Apple mengembangkan pendekatan baru untuk memanfaatkan komputer Mac yang sedang tidak digunakan melalui sistem komputasi terdistribusi bernama Minions. Penelitian yang dipublikasikan pada Oktober 2026 ini memperlihatkan bagaimana GPU pada perangkat berbasis Apple Silicon dapat digabungkan menjadi sumber daya komputasi virtual untuk menjalankan tugas kecerdasan buatan. Inovasi TEKNOLOGI tersebut bertujuan mengurangi ketergantungan terhadap infrastruktur GPU terpusat yang sering menghadapi antrean pekerjaan dan biaya operasional tinggi. Dengan memanfaatkan kapasitas perangkat yang sudah tersedia, Minions menawarkan cara berbeda dalam mengelola inferensi AI, meningkatkan efisiensi penggunaan perangkat keras, dan mendistribusikan pekerjaan komputasi.
Mengenal Riset Apple Minions untuk Komputasi GPU Terdistribusi
Perkembangan industri artificial intelligence semakin memperbesar kebutuhan perangkat keras yang mampu menangani sistem pembelajaran mesin modern. Pada pendekatan konvensional, tugas inferensi biasanya dijalankan melalui infrastruktur khusus. Di balik kemampuan tersebut, permintaan pemrosesan terkadang melampaui sumber daya yang tersedia. Kondisi tersebut mungkin menghambat penyelesaian tugas ketika permintaan inferensi meningkat. Untuk mengatasi persoalan tersebut, peneliti Apple memperkenalkan sistem Minions yang memanfaatkan GPU Mac dalam kondisi menganggur.
Pengembangan ini dipaparkan pada penelitian berjudul Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices yang diperkenalkan melalui publikasi akademis pada Oktober 2026. Makalah ilmiah ini menjelaskan cara mengumpulkan sumber daya grafis Apple Silicon menjadi kumpulan komputasi terdistribusi. Sebagai alternatif perluasan kapasitas melalui pengadaan hardware, organisasi berpotensi menggunakan komputer yang telah dimiliki. Konsep komputasi terdistribusi tersebut bertujuan meningkatkan pemanfaatan perangkat keras. Namun demikian, Minions masih merupakan sistem penelitian dan penggunaan internal.
Cara Kerja Sistem Minions dalam Membagi Pekerjaan AI
Platform komputasi terdistribusi Apple memanfaatkan koordinasi beberapa perangkat Mac yang menyediakan sumber daya grafis menganggur. Ketika tugas AI dikirimkan, sistem memecah permintaan ke dalam sejumlah subtugas. Unit pemrosesan tersebut kemudian dijalankan pada komputer yang siap menerima tugas. Melalui mekanisme ini, beberapa komputer dapat berkontribusi pada beban kerja bersama. Ketika subtugas berhasil dijalankan, keluaran disimpan untuk digunakan lebih lanjut. Pada tahapan akhir, sistem menyelesaikan pekerjaan berdasarkan subtugas yang telah diproses.
Keunggulan rancangan yang menarik Minions adalah pendekatan pembagian tugas ketika perangkat mengambil pekerjaan sendiri. Sebagai alternatif terhadap scheduler yang menugaskan setiap mesin secara langsung, komputer yang siap menjalankan subtugas mengambil pekerjaan dari layanan koordinasi. Mekanisme pengambilan pekerjaan tersebut mendukung partisipasi komputer yang tidak selalu aktif. Sebagai contoh, sebuah Mac mungkin tersedia ketika pengguna sedang beristirahat. Ketika perangkat kembali sibuk, sistem harus menyesuaikan penggunaan sumber daya. Oleh sebab itu, fleksibilitas distribusi merupakan bagian utama rancangan.
Komponen Utama Infrastruktur AI Terdistribusi Minions
Pada rancangan sistem yang diteliti, Apple mengembangkan bagian sistem yang saling bekerja sama, termasuk Minion Server, Minion Executor, dan Minion Watchdog. Layanan koordinasi Minions berperan dalam membagi permintaan komputasi menjadi subtugas yang dapat diproses. Di sisi perangkat peserta, Minion Executor bertugas menerima pekerjaan yang tersedia. Komponen tersebut menjalankan komputasi melalui sumber daya lokal untuk menghasilkan keluaran inferensi. Minion Watchdog digunakan untuk mendukung keandalan eksekusi agar masalah pada perangkat dapat ditangani.
Pada pengembangan Minions, basis data PostgreSQL digunakan untuk mencatat subtugas. Komunikasi antara perangkat dan server dilakukan melalui layanan REST. Untuk mendukung distribusi data, Amazon S3 digunakan sebagai penyimpanan objek. Saat executor mengambil pekerjaan, komputer tersebut mengakses masukan komputasi dan mengunduh model yang belum tersedia secara lokal. Setelah inferensi dijalankan, hasil dikirim kembali ke penyimpanan. Pendekatan pengelolaan tugas tersebut membantu membagi tanggung jawab antarbagian.
