苹果研究：闲置Mac可组成虚拟GPU云

苹果机器学习研究团队近日发表论文，提出一套名为 Minions 的分布式系统，可以把网络中处于闲置状态的苹果芯片 Mac 电脑汇聚成一个"虚拟 GPU 云"，用来承接大规模机器学习推理任务。论文题为《Minions：由闲置苹果芯片设备构建的动态分布式虚拟 GPU 云》，已刊登在苹果机器学习研究网站，作者包括 Jianhua Li、Yun Xing、Girisha De Silva、Ryan Flint、Kai Yuan 与 Sean Suchter，类型标注为 2026 年 10 月发表的论文。

研究团队在论文中指出，GPU 加速推理需求的激增暴露了集中式 GPU 基础设施的短板：成本高、弹性有限、资源紧张时排队时间动辄以小时计。与此同时，大量搭载 M 系列芯片的 macOS 设备在日常使用中，其强劲的 GPU 大部分时间都在空转。Minions 要回答的问题很直接——能不能在不新增一分钱硬件投入的前提下，把这些沉睡的算力动态聚合起来。据团队测算，此前部分推理任务排队超过 10 小时，接入闲置 Mac 后往往几分钟内就能开工。

系统由三类核心组件构成：Minion Server 作为中枢，负责接收请求、校验参数并把任务拆分成子任务，存入 PostgreSQL 元数据库；每台 Mac 上运行一个轻量级 Minion Executor，通过 REST 接口拉取子任务，在本机 GPU 上执行推理，再把结果上传到对象存储；Minion Watchdog 则跟踪各设备每几分钟一次的心跳，一旦设备睡眠、断网、关机或机主收回算力，未完成的子任务会立即释放回队列，由其他健康设备接手。

目前 Minions 支持两类推理负载：一是借助 HuggingFace 开源 Transformer 模型在本地生成向量嵌入，二是通过本地推理框架 Ollama 运行大语言模型补全，全程不依赖远程 API 调用。对于算力需求更高的场景，较新的 Mac mini 与 Mac Studio 还能通过雷雳 5 接口的 RDMA 远程内存访问组网，把多台设备的算力与内存合并，跑动超出单机内存上限的模型。

数据治理方面，系统支持按团队隔离执行器池与元数据库，确保敏感模型和数据不出组织边界；设备主人也可以为特定团队或项目设定优先级，或随时把机器从算力池中退出。目前 Minions 仅作为苹果内部的"溢出算力"使用。

研究团队表示，下一步将把这一模式从推理扩展到分布式模型训练，并设想如果跨机构乃至全球社区的闲置 Mac 能够安全联合，有望形成一个共享的 GPU 算力池。在数据中心建设排队、电价与审批压力日益成为 AI 扩张瓶颈的当下，这种"零采购"思路提供了一个与堆显卡截然不同的参照系。

编译自 Apple Machine Learning Research，原标题："Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices"