Apple Pakai Mac Idle Jadi GPU AI, Antrean 10 Jam Turun Jadi Menit

Telset.id – Apple mengungkap sistem internal bernama “Minions” yang memanfaatkan Mac idle sebagai “virtual GPU cloud” untuk menjalankan beban kerja AI. Lewat sistem ini, pekerjaan AI yang sebelumnya mengantre di GPU perusahaan hingga lebih dari 10 jam kini hanya menunggu dalam hitungan menit.

Praktik ini dijelaskan dalam makalah arXiv terbaru yang diterbitkan peneliti Apple dan juga dibagikan di situs Apple Machine Learning Research. Minions mengambil pekerjaan AI yang macet, lalu mendistribusikannya ke Mac-Mac yang terhubung dalam jaringan, sehingga waktu tunggu yang semula belasan jam bisa dipangkas drastis.

Sistem ini bergantung khusus pada Apple Silicon untuk inferensi AI, satu-satunya jenis pekerjaan yang dijalankannya. Ada dua kategori tugas yang diproses: embeddings dengan model transformer open-source Hugging Face, dan text generation dari large language model melalui Ollama yang dipasang di setiap Mac yang berpartisipasi.

Minion Server, Executor, dan Watchdog

Makalah tersebut menjelaskan Minions terdiri dari tiga komponen utama: “Minion Server,” “Minion Executor,” dan “Minion Watchdog.” Minion Server bekerja dengan memecah tugas yang dikirim menjadi subtugas yang disimpan dalam database PostgreSQL.

Di setiap Mac, Minion Executor dijalankan untuk menarik subtugas berikutnya melalui REST API. Model ini disebut “pull-based execution model” karena tidak ada penjadwal pusat. Mac membaca input dari Amazon S3, mengambil model jika diperlukan, menjalankan subtugas di GPU-nya sendiri, lalu mengembalikan hasilnya ke S3.

Kegagalan ditangani Minion Watchdog, yang melacak heartbeat dari Mac yang menjalankan pekerjaan setiap lima menit. Subtugas yang belum selesai akan kembali masuk antrean ketika Mac tertidur, terputus dari jaringan, dimatikan, atau pengguna menghentikan executor untuk mengambil kembali kendali atas mesinnya.

Pemilik Mac dapat menentukan pekerjaan mana yang diambil lebih dulu, misalnya memprioritaskan pekerjaan tim atau proyek tertentu melalui “dynamic task binding,” atau mengandalkan skema default first-in, first-out. Berdasarkan pemahaman Tom’s Hardware, setiap Mac menjalankan satu model utuh pada bagian pekerjaannya sendiri, dan makalah tersebut tidak menyarankan adanya satu model yang dipecah ke beberapa Mac.

Menjalankan model sepenuhnya di perangkat keras satu Mac dengan unified memory bukan hal mengejutkan bagi penggemar OpenClaw yang melakukan hal serupa di home lab mereka. Pendekatan volunteer computing ini juga mengingatkan pada model SETI@home dan Folding@home yang mendistribusikan potongan kecil pekerjaan ke mesin-mesin idle, sesuai arsitektur yang dijelaskan dalam makalah.

Antrean GPU dan Biaya Infrastruktur

Selain memangkas waktu antrean GPU, makalah tersebut menyebut permintaan dengan Minions tidak memerlukan permintaan GPU baru, biaya infrastruktur menjadi nol, dan upaya scaling berubah dari manual menjadi organik. Namun, perhitungan ini tidak memasukkan biaya listrik maupun keausan perangkat keras.

Partisipasi dalam sistem ini bersifat informal. Anggota tim misalnya dapat “mengirim pesan Slack untuk meminta orang lain menjalankan Minion Executor sementara dan menargetkan proyek atau tugas tertentu.” Sebuah permintaan dari pengguna di Slack perusahaan dapat memulai prosesnya, meski para peneliti mencatat kekhawatiran umum soal data tim yang berjalan di perangkat di luar grup mereka.

Kerahasiaan tetap menjadi perhatian bahkan untuk pekerjaan internal. Apple berupaya memitigasinya dengan deployment berskala tim dan organisasi yang memiliki database sendiri serta kumpulan Mac terpisah.

Makalah baru ini muncul di tengah kondisi compute yang semakin menjadi hambatan bagi beban kerja terkait AI. Apple mengakui hal ini dalam filing kuartalan terbarunya pada Juli, dengan menyatakan bahwa pihaknya “bergantung pada akses ke sumber daya komputasi yang cukup” di ekosistem dengan “pasokan terbatas, waktu tunggu panjang, dan biaya yang meningkat.”

Risiko bahwa Apple mungkin tidak dapat “mengamankan kapasitas yang cukup,” bahkan dengan data center sendiri dan penyedia cloud pihak ketiga, tampaknya membuat pendekatan Minions menjadi lebih praktis. Private Cloud Compute milik Apple, sisi server dari Apple Intelligence untuk permintaan yang lebih kompleks, kini juga berjalan di GPU Nvidia di Google Cloud, pertama kali diumumkan di WWDC pada Juni.

Langkah itu menyusul permintaan Mac yang tinggi secara tiba-tiba untuk AI lokal. CEO saat itu, Tim Cook, pada April mengatakan bahwa pasokan Mac mini dan Mac Studio mungkin butuh berbulan-bulan untuk mengejar permintaan. Pasokan perangkat yang dibahas dalam panggilan earnings Juli juga menyebut kendala advanced-node dan biaya memori yang meningkat.

Bagi pembaca yang mengikuti perkembangan perangkat Apple, dinamika pasokan ini sejalan dengan sejumlah peluncuran terbaru, termasuk model Apple TV 4K dan agenda Apple Welcome Home pada 13 Oktober 2026. Tren permintaan perangkat Apple juga terlihat dari pasar HP Q3 2026 yang tetap dikuasai Samsung dan Apple.

Para penulis menyebut bahwa dalam pekerjaan selanjutnya, Minions akan diperluas ke distributed model training. Secara lebih luas, mereka menulis bahwa jika Mac idle di seluruh organisasi “atau berpotensi di seluruh komunitas global” dapat “difederasi secara aman,” perangkat tersebut bisa membentuk shared GPU pool. Untuk saat ini, Mac hanya berfungsi sebagai kapasitas AI cadangan di dalam Apple.