苹果研究团队公开的论文《Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices》（2026年10月9日提交 arXiv，作者均为 Apple 员工），描述了一个把多台 Mac 上闲置的 Apple Silicon GPU 动态聚合成"虚拟 GPU 云"的系统，用于运行大规模机器学习推理任务。 先拆掉标题里最大的误读：论文原话是，集中式 GPU 集群资源紧张时，部分推理任务要排队最多超过 10 小时才能开跑；接入 Minions 后，任务通常几分钟内就能开始执行——省下来的是"排队等号"的时间，而不是把一个原本要跑 10 小时的任务压缩到几分钟完成。苹果机器学习研究IT之家arXiv
Minions 瞄准的缺口确实存在：企业里做嵌入向量生成、大模型文本补全这类 GPU 推理，通常要排队等中央 GPU 集群，扩容贵、弹性差；而绝大多数 Apple Silicon Mac 在日常办公中 GPU 长期空闲。论文提出的核心问题就是：不买一块新 GPU 卡，能不能把闲置 Mac 的算力动态拼成一个共享推理平台。这套系统已在苹果内部多个团队实际使用，论文将其运维效果列为四项对比：GPU 任务排队时间从"数小时、最高 10 小时以上"降到"几分钟"；新 GPU 需求从"必须申请"变为"无"；基础设施成本从"高"变为"零"；扩容从"人工"变为"自发"。arXiv
系统怎么运转：四个组件的分工
Minions 由四个部分组成。Minion Server 是中央调度层，通过网页界面和 REST API 接收任务，校验参数后把大任务异步拆成多个子任务；所有设备侧交互都经由它的 API 完成，执行端不直接接触数据库。PostgreSQL 元数据库保存任务与设备状态，共七张表，开发与生产实例分离。arXiv
Minion Executor 是装在参与 Mac 上的执行代理：定期从 Server 拉取可执行的子任务，原子性地锁定执行权，再从对象存储（论文以 AWS S3 为例）下载输入数据——数据不走调度服务器，存储与算力解耦。需要的大模型若本地没有缓存，会先下载缓存再执行。执行任务分两类：嵌入向量生成调用 Hugging Face 开源 Transformer 模型，在本地 GPU 上输出向量；文本补全则依赖 Mac 上本地安装的 Ollama，推理不经过任何远程 API。结果直接回写对象存储。arXiv
真正应对"个人设备不可靠"的是 Minion Watchdog。执行端每 5 分钟发一次心跳，看门狗不巡检全部设备，只盯当前正在跑子任务的设备。断网、合盖睡眠、关机，甚至用户要用满整机资源主动终止任务，对应的子任务都会被放回到队列，由其他空闲 Mac 重新领取执行，全程不需要人工干预。 默认调度是先进先出，但设备主人可以给机器配置偏好，优先拉取指定团队、项目或任务的子任务。 论文提到实际协作中常见的一幕是：有人在 Slack 里发消息，请同事临时开一会儿执行端来支援特定任务。任务进度则汇总在 Grafana 面板上实时可见。微博arXiv
它没有做到的事，和真正值钱的地方
需要把预期校准清楚：Minions 目前只覆盖推理负载，分布式模型训练在论文中是"未来工作"。 论文没有公布集群规模、模型尺寸或吞吐基准，10 小时到几分钟也只是苹果内部团队观察到的定性结果。媒体解读时把这套方案与 Mac Studio/Mac mini 的雷雳 5、RDMA 集群互联联系起来，但论文本身通篇未提雷雳或 RDMA，Minions 走的是普通网络加对象存储，不绑定专用互联硬件——两种说法不应混为一谈。arXiv微博
数据保密是论文自己点名的落地障碍：任务在别人（哪怕是同事）的机器上跑，敏感性顾虑会限制参与。 Minions 的对策是团队或组织级隔离部署，各用独立的 PostgreSQL 库和执行端池子，而不是开放匿名共享。也就是说，它现在是"办公室里的算力众筹"，不是"全球闲置 GPU 网络"；论文展望的跨机构、乃至全球闲时设备联邦共享，仍处于愿景阶段。arXiv
但对已购买大量 Mac 的企业来说，这是实打实的收益：算力硬件涨价、供应紧张的背景下，媒体称 OpenAI 已采购数以万计的 Mac mini 和 Mac Studio 用于强化学习、Anthropic 通过 AWS 租用 Mac mini，该说法未获相关公司正式确认。 一批普通办公 Mac 在闲置时段自动变成零成本的推理后备算力，且加入设备越多、弹性越强。这同时也是苹果乐见的叙事——Mac 从"剪视频的工具"变成"能贡献算力的节点"，会成为企业采购时多出的一个理由。知乎
接下来值得盯的信号有两个：论文从推理扩展到训练时是否公布可复现的集群与吞吐数据；以及这套"团队级隔离"的模式会不会被包装成对外可用的工具。在此之前，对"几分钟跑完 10 小时 AI"最严谨的理解是：省下的是排队时间，执行时间的收益来自多机并行拆分，且尚无公开数字可验证。
