苹果即将发布的macOS Tahoe 26.2系统将引入一项革命性功能,允许用户通过Thunderbolt 5连接将多台Mac设备组建成统一的计算系统。这项低延迟特性为开发者和研究人员提供了创建强大AI超级计算机的新途径,能够高效运行大规模本地模型。
过去虽然也有通过Thunderbolt连接Mac集群的案例,但受限于较慢的传输速度,特别是需要集线器时速度可能降至10 Gb/s。苹果的新功能充分利用了Thunderbolt 5高达80Gb/s的连接能力,大幅提升了集群性能。
这项集群功能不仅限于高端Mac Studio,还支持M4 Pro Mac mini和M4 Pro/Max MacBook Pro。开发者无需特殊硬件,仅需标准的Thunderbolt 5线缆和兼容的Mac设备即可构建集群。
在演示中,由四台Mac Studio组成的集群成功加载并运行了包含1万亿参数的Kimi-K2-Thinking模型,使用ExoLabs的EXO 1.0早期版本。值得注意的是,整个集群功耗不到500瓦,比典型GPU集群低约10倍。作为对比,NVIDIA RTX 5090的额定功耗为575瓦,实际需求可能更高。
macOS Tahoe 26.2还将为苹果开源MLX项目提供对M5芯片神经加速器的完全访问权限,这将显著提升AI推理速度。然而讽刺的是,目前唯一搭载M5芯片的Mac设备——14英寸MacBook Pro——仅支持Thunderbolt 4,无法享受新的Mac集群功能。
苹果芯片的统一内存架构和低功耗设计已经让Mac成为AI工作的理想选择,而通过Thunderbolt 5组建多系统集群的能力对处理大型模型的用户更具吸引力。虽然配备512GB内存的Mac Studio起价9499美元(搭载M3 Ultra芯片),但这只是最高配置。已经拥有Mac Studio、Mac mini和MacBook Pro的实验室和公司可以利用现有设备组建集群。
Q&A
Q1:macOS Tahoe 26.2的Mac集群功能支持哪些设备?
A:该功能支持Mac Studio、M4 Pro Mac mini和M4 Pro/Max MacBook Pro。开发者只需标准的Thunderbolt 5线缆和兼容的Mac设备即可构建集群,无需特殊硬件。
Q2:Mac集群相比传统GPU集群有什么优势?
A:Mac集群功耗显著更低,四台Mac Studio组成的集群功耗不到500瓦,比典型GPU集群低约10倍。同时利用苹果芯片的统一内存架构,能更高效地运行大型AI模型。
Q3:为什么搭载M5芯片的MacBook Pro无法使用集群功能?
A:虽然M5芯片支持神经加速器的完全访问,但14英寸MacBook Pro仅支持Thunderbolt 4,无法享受需要Thunderbolt 5的Mac集群功能。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。