苹果 Minions 研究让闲置 Mac GPU 组队跑 AI 推理，排队超 10 小时的任务数分钟内可执行
苹果 Minions 研究：闲置 Mac GPU 组队，几分钟就能完成 10 小时 AI 任务
- 1苹果研究团队公布 Minions 系统，将闲置 Mac GPU 聚合成可动态调度的虚拟 GPU 云运行推理任务
- 2论文披露的测试显示，此前因集中式 GPU 不足需排队超 10 小时的任务，在 Minions 下数分钟内开始执行
- 3该方案定位为企业内部研究与工程而非消费产品，研究团队指跨部门用他人设备的数据保密是重要顾虑
- 4系统由任务调度、元数据存储、设备端执行与故障监控四模块组成，采用拉取式任务模型避免重复处理
苹果在验证把企业内闲置 Mac 算力组织成推理资源的可行性，实质是盘活存量硬件的降本思路，还不是可采购的产品。
- 影响：对 Mac 保有量大的企业，闲置算力有替代部分集中式 GPU 支出与排队的空间；跨部门调用设备会带出数据保密与治理难题；目前定位企业内部方案，没有面向外部的产品形态。
- 参考：可考虑先盘点公司 Mac 的数量、型号与空闲时段，估算可回收的算力规模；值得对照论文评估自家推理任务的排队成本，再决定是否搭建类似调度。
- 依据：排队从超 10 小时缩至数分钟为苹果论文披露的测试口径，暂无独立验证；系统架构与数据治理顾虑均来自论文自述。
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。
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。
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，数据保密和治理是重要顾虑。
参考
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家包含外链的文章均包含本声明。
来源：IT之家·人工智能 · ithome.com