمؤلفين، يوفر Minions تنفيذًا مرنًا لمهام استدلال GPU، ومقاومة للأعطال، واستخدامًا فعالًا للموارد. وتُظهر تجربتهم أن أجهزة macOS الخاملة يمكن أن تتحول إلى منصة استدلال GPU موزعة عملية في البيئات التي تكون فيها موارد GPU المركزية محدودة.

أبحاث الاستدلال المرتبطة

تأتي هذه النشرة في أعقاب أعمال Apple Machine Learning Research السابقة حول الاستدلال المحلي، بما في ذلك مقال 19 نوفمبر 2025 حول دراسة نماذج LLM باستخدام MLX ومسرعات M5 GPU العصبية، وبحث 18 ديسمبر 2024 حول تسريع استدلال LLM على وحدات NVIDIA GPU باستخدام ReDrafter. وتشكل هذه الجهود مجتمعة انعكاسًا لتركيز Apple المستمر على نشر استدلال نماذج اللغة بكفاءة، سواء على أجهزتها الخاصة أو على منصات GPU الصناعية واسعة الاستخدام.

المصادر: machinelearning.apple.com