థండర్‌బోల్ట్ 5 ద్వారా అనేక Mac మినీ లేదా Apple స్టూడియో పరికరాలను క్లస్టరింగ్ చేయడం ద్వారా గణన శక్తిని పూల్ చేయగల సామర్థ్యం నిజానికి ఒక శక్తివంతమైన సాధనం, ప్రత్యేకించి Apple యొక్క ఏకీకృత మెమరీ ఆర్కిటెక్చర్‌తో అందించబడుతుంది, ఇది ఇచ్చిన పరిమాణంలో మెమరీ రిసోర్స్ దాని బరువుకు బంగారం విలువ కలిగిన సమయంలో సమృద్ధిగా మెమరీని అందుబాటులో ఉంచుతుంది.
అయినప్పటికీ, Apple ఈ ప్రత్యేక ప్రయోజనాన్ని మరింత మెరుగ్గా ఉపయోగించుకోవడానికి సాధనాలను పరిచయం చేస్తున్నప్పటికీ, దాని మెమరీ-ఫోకస్డ్ దీర్ఘకాలిక ఒప్పందాల (LTAలు) గడువు ముగియడం ద్వారా దాని మొత్తం పోటీతత్వం దూరంగా ఉంది, రాబోయే M5-ఆధారిత Mac mini మరియు Apple Studioతో సహా దాని రాబోయే ఉత్పత్తుల ధరలలో గణనీయమైన పెరుగుదలకు వేదికగా నిలిచింది.
Mac మినీ మరియు Apple స్టూడియో క్లస్టర్‌లకు సంబంధించి Apple యొక్క AI ప్రయోజనం ఇప్పుడు గడువు ముగిసిన మెమరీ-ఫోకస్డ్ LTAల నుండి ముప్పులో ఉంది.
NVIDIA RTX 4090తో పోలిస్తే అంకితమైన Apple సిలికాన్‌పై తక్కువ సంక్లిష్టమైన మెషీన్ లెర్నింగ్ (ML) మరియు AI టాస్క్‌లను అమలు చేయడం చౌకైనదని అలెక్స్ జిస్కైండ్ ఇటీవల చూపించారు.
ఈ ప్రయోజనం యొక్క గుండె వద్ద Apple సిలికాన్ యొక్క ఏకీకృత మెమరీ నిర్మాణం ఉంది, ఇక్కడ CPU మరియు GPU ఒకే మెమరీ కాష్‌ని ఉపయోగిస్తాయి. కాబట్టి, ఉదాహరణగా, M4 Pro Mac మినీలో 64GB RAM (యూనిఫైడ్ మెమరీ) వర్సెస్ RTX 4090 యొక్క 24GB RAM ఉంది.
మీరు Thunderbolt 5 ద్వారా అనేక Mac మినీ పరికరాలను లింక్ చేసినప్పుడు, AI- సంబంధిత పనుల కోసం పూల్ చేయబడిన మెమరీ వేగంగా స్కేల్ అవుతుంది. ఇంకా ఏమిటంటే, రాబోయే M5-ఆధారిత Mac mini మరియు Apple Studio యొక్క అత్యుత్తమ ప్రాసెసింగ్ పవర్‌తో కలిపినప్పుడు ఈ ప్రయోజనం మరింత లాభదాయకంగా మారుతుంది.
ఇంతలో, ఈ పూల్ చేయబడిన కంప్యూటింగ్ ప్రయోజనాన్ని హైలైట్ చేయడానికి Apple తన శక్తి మేరకు ప్రతిదీ చేస్తున్నట్లు కనిపిస్తోంది. ఉదాహరణకు, MacOS Tahoe 26.2 MLXకి కొత్త డ్రైవర్‌ను పరిచయం చేసింది, ఇది Apple యొక్క బెస్పోక్ మెషిన్ లెర్నింగ్ ప్లాట్‌ఫారమ్, ఇది Thunderbolt 5కి మద్దతుతో నిండి ఉంది.
సాధారణ ఈథర్నెట్-ఆధారిత కంప్యూటింగ్ క్లస్టర్ వలె కాకుండా, కనెక్షన్ వేగం దాదాపు 10Gb/s వద్ద గరిష్టంగా ఉంటుంది, Thunderbolt 5 గరిష్ట బ్యాండ్‌విడ్త్ 80Gb/sని కలిగి ఉంటుంది. ఇంకా ఏమిటంటే, యాపిల్ థండర్‌బోల్ట్ 5తో రిమోట్ డైరెక్ట్ యాక్సెస్ మెమరీ (RDMA)ని ఏర్పాటు చేసింది, ఇది క్లస్టర్‌లోని ఏదైనా CPU నోడ్‌ను మరొకరి మెమరీని చదవడానికి అనుమతిస్తుంది మరియు అది కూడా చదవబడుతున్న CPU నోడ్ యొక్క ఎక్కువ ప్రాసెసింగ్ శక్తిని ఖర్చు చేయకుండా అనుమతిస్తుంది.
ఈ కాన్సెప్ట్‌ను వివరించడానికి, యూట్యూబర్, జెఫ్ గీర్లింగ్, ఇటీవల తనకు Apple ద్వారా రుణం పొందిన నాలుగు Mac స్టూడియోల క్లస్టర్‌ను నిర్మించారు. క్లస్టర్ దాదాపు 1.5TB యొక్క ఏకీకృత మెమరీని కలిగి ఉంది మరియు దీని ధర సుమారు $40,000.
పోలిక కోసం, NVIDIA DGX స్పార్క్‌ను క్లస్టరింగ్ చేయడం ద్వారా అదే క్వాంటం మెమరీని పూల్ చేయడానికి మీరు 12 యూనిట్లను పొందవలసి ఉంటుంది, ఒక్కో యూనిట్ ధర సుమారు $4,000. ఇది మొత్తం $48,000 ఖర్చుతో సమానం, గీర్లింగ్ యొక్క 4 Apple Mac స్టూడియోల సమూహానికి ~$8,000 ప్రయోజనాన్ని అందిస్తుంది.
యాపిల్ ప్రస్తుతం కలిగి ఉన్న ఈ ఖర్చు ప్రయోజనం కనీసం పాక్షికంగా మెమరీ గోళంలో కొన్ని అతిపెద్ద పేర్లతో దాని దీర్ఘకాలిక ఒప్పందాలు (LTAలు) కారణంగా ఉంది. అయినప్పటికీ, మేము ఇటీవలి అంకితమైన పోస్ట్‌లో గుర్తించినట్లుగా, Apple యొక్క కొన్ని LTAలు జనవరి 2026 నాటికి ముగియబోతున్నాయి, ఫలితంగా Apple కోసం కొటేషన్ ధరలను పెంచడానికి Samsung మరియు SK హైనిక్స్‌లు కొంత ప్రయత్నం చేశాయి.
ఈ నేపథ్యంలో, మేము పైన వివరించిన $8,000 ప్రయోజనం కేవలం వందల డాలర్లకు తగ్గినా లేదా పూర్తిగా అదృశ్యమైనా జనవరిలో మేము ఆశ్చర్యపోనవసరం లేదు.