Minions перетворює невикористані GPU Apple Silicon у розподілену віртуальну GPU-хмару

Apple Machine Learning Research опублікував роботу «Minions: динамічна й розподілена віртуальна GPU-хмара, побудована на невикористаних пристроях Apple Silicon». Авторами роботи є Дзяньхуа Лі, Юнінг Сінг, Гіріша де Сілва, Раян Флінт, Кай Юан і Шон Сачтері; вона була опублікована у жовтні 2026 року й охоплює напрямки досліджень у промові та обробці природної мови, а також інструменти, платформи та фреймворки.

Об'єднання невикористаних GPU Apple Silicon

У роботі зазначено, що зростаючий попит на GPU-прискорений інференс машинного навчання виявив обмеження централізованої GPU-інфраструктури, зокрема високу вартість, обмежену еластичність і тривалі очікування за умов дефіциту ресурсів. Водночас сучасні пристрої macOS на базі Apple Silicon оснащені потужними GPU, які під час звичайного використання переважно залишаються невикористаними. Minions вирішує обидві проблеми тим, що об'єднує невикористані GPU Apple Silicon на пристроях macOS у єдину віртуальну GPU-хмару, здатну виконувати масштабні навантаження інференсу машинного навчання. Система дає командам можливість використовувати наявне устаткування без додаткової покупки GPU.

Виконання завдань, стійкість до збоїв і використання ресурсів

За словами авторів, Minions забезпечує гнучке виконання завдань GPU-інференсу, стійкість до збоїв та ефективне використання ресурсів. Їхній досвід показує, що невикористані пристрої macOS можуть перетворитися на практичну розподілену платформу GPU-інференсу в середовищі, де централізовані GPU-ресурси обмежені.

Пов'язані дослідження інференсу

Публікація продовжує попередні роботи Apple Machine Learning Research про локальний інференс, зокрема статтю від 19 листопада 2025 року про дослідження LLM за допомогою MLX та нейронних прискорювачів M5 GPU, а також дослідження від 18 грудня 2024 року про прискорення інференсу LLM за допомогою ReDrafter на GPU NVIDIA. Разом ці зусилля відображають сталий фокус Apple на ефективному запуску мовних моделей як на власному апаратному забезпеченні, так і на широко використовуваних у галузі GPU-платформах для промислових застосунків.

Джерела: machinelearning.apple.com