Apple Minions trasforma i Mac inattivi in un cloud GPU per l’AI

📌 In Sintesi

• Minions aggrega le GPU inutilizzate dei Mac con Apple Silicon trasformandole in una piattaforma distribuita per l’inferenza AI.
• Apple dichiara che alcuni workload passano da code superiori alle dieci ore a un avvio nell’ordine dei minuti.
• Il progetto resta sperimentale, ma Apple valuta già training distribuito e federazione di Mac appartenenti a organizzazioni differenti.

Apple ha descritto Minions, un sistema interno che trasforma i Mac con Apple Silicon inutilizzati in una capacità GPU distribuita per l’inferenza di modelli di intelligenza artificiale. L’idea è semplice ma industrialmente rilevante: invece di aspettare ore per accedere a cluster centralizzati o acquistare nuove GPU, i carichi vengono suddivisi e affidati ai Mac disponibili sulla rete. Nei test operativi descritti dai ricercatori Apple, alcune code superiori alle dieci ore sono scese a pochi minuti. Non è un nuovo servizio cloud commerciale e non sostituisce i data center: è un livello elastico che sfrutta hardware già acquistato e, soprattutto, mostra come Cupertino stia cercando di trasformare Apple Silicon da piattaforma personale a infrastruttura AI distribuita.

Minions mette in rete le GPU inutilizzate dei Mac

Il paper originario pubblicato su arXiv, intitolato “Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices” e firmato da sei ricercatori Apple, descrive un’architettura costruita attorno a quattro componenti: Minion Server, database PostgreSQL, Minion Executor e Minion Watchdog. Gli utenti inviano un lavoro di inferenza al server, che lo divide in sotto-task; i Mac disponibili prelevano autonomamente i lavori attraverso API REST, elaborano localmente sulle GPU Apple Silicon e scrivono i risultati su uno storage a oggetti. Il sistema supporta oggi due classi di carico: generazione di embedding con modelli Hugging Face e completamento di LLM attraverso Ollama. È la prosecuzione software di una direzione hardware già visibile quando Mac Studio con M5 Ultra è stato presentato come macchina per AI locale e cluster collegabili: Apple non sta più trattando la GPU del Mac soltanto come acceleratore grafico, ma come capacità di calcolo general purpose utilizzabile anche per workload AI.

Leggi anche: Apple prepara server M8 Ultra con Nvidia mentre Cook e Altman incontrano Xi

Il vantaggio è eliminare la coda senza comprare altre GPU

Il dato più concreto del paper riguarda l’accesso alle risorse. Prima di Minions, alcuni job di inferenza restavano in coda per oltre dieci ore sui sistemi GPU centralizzati; aggregando i Mac inattivi, l’esecuzione può iniziare in pochi minuti. La tabella pubblicata dai ricercatori indica inoltre “zero” nuove richieste GPU e “zero” costo infrastrutturale aggiuntivo, ma il dato va letto nel suo perimetro: significa che Minions riutilizza macchine già disponibili e non richiede un nuovo cluster dedicato. Il lavoro non quantifica invece energia elettrica, usura dei dispositivi o costo operativo complessivo, quindi non dimostra che l’elaborazione sia letteralmente gratuita. L’interesse è nella capacità di assorbire picchi e sperimentazioni senza attendere una risorsa centralizzata scarsa. È un approccio complementare al Mac Studio collegato via Thunderbolt 5 e RDMA, dove Apple aveva già mostrato come più sistemi possano cooperare sull’inferenza locale, ma Minions accetta una flotta molto più instabile e opportunistica.

Watchdog e task distribuiti assorbono l’instabilità dei Mac

Un cloud costruito con computer personali deve assumere che le macchine spariscano. Un utente può chiudere il processo, mettere il Mac in stop, perdere la rete o aver bisogno improvvisamente di tutta la potenza disponibile. Minions considera questi eventi normali: gli Executor inviano heartbeat ogni cinque minuti e il Watchdog rimette in coda i sotto-task rimasti senza esecutore. L’assegnazione è pull-based e non utilizza un classico scheduler centralizzato; PostgreSQL gestisce atomicamente la proprietà dei singoli sotto-task, evitando che due Mac elaborino contemporaneamente lo stesso lavoro. L’architettura è interessante proprio perché non pretende di trasformare notebook e desktop in server affidabili: costruisce la resilienza attorno alla loro disponibilità intermittente. La stessa necessità di aumentare capacità elastica era emersa quando Apple preparava più server per sostenere Siri AI e le nuove funzioni cloud, ma Minions prova a recuperare capacità direttamente dall’hardware già distribuito.

Continua con:

Apple Intelligence proprietaria prova a ridurre la dipendenza da Gemini

Apple Keynote 2026: il futuro già visto arriva tardi e si paga carissimo

Apple sperimenta un cloud distribuito ma non ha ancora creato un prodotto

Minions non è una funzione di macOS annunciata agli utenti, non è un servizio concorrente di AWS o Google Cloud e il paper non pubblica benchmark sufficienti per confrontarlo direttamente con cluster Nvidia dedicati. I ricercatori riconoscono inoltre un limite organizzativo rilevante: la riservatezza dei dati quando i workload vengono eseguiti su dispositivi esterni al gruppo che li ha generati. Per questo il sistema può essere confinato a team o organizzazioni specifiche con database dedicati e pool di Executor isolati. Il passaggio più interessante è però nella roadmap: Apple indica come sviluppo futuro il training distribuito e ipotizza che Mac inattivi appartenenti a organizzazioni diverse, o perfino a una comunità globale, possano essere federati in una grande risorsa GPU condivisa. È ancora ricerca, non una promessa commerciale. Ma la direzione è chiara: mentre l’industria AI concentra sempre più capitale nei data center, Apple sta verificando se una parte dell’inferenza possa essere decentralizzata sfruttando milioni di GPU che esistono già. Se il modello reggerà su sicurezza, gestione e prestazioni, il vantaggio di Apple Silicon non sarà soltanto dentro ogni Mac: sarà nella possibilità di trasformare molti Mac in un’unica infrastruttura.