Una macchina virtuale macOS potrebbe finalmente eseguire applicazioni di intelligenza artificiale sfruttando non soltanto la CPU, ma anche GPU e Neural Engine del Mac che la ospita. Nella prima beta di macOS 27.3 Apple ha inserito un nuovo meccanismo di paravirtualizzazione che, nei primi test, porta alcuni carichi Core AI molto vicino alle prestazioni native.
La novità è emersa analizzando la prima beta di macOS 27.3. A individuarla è stato lo sviluppatore noto online come pdfu, che ha documentato API, configurazione e primi benchmark del nuovo acceleratore.
La conseguenza pratica può essere importante soprattutto per sviluppatori e servizi che utilizzano macOS in ambienti isolati. Un’app con funzioni di riconoscimento delle immagini, analisi video o altri modelli locali potrebbe essere provata dentro una VM continuando a sfruttare buona parte della potenza dell’Apple Silicon del Mac principale.
Cos’è Core AI
Core AI è il nuovo framework introdotto da Apple alla WWDC26 come evoluzione della propria infrastruttura per l’esecuzione locale dei modelli di intelligenza artificiale. Può distribuire i calcoli tra CPU, GPU e Neural Engine e comprende strumenti per conversione, ottimizzazione, compilazione e analisi dei modelli.
Fino ad ora questo vantaggio si riduceva sensibilmente quando macOS veniva eseguito dentro una macchina virtuale. La CPU virtualizzata offre prestazioni elevate, mentre per la grafica Virtualization.framework presenta al sistema ospite una GPU virtuale che inoltra alla GPU fisica del Mac le operazioni supportate. Il Neural Engine rimaneva invece fuori portata.
Apple descrive Core AI nella documentazione presentata alla WWDC26 come il framework che alimenta l’inferenza locale di Apple Intelligence e che permette alle applicazioni degli sviluppatori di utilizzare CPU, GPU e Neural Engine dell’Apple Silicon. Con macOS 27.3 questo modello di esecuzione inizia a estendersi anche alle macchine virtuali.
La VM non controlla direttamente il Neural Engine
Il sistema utilizzato è quello della paravirtualizzazione. La macchina virtuale non prende possesso direttamente della GPU o del Neural Engine: alcune operazioni Core AI vengono inoltrate all’host, eseguite dagli acceleratori fisici del Mac e quindi restituite al sistema ospite.
È un approccio importante anche dal punto di vista dell’isolamento. Il Mac continua a gestire l’hardware, mentre alla macchina virtuale viene presentata un’interfaccia apposita. Apple segue già un principio simile per la grafica e macOS 27 ha introdotto anche la possibilità di creare dispositivi Virtio personalizzati per comunicazioni ad alte prestazioni tra host e guest.
Big news for virtualization: macOS 27.3 lets Core AI in Mac VMs use the host’s GPU and Neural Engine.
In some tests, the new paravirtualized paths can run Core AI tasks up to 7× faster¹ than the guest CPU, achieving 50 to nearly 100% of the host’s native speed.
The new Core AI… pic.twitter.com/C21KyChZ4B
— pdfu (@itspdfu) November 8, 2026
Fino a 7 volte più veloce della CPU della VM
I primi numeri spiegano perché la novità merita attenzione. pdfu ha eseguito le prove su un Mac con M4 Max utilizzando modelli pubblici come YOLO, CLIP e Depth Anything, oltre a benchmark basati sulla moltiplicazione di matrici e sulle convoluzioni.
In alcuni test il nuovo percorso paravirtualizzato arriva a essere fino a 7 volte più veloce rispetto all’esecuzione sulla CPU della macchina virtuale. A seconda del carico, le prestazioni raggiungono dal 50% a quasi il 100% di quelle ottenute eseguendo lo stesso lavoro direttamente sull’host.
Il passaggio attraverso il confine tra macchina virtuale e host introduce, secondo i test, circa 1 millisecondo di latenza per ogni chiamata di inferenza. Per elaborazioni relativamente pesanti, come il riconoscimento di un’immagine, questo overhead può incidere poco sul tempo complessivo.
Con gli LLM il vantaggio crolla
Il comportamento cambia sensibilmente con i modelli linguistici che generano un token dopo l’altro. Nel benchmark LLM di Apple, Qwen3-0.6B ha raggiunto soltanto circa il 10% delle prestazioni dell’host.
Il problema individuato da pdfu riguarda la KV-cache, la memoria nella quale un modello conserva informazioni sui token già elaborati per evitare di ripetere continuamente gli stessi calcoli. Nel percorso paravirtualizzato attuale, per ogni nuovo token devono essere predisposti nuovamente sull’host grandi buffer di memoria condivisa.
Il costo di questa operazione viene ripetuto migliaia di volte durante la generazione di un testo e finisce per annullare gran parte del vantaggio offerto dagli acceleratori. La tecnologia presente nella prima beta di macOS 27.3 è quindi già promettente per diversi modelli di visione e calcolo, mentre allo stato attuale è molto meno adatta agli LLM generativi.
