Apple telah merinci sistem baru bernama Minions, yang memanfaatkan GPU yang menganggur di Mac Apple Silicon untuk membentuk cloud GPU virtual. Sistem ini menggabungkan daya pemrosesan yang belum termanfaatkan untuk menangani beban kerja AI yang kompleks, terutama inferensi machine learning berskala besar. Apple menggambarkan Minions sebagai cloud GPU virtual dinamis yang mengagregasi GPU Apple Silicon yang menganggur di berbagai Mac, dan para peneliti Apple sudah menggunakannya secara internal.
Gagasan dasarnya sederhana. Mac memiliki GPU yang kuat tetapi sebagian besar waktunya menganggur, terutama saat tugas komputasi sehari-hari. Minions dirancang untuk memanfaatkan kapasitas GPU yang tidak terpakai tersebut, mengubah Mac yang kurang dimanfaatkan menjadi kelompok mesin yang siap untuk AI. Baik Mac mini maupun Mac Studio mendukung klastering melalui Remote Direct Memory Access (RDMA) dengan koneksi Thunderbolt 5, yang memungkinkan komputasi dan memori dari beberapa mesin digabungkan untuk satu beban kerja. Minions memperluas konsep ini.
Dokumentasi Apple menjelaskan empat komponen utama. Minions Server bertindak sebagai koordinator pusat, menangani permintaan melalui antarmuka web dan API, serta mengantrekan tugas di penyimpanan metadata PostgreSQL. Minion Executor berjalan di perangkat macOS, menjalankan subtugas menggunakan GPU Apple Silicon lokal, dan menuliskan hasilnya ke penyimpanan. Jika terjadi kegagalan, seperti gangguan koneksi atau listrik mati, Minion Watchdog akan mengantrekan ulang tugas tersebut untuk dijalankan di mesin lain. Dasbor menyediakan pemantauan real-time atas seluruh proses.
Apple menyatakan bahwa pengujiannya menunjukkan sejumlah tugas inferensi yang sebelumnya memakan waktu lebih dari 10 jam kini selesai dalam hitungan menit, tanpa infrastruktur tambahan dan dengan jalur skalabilitas yang mudah. Bagi bisnis, memangkas waktu pemrosesan tanpa membeli perangkat keras baru tentu menjadi keuntungan yang jelas, terutama ketika harga terus naik.
Sumber: AppleInsider · Diringkas oleh HeadlinesBriefing