Apple tung bầy 'Minion' Mac chia sẻ tài nguyên GPU cho các tác vụ AI lớn

Apple vừa công bố một hệ thống nội bộ mang tên Minions, cho phép gom nhóm các GPU nhàn rỗi trên những chiếc Mac trong mạng lưới để cùng xử lý các tác vụ suy luận (inference) học máy quy mô lớn. Đây là nỗ lực nhằm giải quyết tình trạng khan hiếm tài nguyên GPU tập trung mà nhiều đội ngũ nội bộ của hãng đang gặp phải.

Minions hoạt động như thế nào?

Theo mô tả của các nhà nghiên cứu Apple, Minions là "một đám mây GPU ảo động và phân tán, tập hợp các GPU Apple Silicon nhàn rỗi trên khắp các thiết bị macOS để thực thi những khối lượng công việc suy luận học máy quy mô lớn".

Trước khi triển khai hệ thống này, một số tác vụ suy luận phải chờ trong hàng đợi hơn 10 giờ do nguồn GPU tập trung có hạn. Với Minions, công việc thường có thể bắt đầu chỉ trong vài phút nhờ tận dụng các thiết bị macOS đang rảnh rỗi.

Điểm đáng chú ý là dòng Mac mini và Mac Studio mới ra mắt gần đây hỗ trợ ghép cụm bằng RDMA (Remote Direct Memory Access) qua Thunderbolt 5, cho phép gộp sức mạnh tính toán và bộ nhớ để phục vụ một khối lượng công việc AI duy nhất. Nhờ vậy, người dùng có thể nạp những mô hình quá lớn so với khả năng của một máy đơn lẻ.

Cần lưu ý: Minions không hẳn được thiết kế để chạy các mô hình khổng lồ, mà chủ yếu để phân phối lại tài nguyên nhàn rỗi trong mạng lưới.

Bốn thành phần cốt lõi

Hệ thống Minions gồm bốn bộ phận chính:

• Minion Server: đóng vai trò lớp điều phối, tiếp nhận yêu cầu từ người dùng và chia nhỏ thành các tác vụ con.
• PostgreSQL Metadata Store: lưu trữ siêu dữ liệu về các tác vụ.
• Minion Executor: chạy các tác vụ suy luận trên GPU của máy Mac, tải kết quả lên S3 và báo cáo trạng thái thực thi qua Minion Server.
• Minion Watchdog: giám sát toàn bộ quá trình, phát hiện lỗi – chẳng hạn một máy Mac trong mạng không phản hồi – và phân công lại tác vụ khi cần thiết.

Các số liệu thống kê từ cơ sở dữ liệu được đẩy lên bảng điều khiển dựa trên Grafana để theo dõi theo thời gian thực.

Khác biệt so với cụm GPU truyền thống

Cách tiếp cận của Apple tập trung vào tính sẵn có và mức độ tận dụng phần cứng, khác với mô hình cụm GPU của Nvidia – vốn chú trọng vào thông lượng, độ trễ và hiệu suất sử dụng GPU cho các mô hình lớn.

Nói cách khác, Apple đang biến chính hệ sinh thái máy Mac nội bộ của mình thành một "trang trại" tính toán phân tán, tận dụng tài nguyên bỏ không thay vì đầu tư thêm hạ tầng GPU tập trung đắt đỏ.

Đối với người dùng Việt Nam, động thái này cho thấy một hướng đi đáng tham khảo: khi các mô hình AI ngày càng phổ biến nhưng chi phí thuê GPU cloud vẫn cao, việc tận dụng phần cứng sẵn có – đặc biệt là các máy Mac trang bị chip Apple Silicon – có thể là giải pháp tiết kiệm cho các doanh nghiệp và nhóm phát triển có quy mô vừa và nhỏ.