Apple 研究團隊於 2026 年 10 月發表論文，介紹名為「Minions」的系統。該系統旨在解決集中式 GPU 基礎設施在機器學習推論需求增加下所面臨的高成本、彈性受限及資源受限時等待時間長等問題。Minions 透過聚合 macOS 裝置上閒置的 Apple Silicon GPU，執行大規模機器學習推論工作負載，使團隊無需額外採購 GPU 即可利用現有硬體。該系統提供靈活的 GPU 推論任務執行、容錯能力及高效的資源利用。Apple 表示，在集中式 GPU 資源受限的環境中，閒置的 macOS 裝置可被轉化為實用的分散式 GPU 推論平台。
事件背景
Apple 研究團隊指出，現代基於 Apple Silicon 的 macOS 裝置配備了強大的 GPU，但在正常使用中這些 GPU 大多處於閒置狀態。此外，Apple 近期亦發表了利用 MLX 在 M5 GPU 的神經加速器上探索大型語言模型（LLM）的研究，以及針對 NVIDIA GPU 加速 LLM 推論的 ReDrafter 技術，顯示其在不同硬體平台上優化推論效率的持續努力。
社群觀察
社群討論中，用戶「yardie」指出這符合 Apple 在分散式計算方面的既有做法，如 Final Cut Pro 渲染、Logic Pro、Grand Central Dispatch 及 Xcode 分散式 CI/CD，並推測 Apple 總部可能擁有數千台高性能 Mac 可在夜間執行推論工作。用戶「sdoering」表示對該技術概念感到困惑，認為類似於 AI 工作負載的 SETI 專案。用戶「buildbot」提及曾為 Mercedes 車輛閒置 GPU 的類似概念進行演示並申請專利。用戶「tom1337」認為這對於企業在非尖峰時段利用現有機器執行非即時分析任務可能有用，但認為技術上並不具突破性。用戶「pm90」則評論 Apple 未建立獨立晶片供應鏈及自建雲端是錯失商機，認為 Apple 曾擁有通用 ARM 計算的先發優勢。
