苹果最新的开发者测试版macOS 塔霍 26.2引入了一项新功能，允许用户将多台 Mac 合并为一个共享的AI计算集群据 Engadget 报道。该功能有效地让开发人员可以跨 Apple 芯片系统集中处理能力，并以更高的吞吐量运行本地 AI 工作负载。虽然此功能面向开发和测试而不是一般消费者使用，但它标志着苹果向分布式设备计算迈出的最重要的一步。
该系统的工作原理是将 Mac 连接到同一网络上，并指定一台设备作为主机节点。其他 Mac 作为贡献者加入该环境，允许支持的工作流程跨计算机并行运行。苹果将该功能定位为一种加速本地试验模型和框架的方式，这些模型和框架受益于分布式计算。
扩大本地人工智能能力
新设置使配备 M 系列处理器的 Mac 能够协同工作，完成完全在本地硬件上运行的模型编译、推理管道和培训课程等任务。开发人员可以手动分配工作负载或允许 macOS Tahoe 自动划分处理，具体取决于所使用的工具。早期测试人员指出，该系统的设计非常注重隐私和仅限本地执行，反映了苹果强调设备智能的更广泛战略。
最直接的用例之一是加快 Apple Intelligence 相关的开发。准备模型、针对 Apple 芯片进行优化或生成测试输出的工具现在可以利用多台机器的集体力量，从而减少复杂构建的处理时间。
专为 Apple Silicon 量身定制的分布式架构
macOS Tahoe 的实现依赖于M系列芯片的效率和共享架构。由于 Apple 芯片具有统一的内存系统，因此 macOS 以最小化开销的方式处理数据分发和任务分配。集群不会从字面意义上合并跨机器的 RAM，但它允许并行操作，模拟更大计算资源的优势。
网络是通过本地连接处理的，macOS 根据带宽和可用性动态调整设备的通信方式。机器可以加入或退出集群，而不会中断其他节点上运行的工作负载，从而实现适应混合硬件的灵活设置，例如充当计算节点的 Mac mini 设备和充当主接口的 MacBook Pro。
开发者工具
为了利用计算集群，用户必须安装 macOS Tahoe 26.2 并从开发者设置中启用该功能。苹果的文档指出，该系统支持各种人工智能开发工具，包括模型转换器、视觉和音频管道，以及旨在在本地芯片而不是云基础设施上运行的某些训练工作流程。
由于该功能是以开发人员为中心的，因此苹果将其设计为一种在部署到云平台或将应用程序交付给用户之前进行原型设计和验证模型性能的方法。它还符合苹果公司对跨硬件和软件集成人工智能的重视，通过在设备上进行处理来保护用户数据。
允许多台 Mac 表现得像一个小型 AI 计算集群有几个更广泛的含义。它使开发人员能够在不依赖外部服务器的情况下扩展本地工作负载，这在数据隐私或网络限制阻碍云训练的环境中尤其有用。它还可能鼓励旧的或闲置的 Mac 的新用途，这些 Mac 可以充当额外的计算节点。
对于学生、研究人员和小型开发团队来说，该功能提供了一种经济高效的方式来访问分布式人工智能计算，而无需投资专用服务器硬件。它还作为一个例子，展示了苹果公司打算如何平衡其对设备智能的重视与开发过程中对更高性能的实际需求。
Engadget 指出，苹果并未将其定位为云计算的替代品。相反，它扩展了本地可以完成的工作范围，补充了云服务，而不是与之竞争。它为 Mac 平台增加了一定程度的可扩展性，而这在以前如果没有远程系统或专门的集群就很难实现。
通过让 Mac 在本地网络上安全地共享工作负载，macOS 塔霍 26.2代表着苹果人工智能基础设施战略向前迈出了一步。它强调了向分布式、隐私保护计算的转变，这种计算利用了苹果芯片的优势，并为开发人员提供了新的实验和构建方法。
随着测试版的继续进行以及苹果改进工作流程兼容性和网络处理，预计有关该功能的更多细节。一旦 macOS Tahoe 26.2 退出开发者测试，最终版本预计将更广泛地推出。