Per ora bisogna modificare le protezioni di macOS
Non si tratta ancora di una funzione utilizzabile normalmente da applicazioni come Parallels Desktop, VMware Fusion o altri software di virtualizzazione. Le API individuate sono private e l’acceleratore richiede un entitlement riservato, cioè un’autorizzazione che Apple non concede alle comuni applicazioni distribuite agli utenti.
La procedura documentata da pdfu richiede:
- macOS 27.3 installato sia sul Mac host sia nella macchina virtuale;
- un’app di virtualizzazione compilata con gli entitlement necessari;
- la modifica delle protezioni AMFI del Mac per consentire l’uso dell’entitlement privato;
- l’aggiunta alla configurazione della VM dei dispositivi destinati a Core AI e Neural Engine;
- l’attivazione di uno specifico feature flag all’interno del sistema guest;
- il riavvio della macchina virtuale.
Se la configurazione è corretta, Core AI eseguito nel sistema guest indica GPU e Neural Engine tra le unità di calcolo disponibili. È una dimostrazione tecnica, non una procedura che conviene applicare a un Mac utilizzato normalmente: per arrivarci è necessario intervenire sulle protezioni del sistema.
Un indizio fa pensare a qualcosa di più di un esperimento
Nel codice è presente anche un secondo feature flag, questa volta sul sistema host, che nella beta è disattivato. Attivandolo, l’acceleratore dichiara di poter supportare il salvataggio e il ripristino dello stato della macchina virtuale.
Questo dettaglio non conferma che Apple renderà pubblica la tecnologia, ma mostra che l’implementazione considera anche uno dei problemi tipici delle VM utilizzate quotidianamente: sospendere un ambiente di lavoro e riprenderlo successivamente senza perdere lo stato degli acceleratori.
Il tassello che mancava alla virtualizzazione di macOS 27
La scoperta arriva dopo un anno nel quale Apple ha investito parecchio sulla virtualizzazione. Alla WWDC26 ha presentato il passthrough degli accessori USB tramite Accessory Access, nuove possibilità per le topologie di rete attraverso vmnet e DiskImageKit, framework che permette di creare immagini disco ASIF efficienti e organizzate anche su più livelli.
macOS 27 ha introdotto inoltre il provisioning automatico delle macchine virtuali. Un’app può predisporre nome dell’utente, account, password, accesso automatico e SSH durante la prima configurazione, evitando di completare manualmente ogni volta l’Assistente Configurazione.
Howard Oakley di The Eclectic Light Company aveva però evidenziato già a giugno i due grandi punti ancora scoperti: l’accesso alle applicazioni del Mac App Store e le nuove funzioni di intelligenza artificiale e Siri. Il primo problema rimane, mentre macOS 27.3 sembra iniziare ad affrontare il secondo.
La comunità aveva già trovato un modo per accelerare gli LLM
Nel frattempo alcuni sviluppatori avevano cercato strade alternative. Ad agosto il team di Cua aveva analizzato il comportamento di llama.cpp dentro una VM macOS scoprendo che la GPU virtuale dichiarava un profilo Metal particolarmente prudente.
llama.cpp sceglie i propri algoritmi anche in base alle capacità dichiarate dalla GPU. Modificando per uno specifico processo alcune di queste informazioni, Cua era riuscita a fare utilizzare al software kernel Metal più efficienti, ottenendo nei propri test un’accelerazione compresa tra 11 e 16 volte.
Quella soluzione sfruttava meglio la GPU virtuale già disponibile. L’approccio che compare in macOS 27.3 interviene a un livello differente: Core AI può delegare il lavoro agli acceleratori dell’host e comprende per la prima volta anche il Neural Engine.
Perché può essere utile
Una VM dotata di accelerazione AI apre scenari che vanno oltre i benchmark. Uno sviluppatore potrebbe provare un’app Core AI su differenti configurazioni di macOS senza preparare un Mac fisico per ogni test. Un agente AI potrebbe essere eseguito in un sistema operativo isolato, con accesso controllato ai file e agli strumenti che gli servono.
Lo stesso principio interessa le infrastrutture che eseguono numerose macchine virtuali su Mac. La possibilità di condividere in maniera controllata GPU e Neural Engine dell’host ridurrebbe la penalizzazione oggi imposta ai carichi AI eseguiti dentro una VM.
Prima di arrivare a questi impieghi resta però un passaggio decisivo: Apple deve rendere disponibili API ed entitlement utilizzabili dalle applicazioni normali. Al momento non ha annunciato che ciò avverrà con la versione definitiva di macOS 27.3, quindi non è possibile dare per scontato che la funzione sperimentale della beta venga resa immediatamente disponibile al pubblico.
Chi vuole capire quanto la virtualizzazione stia già cambiando sui Mac Apple Silicon può vedere anche cosa offre Parallels Desktop 27 con l’accelerazione AI nelle VM Linux. Per un’esigenza completamente diversa, cioè recuperare vecchi sistemi e software Intel, abbiamo invece provato Virtual Intel Mac, che porta da Tiger a Big Sur sui Mac Apple Silicon.