Apple Silicon Menjadi Fondasi GPU Cloud Virtual Minions
Pemanfaatan Apple Silicon memanfaatkan akselerator grafis bawaan perangkat. Sistem macOS dengan chip Apple menawarkan kemampuan pemrosesan paralel untuk model kecerdasan buatan. Pada penggunaan komputer yang tidak membutuhkan grafis berat, sumber daya grafis dapat memiliki ruang komputasi tersisa. Pendekatan penelitian ini mencoba menggunakan kemampuan GPU yang sedang tidak digunakan untuk menjalankan pekerjaan inferensi. Berkat pemanfaatan perangkat yang sudah dimiliki, organisasi memiliki alternatif sumber daya AI tanpa harus memperbesar pusat data untuk semua tugas.
Hal penting yang perlu diperhatikan adalah Minions difokuskan pada inferensi, bukan pelatihan model besar secara terdistribusi pada implementasi yang dipaparkan. Tahap penggunaan model merupakan proses menjalankan model untuk menghasilkan prediksi atau respons. Dalam penelitian Apple tersebut, sistem dapat menjalankan proses pembuatan representasi vektor menggunakan model transformer terbuka. Sebagai jenis pekerjaan lainnya, Minions menjalankan pembuatan teks menggunakan LLM dengan memanfaatkan perangkat lunak Ollama pada perangkat yang berpartisipasi. Pilihan tugas inferensi ini menggambarkan sasaran sistem secara lebih spesifik.
Manfaat Minions untuk Mengurangi Antrean Komputasi AI
Faktor yang mendorong pengembangan Minions adalah tingginya permintaan terhadap akselerator AI. Ketika banyak pekerjaan berjalan bersamaan, pengguna dapat menghadapi waktu tunggu panjang. Berdasarkan gambaran penggunaan internal, antrean GPU tertentu pernah mencapai waktu tunggu di atas sepuluh jam. Setelah menggunakan kapasitas perangkat yang tersedia, antrean tertentu dapat berkurang menjadi beberapa menit. Walaupun hasil tersebut menarik, manfaat waktu tunggu dapat berbeda menurut jenis inferensi. Kondisi jaringan harus diperhitungkan.
Di samping meningkatkan fleksibilitas pemrosesan, Minions berpotensi meningkatkan pemanfaatan investasi perangkat keras. Komputer Mac yang dimiliki organisasi umumnya tersedia sebagai perangkat produktivitas. Saat komputer memiliki kapasitas tersisa, sumber daya grafis berpotensi menjalankan inferensi tambahan. Meskipun memanfaatkan aset yang sudah ada, penghematan biaya tidak dapat diasumsikan secara otomatis. Konsumsi energi tambahan, dukungan administrasi sistem, dan dampak terhadap pekerjaan pengguna perlu dimasukkan dalam perhitungan. Melalui pengukuran operasional, sistem ini berpotensi melengkapi pusat data.
Prospek Pengembangan Minions untuk Infrastruktur AI yang Lebih Luas
Kendati pendekatan Apple memiliki sejumlah manfaat, pengendalian data merupakan tantangan utama. Apabila informasi diproses melalui mesin yang tidak berada dalam satu kelompok kerja, pengelolaan izin menjadi semakin penting. Pada laporan penggunaan sistem tersebut, sebagian tim mempertanyakan keamanan pemrosesan data di perangkat kelompok lain. Persoalan pengelolaan data ini memperlihatkan kebutuhan perlindungan yang memadai. Mekanisme seperti verifikasi identitas node, pembatasan data sensitif, serta pemantauan pelaksanaan tugas. Apabila kontrol keamanan diabaikan, manfaat komputasi terdistribusi dapat disertai risiko baru.
Pada arah riset selanjutnya, tim Apple membuka kemungkinan perluasan sistem dari inferensi menuju pekerjaan pembelajaran mesin yang lebih kompleks. Namun demikian, rencana penelitian bukan bukti fitur sudah tersedia. Makalah tersebut turut mempertimbangkan kemungkinan menerapkan federasi perangkat dalam skala lebih luas apabila pengelolaan kepercayaan antarmesin berhasil diterapkan. Konsep tersebut membuka kemungkinan pengumpulan GPU dalam skala besar. Kendati menjadi arah penelitian yang relevan, tidak ada dasar untuk menganggap semua perangkat Mac telah bergabung dalam sistem. Keberhasilan pengembangan ditentukan oleh kemampuan mengelola sistem yang semakin kompleks.
Riset Minions Menunjukkan Potensi Baru Infrastruktur AI Terdistribusi
Penelitian Apple Minions memperlihatkan peluang penting dalam pengembangan sistem pemrosesan yang lebih fleksibel. Melalui pemanfaatan kapasitas Apple Silicon yang belum digunakan, Minions berpotensi mengurangi antrean pekerjaan tanpa menambah perangkat GPU khusus untuk seluruh beban kerja. Dukungan eksekusi subtugas yang fleksibel menjadi dasar penting ketika ketersediaan komputer berubah. Kendati menawarkan peluang efisiensi, perlindungan data serta pengelolaan energi membutuhkan evaluasi. Sebagai catatan penting, kemampuan pelatihan model terdistribusi masih termasuk arah pengembangan. Apa pandangan Anda tentang konsep komputasi GPU terdistribusi berbasis Apple Silicon? Silakan bagikan pendapat Anda mengenai peluang memanfaatkan perangkat yang sudah tersedia untuk kebutuhan kecerdasan buatan.
